Stata #11 【翻译】结构方程、潜变量与路径分析

however this term ... borders on the pedantic. 然而这个术语......却近乎迂腐。

本文作者在回应人们关于究竟应该用何种软件进行结构方程建模的争论时提出，应该首先审视“结构方程”术语的定义和使用情景。

原文地址：Structural equations, latent variables and path analysis

最近在咨询单中有关于结构方程建模软件的提问。在经济学领域外的社会科学家中，“结构方程”这个词的含义太多，以致于该词实际上失去了意义。因此，当人们寻求结构方程建模软件时，有必要通过一种分类过程来找出他们实际上想做什么。

这里给出该术语的一些含义和Stata中可用内容的简要评论。

情景（1）：一系列回归方程，包含了直接观察到的变量（与潜变量相反），这些变量排列在一个由OLS估计的简单递归系统（松散的“单向因果关系”）中，有时又被称为“路径分析”（实际上，路径分析更为普遍，但我暂且不谈）。

如上所述，对于涉及连续结果变量的模型，Phil Ender的pathreg是指定这样一组方程的简单方法。大多数进行此类分析的人也希望（或至少他们应该）得到直接和间接影响的估计值以及相应的标准误，但是pathreg无法做这些，且据我所知，没有其他Stata包能做到（注：原文写于2005年，现在可以实现了）。在大多数潜变量包中都有这样的操作例程（见下文），但是对于递归模型，计算可以手工完成，尽管标准错误的计算可能会有点繁琐。

情境（2）：一种非递归性的方程组，通常涉及内生变量之间的同时性，需要工具变量或一些其他识别模型的方法。

在这种情况下，以及在情境1中，计量经济学文献中的术语“结构方程”用于与“简化形式”进行明显区分。从IVREG（注： ivreg是Stata 10版本中的一个语句，现已被 ivregress 语句代替）开始，有许多Stata例程来处理这种情况。findit instrumental variables是一个很好的开头。然而，许多使用术语“结构方程模型”的人并不是指这种区别。

情景（3）：具有潜变量的模型，包括验证性因子分析

不走运的是，在社会科学的某些领域，术语“结构方程”已经指代潜变量模型，可以通过诸如LISREL，MPLUS，EQS，AMOS和其他几个软件程序来处理，所有这些都可以很好地处理那些直接观察到的变量，且其中大部分软件能进行有效的因子分解。

潜变量模型可以是递归的或非递归的，因此有时会涉及简化的形式和结构方程。然而，重要的是要意识到，术语“结构方程”在计量经济学文献中具有非常明显的含义，与潜在变量无关。一个更正确的术语应是“SEMUV”或“ Structural Equation Models
with Unmeasured Variables(具有未测变量的结构方程模型)”，但是这个术语，如本贴所说，可能近乎迂腐。

在Stata中，GLLAMM可处理非常广泛的潜变量模型以及情景（1）和情景（2）中的连续或分类结果变量。但我不相信它能进行上面提到的那种效果分解，尽管这是一个相对较小的问题。这样做的一个例程对Stata工具包将是很好的补充。

在Skrondal和Rabe-Hesketh的著作《广义潜变量模型：多级、纵向和结构方程模型》中可以找到关于结构方程模型和潜变量模型之间关系的完整而严格的讨论。

Richard T. Campbell
University of Illinois at Chicago