一个老生常谈的问题：虚拟变量与分类变量能否在一个SEM中并存？
论坛上有不少童鞋和我有着同样的问题，那就是关于SEM变量标准化的问题，版主曾在一个贴子下很模糊地说参考Fisher 1946文章, 可是文章不给个标题,非牛人的我就无从参考,遂又将版上其他童鞋已经提过的问题又再次提问,希望有经验的研究者能给我们一些答案或建议：<br /> <br /> 我的调查问卷的答案设计，有三种方式：1）“有”，“没有”型，以1或0定量<br /> 2）程度型，以1，2，3，4分别定量”完全不同意“，”不好说“，”同意“，”完全赞同“<br /> 3）让受访者直接填数字，比如，考试分数。<br /> <br /> 为了使用SEM，我将第3个”考试分数“分类一下，使其成为分类变量，1：90以上，2：80-90，3：70-80， 4：60-70，5：不及格<br /> <br /> 即使这样，我还有一个担心就是变量的标准化，我需不需要按照0-1变量的标准来定义我的分类变量，即：<br /> 1）“有”，“没有”型，以1或0定量<br /> 2）1，2，3，4程度型变量以0.25， 0.5 0.75 1 (控制在0-1之间）<br /> 3）由高考分数转化的分类变量改为：0.2， 0.4， 0.6， 0.8，1（也和2）一样，控制在0-1之间<br /> <br /> 这样就可以保证所有的观测变量都在同一个区间0-1之间。需要这样处理吗？还是说0-1虚拟变量可以和1-4或1-5分类变量同时使用在SEM中？ 本来是想回复前面那个悬赏贴的，但是一则怕有人说我财迷，二则那贴的主题太分散，我想还是一次回答一个问题比较好，<br /> 谈一些我个人的观点，不知道对错，别问我要文献依据，自己去网上找。<br /> <br /> 1. 楼主的这个问题的实质，是 “等级变量和非正态变量”如何分析的问题，0-1变量，只是等级变量的特例<br /> <br /> 2、在一般的分析中，我们是假设将等级变量（李科特变量就是典型的等级变量）作为连续变量在处理。事实上这样做的统计结果是有偏的。<br /> <br /> 3、如果你用的是原始数据进行分析，那么你应当知道，在生成 psf 后，需要有一个将等级变量设置为连续变量的过程。<br /> <br /> 4、有文献分析认为，对于7点尺度以上的等级变量，与连续变量的统计分析结果差别不大。我一直想验证这一结论，但是我没有时间。<br /> <br /> 5、如果你不想将等级变量连续化，或者你不能将等级变量连续化（如0-1二分变量），那么，你可以按以下步骤来处理，虽然这是SEM方法分析等级数据或高度非正态分布数据时的不得已的方法，但是聊胜于无。<br /> <br /> ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝这是传说中的分隔线＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝<br /> <br /> 当观测变量是数值型变量，但是却高度非正态时，用lisrel的默认方法来进行分析，通过计算协方差矩阵或者积差相关矩阵，并且用ML或者GLS方法来拟合，是错误的，因为这会严重歪曲参数估计的值，得到错误的卡方值和标准误。（有文献认为是低估）<br /> <br /> 较好的方法，是采用等级样本协方差矩阵，用WLS方法进行估计，并采用正确的加权矩阵。同时，样本容量要求尽可能的大，否则有害无益。<br /> <br /> 仅供参考。 <ul class="s_clear"> <strong> 1# <i>yellowriver</i> </strong> <br /> <br /> 补充一下： 你对数据进行标准化之前，需要先了解一下标准化的意义和作用。<br /> 对于正态分布（包括很大程度上偏离正态分布的伪正态分布）的数据来说，是否对数据进行标准化，对结果影响不大。<br /> 另外：你将连续变量转为 等级变量，实际上损失了很多信息，属于 倒行逆施。 <ul class="s_clear"> 知道了，谢谢 学习了，谢谢 在lisrel 及mplus中不管是連續或類別變項並存皆可<br /> 透過求得特殊矩陣來進行分析 我果真是菜鸟级的。。。 先对变量做逻辑回归,然后再估计结构方程系数的时候不要选ML,用WLS,加权最小二乘~~&nbsp; 如果类别多的话,可以把它当数值处理,去平均水平就行了~~我可不是瞎说阿,美国人在考虑收入分组的时候就是这么干的<br /> 转载：本文来自: 人大经济论坛 详细出处参考：http://bbs.pinggu.org/viewth ... 1&from^^uid=98225 可是我想问一下 如何做逻辑回归 或者说分组回归，哪位大牛能提供以下参考资料？ 3个月来最经典的回复了页:
[1]