基于因子和组合的结构方程建模——在传统 SEM 框架中整合组合的新方法
统计方法学
2026-04-02 v2
摘要
结构方程建模（SEM）是研究构念的一种常用方法。传统上，这些构念被建模为反映性测量的潜变量——即解释其相关指标方差-协方差结构的共同因子。在过去的二十年里，人们对另一种构念建模方式——组合，即指标的线性组合——的兴趣日益增长。然而，现有的组合模型估计方法要么限制了研究者充分利用 SEM 的能力，例如处理缺失数据、评估整体模型拟合度和检验组间差异，要么通过引入额外变量显著增加了模型设定的复杂性。在此背景下，本文提出了一种在传统 SEM 框架中同时整合共同因子和组合的新方法。我们提出的模型设定及其模型隐含的方差-协方差矩阵，使研究者能够：（i）利用成熟的 SEM 估计量，包括最大似然和广义最小二乘估计量；（ii）在模型设定、评估和处理缺失数据方面，利用传统 SEM 框架的发展成果。这种分析包含共同因子和组合的结构方程模型的方法被称为基于因子和组合的 SEM（FC-SEM）。这一进展旨在增强 SEM 在分析构念时的灵活性和适用性。
引用
@article{arxiv.2508.06112,
title = {Factor- and Composite-Based Structural Equation Modeling -- A New Approach to Incorporate Composites in the Traditional SEM Framework},
author = {Tamara Schamberger and Florian Schuberth and Jörg Henseler and Yves Rosseel},
journal= {arXiv preprint arXiv:2508.06112},
year = {2026}
}