请教关于SEM中数据正态化的问题

请教各位大牛：做SEM用极大似然法进行数据拟合，所收集的其中一个潜变量的测度项数据没有通过正态性检验，如果进行数据正态化处理，不知道拟合结果是否可信。如果可信，想请教使用LISREL进行Nscores的操作细节。。。因为是初学者，让各位见笑了。。。。

或者结果其实已经不太可信了，是否应该放弃极大似然法，改为加权最小二乘法呢？如果需要更改，想请问权重如何确定，和具体的操作方法。。



搜索了论坛帖子，发现也曾有好些人问过，不过一直都没有得到详细的解答。。算是帮各位初学者都一并问一次了，先行在此感谢了！

1# 封弦 什么叫正态化？标准化吗？

2# jiu9

正态化是使非正态性，即峰度或偏度显著偏离了正态性指标值，的数据转化为正态分布，应该和标准化不一样吧

一般都会符合正态化，用ML是可以的
一旦这个条件不满足就不太好弄了
如果使用WGLS对样本量要求极高，至少1000，而且未必会有所改善

1# 封弦

什么叫没有通过正态性检验？
SEM对正态性的要求并不太高，而且就算是处理成正态数据，数据拟合结果也不一定改善很多，甚至更差。

5# 辛勤工作

没通过是因为利用LISREL进行normal test后发现其中有两个指标的偏度和峰度出现了问题，即P值显著。
其实这个是一个事后的检验（本该在进行数据拟合前就检查的），但是最终的拟合结果的指标是全部通过要求了的。
然而使用SEM还有ML算法的前提都是要求数据符合多元正态分布，这就让我很两难，万不得已其实并不想使用正态变换，换算法样本量又远远不够。

4# 金银妖瞳

我就是出现不满足的情况了。。。而且样本远不够那么多啊

就说mplus可以用来处理非正态分布的数据

lisrel 中
robust ML
mplus 中
MLR
或
Amos中
bootstrap
bayesian
等估計方法都可用來處理上述問題

8# napapijri