和朋友交流SEM技术处理中介效应检验的方法，自己也略懂一些，现在转帖到科学网中，留个纪念。

结构方程模型相对传统的统计技术有他自己的统计优势，尤其是带有潜变量的模型，但是如同大家说的那样，现在论文中出现了乱用的现象。我身边就有人数据硬套SEM，为什么呢？只为了paper啊！因为一些普通的期刊对SEM了解甚少，所以很难判断出文章的优良，让很多人萌生了投机的心理。关于中介效应和调节效应的SEM研究的确是一个热点话题，本人发过一篇SSCI，用的就是SEM作中介效应的，结果还不错。不过在自己专研SEM之中有积攒了很多体会，其实，如果是单维度变量的话最好用阶层回归，因为阶层回归既可以做中介效应分析，也可以做调节变量分析。但是如果是多维度的带有潜变量的构念的话，我想SEM的优势就出来了，比如说：满意度有两个维度、组织承诺有四个维度，分别去用回归去做，然后得出结果二者相关的话，就这样就有些牵强，犯了合成谬论的错误，并且，存在着复合维度的统计效力要大于分个维度之间的相关性的可能！所以，多维度的变量最好用SEM做中介作用分析，但是模型中不用添加太多的变量，这样会玷污统计效力，出现模型不能拟合的结局，因为一个模型很难将社会管理中的变量厘清，我们科研只需要在充分考虑了干扰变量后，清清澈澈的、一步一个脚印的高清两个变量之间的关系，然后逐渐增加中介变量和调节变量分析，科学研究进步是一群人、一群研究的共同积累和不断认清和修正的结果。但是，SEM做调节变量分析过于复杂，现在也是统计学研究领域正在研究和探讨的问题，所以大家还是不要轻易涉足，最好还是用阶层回顾构建乘积的方法比较恰当，结合调节变量作图，现阶段还是比较公认的方法。其实，统计分析无非就是一个核心“差异”，这也是科研的核心要素，没有差异就没有科学的存在！有差异就是不相关，所以“差异”和“相关”最具有代表性的两种统计方法了，医学中常用的就是“差异分析”，管理学中最常用的就是“相关分析”，所以医学中T检验、方差分析、卡方检验最为常用的统计方法，而管理学中相关性检验和多元统计回归最为常用。看过台湾学者对统计方法的应用的趋势，SEM已经不在是热度最好的方法了。不过，要想做一个真正的研究者，尤其是管理学科中，那么首先你必须先成为一个统计专家，这里说的统计专家不一定做做到可以拓展统计学方法的高度，起码，你对统计理解和应用应该符合一个统计硕士毕业生的要求！自己的统计知识挺匮乏的，不过还好，统计毕竟不是数据，统计里面没有公理、定理，大多是概率推算，掌握基本的统计方法、统计分析软件的应用，服务于自己的研究、拓展自己的研究，这就是我今后会一直学习和专研统计的动力！