估计效果指标的潜变量的统计值算法-我学到的知识
测量模型有两种：一是古典的测量模型，二是同属性测量模型（结构方程模型默认的测量形势）<br /> 一、古典测量理论<br /> 观测指标直接加总也是可以的 它遵循古典测量模型的假设，即：<br /> X1=指标+误差1<br /> X2=指标+误差2<br /> X3=指标+ 误差3<br /> 古典测量模型假设每个指标测量的真实值是同等的<br /> 所以<br /> X=（X1+X2+ X3）+（误差1+误差2+误差3）/3<br /> <br /> 二、同属性测量模型<br /> 另一种测量模型就是同属性测量模型，即：<br /> X1=权重1*指标+误差1<br /> X2=权重2*指标+误差2<br /> X3=权重3*指标+ 误差3<br /> 古典测量模型只是同属性测量模型的一个特例，即：权重1=权重2=权重3，所以可以得出，同属性测量模型（结构方程中共同因子得分）更加合理，比指标直接加总更接近真实水平。<br /> 但是，不同的样本会影响到潜因子的因子负荷，这样来说同属性测量模型又不如古典测量模型稳定了，最后，这个学术界公认的答案就是：<strong>选取效果指标的平均值和所有效果指标的共同因子的得分在传统上（很多国外论文上）都是可以接受的方法<br /> </strong> 选取效果指标的平均值和所有效果指标的共同因子的得分在传统上（很多国外论文上）都是可以接受的方法 谢谢楼主，学到了不少知识页:
[1]