返回
A Multimethod SEM Framework for Analyzing Models with Latent Variables
DOI:10.1080/08911762.2026.2638909.png)
摘要
En 中文
结构方程模型(SEM)被广泛用于估计潜变量及其指标变量之间的关系。尽管存在不同方法,但研究人员往往依赖单一估计传统——基于因子或基于复合的方法——尽管它们具有不同的假设、优势和局限性。这种做法限制了结构模型的严格评估,特别是对于需要同时进行解释性和预测性评估的理论。本文介绍了一个多方法SEM框架,该框架将基于因子和基于复合的估计器应用于同一模型,以评估在不同概念和统计假设下结构路径的稳健性。我们概述了实施多方法估计以及评估结果收敛与发散的工作流程。这一多方法SEM框架将关注点从方法忠诚度转向模型的实证表现,从而提升理论推断、预测评估以及基于SEM结论的整体可信度。
Keyword:
Composite-based SEM
explanatory power
factor-based SEM
multimethod SEM
predictive power
structural equation modeling (SEM)
期刊
IF:
4.3
论文数:
403
被引数:
980
机构
引用论文
Same model, same data, but different outcomes: Evaluating the impact of method choices in structural equation modeling相同的模型,相同的数据,但不同的结果: 评估结构方程建模中方法选择的影响
Many Analysts, One Data Set: Making Transparent How Variations in Analytic Choices Affect Results许多分析师,一个数据集: 透明分析选择的变化如何影响结果
Latent class analysis in PLS-SEM: A review and recommendations for future applicationsPls-sem中的潜在类别分析: 回顾和对未来应用的建议

