正文

sem測(cè)量范圍（sem測(cè)量原理）

發(fā)布時(shí)間：2023-04-14 07:00:33 稿源：創(chuàng)意嶺閱讀： 144

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于sem測(cè)量范圍的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來(lái)看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、sem測(cè)試圖上的5um和10um是什么意思
2、SEM和SD的區(qū)別是什么？
3、Mplus中關(guān)于SEM的介紹
4、SEM與TEM的區(qū)別

sem測(cè)量范圍（sem測(cè)量原理）

一、sem測(cè)試圖上的5um和10um是什么意思

5um和10um意思如下：

5um和10um的線段就是個(gè)標(biāo)尺的意思，那個(gè)線段的長(zhǎng)度就是5um和10um，實(shí)物的一對(duì)照線段長(zhǎng)度就知道尺寸了。

二、SEM和SD的區(qū)別是什么？

一、含義不同

mean表示都是平均數(shù)。

SEM是standard error of mean是平均數(shù)的抽樣誤差，反應(yīng)平均數(shù)的抽樣準(zhǔn)確性。

SD全稱standard deviation標(biāo)準(zhǔn)差，又常稱均方差，是離均差平方的算術(shù)平均數(shù)的平方根，用σ表示。

二、用法不同

SEM計(jì)估計(jì)值的準(zhǔn)確性無(wú)法度量，但可以用統(tǒng)計(jì)方法來(lái)測(cè)量。

測(cè)試的誤差來(lái)源包括系統(tǒng)誤差和采樣誤差，這些誤差很容易克服，采樣誤差是由許多無(wú)法控制的內(nèi)部和外部因素引起的，這些因素都是偶然的，即使在測(cè)試中非常小心也很難消除，但可以通過增加重復(fù)次數(shù)來(lái)減少。

小樣本（n≤30）取平均值±標(biāo)準(zhǔn)差，大樣本（n>30）取平均值±標(biāo)準(zhǔn)差。

sem測(cè)量范圍（sem測(cè)量原理）

三、類型不同

標(biāo)準(zhǔn)差是方差的算術(shù)平方根。標(biāo)準(zhǔn)差可以反映數(shù)據(jù)集的離散程度。如果平均值相同，則標(biāo)準(zhǔn)差可能不相同。

標(biāo)準(zhǔn)誤差是用樣品的標(biāo)準(zhǔn)偏差除以樣品容量的平方根來(lái)計(jì)算的，標(biāo)準(zhǔn)誤差受樣本量影響較大，樣本量越大，標(biāo)準(zhǔn)誤差越小，抽樣誤差越小，說(shuō)明樣本能夠更好地代表種群。

三、Mplus中關(guān)于SEM的介紹

結(jié)構(gòu)方程模型(SEM)包括連續(xù)潛變量之間的回歸模型(Bollen, 1989; Browne & Arminger, 1995;Joreskog & Sorbom, 1979)。也就是說(shuō)，這些潛變量是連續(xù)的。這里需要注意的是：1. 潛變量(latent variables)是與觀察變量(Observed variables)相對(duì)的，可通過數(shù)據(jù)分析觀察；2. 觀察變量可以是連續(xù)的(continuous)、刪失的(censored)、二進(jìn)制的(binary)、有序的(ordinal)、無(wú)序的(nominal)、計(jì)數(shù)的(counts)，或者是這些類別的組合形式。

SEM有兩個(gè)部分：一個(gè)測(cè)量模型(measurement model)和一個(gè)結(jié)構(gòu)模型(structural model)。

測(cè)量模型相當(dāng)于一個(gè)多元回歸模型(multivariate regression model)，用于描述一組可觀察的因變量和一組連續(xù)潛變量之間的關(guān)系。在此，這一組可觀察的因變量被稱為因子指標(biāo)(factor indicators)，這一組連續(xù)潛變量被稱為因子(factors)。

如何描述它們之間的關(guān)系？可以通過以下方式：

1. 若因子指標(biāo)是連續(xù)的，用線性回歸方程(linear regression equations)；

2. 若因子指標(biāo)是刪失的，用刪失回歸或膨脹刪失回歸方程(censored normal or censored-inflated normal regression equations)；

3. 若因子指標(biāo)是有序的類別變量，用profit或logistic回歸方程(probit or logistic regression equations)；

4. 若因子指標(biāo)是無(wú)序的類別變量，用多元logistic回歸方程(multinomial logistic regression equations)；

5. 若因子指標(biāo)是計(jì)數(shù)的，用Poisson或零膨脹Poisson回歸方程(Poisson or zero-inflated Poisson regression equations)。

結(jié)構(gòu)模型則在一個(gè)多元回歸方程中描述了三種變量關(guān)系：

1. 因子之間的關(guān)系；

2. 觀察變量之間的關(guān)系；

3. 因子和不作為因子指標(biāo)的觀察變量之間的關(guān)系。

同樣，這些變量有不同的種類，所以要根據(jù)它們的類別來(lái)選擇合適的方程進(jìn)行分析：

1. 若因子為因變量，及可觀察的因變量是連續(xù)的，用線性回歸方程(linear regression equations)；

2. 若可觀察的因變量是刪失的，用刪失回歸或膨脹刪失回歸方程(censored normal or censored-inflated normal regression equations)；

3. 若可觀察的因變量是二進(jìn)制的或者是有序的類別變量，用profit或logistic回歸方程(probit or logistic regression equations)；

4. 若可觀察的因變量是無(wú)序的類別變量，用多元logistic回歸方程(multinomial logistic regression equations)；

5. 若可觀察的因變量是計(jì)數(shù)的，用Poisson或零膨脹Poisson回歸方程(Poisson or zero-inflated Poisson regression equations)。

在回歸中，有序的類別變量可通過建立比例優(yōu)勢(shì)(proportional odds)模型進(jìn)行說(shuō)明；最大似然估計(jì)和加權(quán)最小二乘估計(jì)(maximum likelihood and weighted least squares estimators)都是可用的。

以下特殊功能也可以通過SEM實(shí)現(xiàn)：

1. 單個(gè)或多組分析(Single or multiple group analysis)；

2. 缺失值(Missing data)；

3. 復(fù)雜的調(diào)查數(shù)據(jù)(Complex survey data)；

4. 使用最大似然估計(jì)分析潛變量的交互和非線性因子(Latent variable interactions and non-linear factor analysis using maximum likelihood)；

5. 隨機(jī)斜率(Random slopes)；

6. 限制線性和非線性參數(shù)(Linear and non-linear parameter constraints)；

7. 包括特定路徑的間接作用(Indirect effects including specific paths)；

8. 對(duì)所有輸出結(jié)果的類型進(jìn)行最大似然估計(jì)(Maximum likelihood estimation for all outcome types)；

9. bootstrap標(biāo)準(zhǔn)誤差和置信區(qū)間(Bootstrap standard errors and confidence intervals)；

10. 相等參數(shù)的Wald卡方檢驗(yàn)(Wald chi-square test of parameter equalities)。

以上功能也適用于CFA和MIMIC。