按：这篇文章，我深有同感。我QQ上有记录的咨询者接近200位，但是大部分都是初级问题。因此我也有谢老师一样的困惑。
转载在这里，大家参考。当然，问题还是尽管问，我仍然接受大家的咨询，如果我有时间的话。
关于结构方程模型（SEM），本人决定不再接受咨询，请各位勿发邮件询问相关事宜，特此告知。我于05年底在杜老的多元统计分析课上接触到SEM，因为课上对原理讲得并不清楚（确切地说颇有误导性），加上后来查阅了国内这方面的论文，发现几乎没有一篇论文提到SEM的原理，但与此同时，却有诸多作者撰文大肆吹捧SEM，甚至将其供奉为“各种统计模型之母”（李伟明，1998），SEM在各行各业应用的论文也是铺天盖地：心理学、管理学、商学、经济学等等。带着诸多疑惑，我将SEM作为了本科毕业论文的选题，那段时间里才算弄清楚了协方差建模技术以及SEM目标函数的来龙去脉，同时也逐渐丧失了对SEM的兴趣，因为我个人难以认同这种统计建模技术（参见此文），也对其应用价值高度怀疑。
这两年来我收到过很多询问SEM问题的邮件，现在实在是已经回答累了，主要原因是很多提问者根本没有弄清楚SEM的基本原理。不管是主观原因不想弄清楚，还是客观原因无法弄清楚，我都觉得这种事情颇为荒唐。并非我要求统计应用者对统计技术掌握得多么精通，但如果最基础的知识都不具备，如何敢跑模型，如何敢作解释？
那么话说回来，什么是基础呢？
- 结构模型和测量模型分别长什么模样；
- 知道一点矩阵知识，可以把自己画的超复杂的圈圈框框线条用矩阵表达出来（我戏称这种图形为“意大利面条图”），矩阵中包含各种已知参数（一个协方差矩阵）和未知参数（八大矩阵），能分辨哪些已知哪些未知，相应地，知道自由度该怎样数；
- 知道各种目标函数对应的模型假设是什么，以及假设是否可以被验证；
- 知道拟合指标的大致公式是什么模样以及指标有什么直观意义；
- 非常清楚统计假设检验的原理（通常情况下只可能有把握拒绝零假设，而接受零假设犯错误的概率常常是不知道的，即：P值大的时候也许存在若干个“真相”都不能被拒绝）。
我经常被问到的问题有：请帮忙看看模型可不可以这样画、模型为什么解不出来或不可识别、模型拟合指标有些很好有些很差该怎么办、模型拟合很好是不是就可以下结论说事实就是我设想的这样、模型的系数该怎样解释等等。如果各位还有类似的问题，请务必反思以上五点基础。我相信90%的人不会再提问，而对于剩下10%的人，你们的问题超出了我的知识范围，恕我没有能力回答，抱歉。 |
