<P><FONT size=7></P>
<DIV class=O v:shape="_x0000_s1026">
<DIV>SEM允许自变量和因变量均含有测量误差。在传统方法（如回归分析）中，虽然容许因变量含测量误差，但需要假设自变量是没有误差的，这样很可能由于未考虑测量误差之间的相关性，出现变量间“虚假相关”的现象，SEM可以通过测量模型剔除测量误差对模型或结果的影响。 </DIV>
<DIV></DIV></DIV></FONT>
<P><FONT size=7></FONT></P>
<DIV style="mso-char-wrap: 1; mso-kinsoku-overflow: 1" class=O v:shape="_x0000_s1026"><FONT size=7>结构方程模型——应用领域</FONT></DIV>
<DIV style="mso-char-wrap: 1; mso-kinsoku-overflow: 1" class=O v:shape="_x0000_s1026"><FONT size=7></FONT>
<DIV class=O v:shape="_x0000_s1026">
<DIV><FONT size=7>“在社会、心理、教育、经济、管理、市场等研究的数据分析中，当今称得上前沿的几种方法中，研究最多的恐怕非结构方程分析莫属。”</FONT></DIV>
<DIV><FONT size=7></FONT>
<DIV style="mso-char-wrap: 1; mso-kinsoku-overflow: 1; mso-line-spacing: '80 0 0'; mso-margin-left-alt: 216" class=O v:shape="_x0000_s1026"><FONT size=7>SEM有效整合了统计学的两大主流技术“因子（因素）分析（factor analysis）”与“路径分析（path analysis）”</FONT></DIV>
<DIV style="mso-char-wrap: 1; mso-kinsoku-overflow: 1; mso-line-spacing: '80 0 0'; mso-margin-left-alt: 216" class=O v:shape="_x0000_s1026"><A href="http://baoming.pinggu.org/Default.aspx?id=153">
<DIV style="mso-char-wrap: 1; mso-kinsoku-overflow: 1; mso-line-spacing: '80 0 0'; mso-margin-left-alt: 216" class=O v:shape="_x0000_s1026"><IMG border=0 src="https://pic.bbs.jg.com.cn/album/201303/06/164228f74i7twd74tatz4o.png" width=300 height=250>&nbsp;</DIV></A>
<DIV><FONT size=7></FONT></DIV></DIV></DIV></DIV></DIV>