對線性回歸和結構方程模型進行簡單的刨析比較，拋開統計學方面的理論，盡量說得通俗易懂些。線性回歸(regression)與結構方程模型(structural equation modeling)是用來驗證變數間的因果關係時，最經常使用的方法。
本文比較下兩者的區別，拋開具體統計學方面的理論，盡量說得通俗易懂些。
共同點
先說共同點。
兩種分析方法解決的問題是沒有本質區別的，因此同學們完全可以根據自己的需要選擇。
建議的選擇標準，參考學科內近期前輩的畢業**。你是碩士就參考碩士的，是博士就參考博士。
如果沒有可以參考的前輩，那就在自己看過的**中，選取一篇和自己的想法類似的**。
在自己選定了方法後，務必和指導教授商量後，再最終決定。
不同點
再說不同點。
使用的分析軟體不同。
線性回歸多用spss來做，結構方程式模型則使用amos居多。
標本要求不同。
使用線性回歸分析時，標本數不需要特別高，碩士**的情況，一般100-200名就可以了。而結構方程式模型則需要大量樣本，才會得到良好的分析結果，碩士一般要300，博士一般要500以上。
線性回歸一次只能使用乙個因變數，而結構方程式模型則可以同時分析多個因變數。
因此，結構方程式模型可以簡單理解成多個線性回歸的集合。
因此，總的來說結構方程式模型分析難度稍高，分析過程也更為複雜些。
分開來看
具體的對兩種分析方法進行說明下。
線性回歸分析：
結構方程模型分析：
線性回歸模型 線性回歸模型
回歸的思想和分類有所不一樣，分類輸出的結果為離散的值，回歸輸出的是乙個連續型的值。線性回歸的思想就是試圖找到乙個多元的線性函式 當輸入一組特徵 也就是變數x 的時候，模型輸出乙個 值y h x 我們要求這個 值盡可能的準確，那麼怎麼樣才能做到盡可能準確呢？其中 表示實際值，表示 值 其中 表示實際值...
線性回歸模型
基本結構 y w t x by w t cdot x b y wt x b資料集 通常收集一系列的真實資料，如果多棟房屋的真實 和他們對應的面積和房齡。我們希望在資料集上尋找模型引數來使得 和真實 誤差最小。該資料集被稱為訓練資料集，每個房屋被稱為乙個樣本，真實的售出 叫做標籤，用來 標籤的因素叫做...
01 線性模型 線性回歸與邏輯回歸
線性模型 試圖學得乙個屬性的線性組合來進行 的函式 f x w 1x 1 w 2x 2 w dx d b 向量模式 f x w tx b 簡單 基本 可解釋性好 可看出每部分屬性所做的貢獻 可用於分類和回歸 多個特徵 h x sum theta ix i theta tx 損失函式mse j the...