SEM模型效果量是什么

SEM模型中的效果量（Effect Size）用于量化变量间关系的强度或模型中路径的实质性意义，超越统计显著性（p值）的二元判断。以下是其关键要点和扩展知识：

1. 标准化路径系数：

- 反映自变量对因变量的直接影响强度，范围通常在-1到1之间。例如，0.5表示自变量每增加1个标准差，因变量增加0.5个标准差。标准化系数便于跨研究比较。

2. R²（决定系数）：

- 衡量内生变量被模型解释的方差比例。R²=0.3意味着模型中30%的变异可由预测变量解释。多层R²可评估不同层次变量的解释力。

3. 间接效应量：

- 通过中介变量传递的效应，需报告具体比例（如总效应的40%）。可通过Bootstrap法计算置信区间验证其稳定性。

4. 标准化总效应：

- 直接效应与间接效应的总和，反映自变量的整体影响力。例如，教育水平通过收入中介对幸福感的间接效应可能占其总效应的60%。

5. 比较性指标（f²）：

- Cohen's f²评估某个预测变量的增量解释力，0.02、0.15、0.35分别对应小、中、大效应。适用于模型嵌套比较。

6. 测量模型效应量：

- 因子载荷>0.7表明潜变量对观测变量解释力强，组合信度（CR）>0.7、平均变异抽取量（AVE）>0.5说明测量模型效果良好。

7. 模型间效应量差异：

- 多组分析中，可通过约束模型与自由模型的卡方差异检验效应量跨组别的稳定性，ΔCFI>0.01表明效应存在显著差异。

8. 效应量的实际意义：

- 需结合领域基准判断，如心理学中0.2可能是小效应，但在医学干预中0.1的效应可能具有临床价值。效应量置信区间比点估计更能反映精度。

9. 与拟合指数的区别：

- CFI、RMSEA等反映整体模型契合度，而效果量聚焦具体路径，二者需结合使用。良好的拟合未必保证显著的效应量。

效应量报告应包含点估计、置信区间及解释标准，避免仅依赖统计显著性。在复杂模型中，需区分层级效应（如个体vs群体水平）并考虑跨文化一致性检验。