1. 潜在变量（Latent Variables）
定义：潜在变量是指无法直接观测到的变量，通常通过一组观测变量来间接衡量。例如，心理学中的“焦虑”或“自尊”是潜在变量，因为它们无法直接测量，而是通过问卷中的一组问题（观测变量）来反映。
举例：幸福感、社会支持、工作满意度等。
2. 观测变量（Observed Variables）
定义：观测变量是可以直接测量或观测到的数据，通常是通过调查问卷、实验或其他手段收集的。
举例：身高、体重、年龄、收入、测试分数等。
3. 路径（Path）
定义：路径是潜在变量与潜在变量或潜在变量与观测变量之间的关系，通常由箭头表示。在SEM模型中，路径可以是回归路径、协方差路径或因果路径。
举例：A → B 表示变量A对变量B的影响。
4. 因果关系（Causal Relationship）
定义：指的是变量之间的因果影响。在结构方程模型中，因果关系通常由路径表示，例如潜在变量A影响潜在变量B。
举例：工作压力可能会导致工作满意度下降。
5. 测量模型（Measurement Model）
定义：测量模型描述的是观测变量与潜在变量之间的关系，也就是如何通过观测变量来测量潜在变量。测量模型通常是结构方程模型中的一部分。
举例：潜在变量“心理健康”可能由观测变量“抑郁症状”和“焦虑症状”来测量。
6. 结构模型（Structural Model）
定义：结构模型描述的是潜在变量之间的因果关系，即潜在变量如何相互影响。结构模型关注的是变量之间的因果路径。
举例：研究人员可能会构建一个模型，探讨“社会支持”如何通过“自尊”影响“心理健康”。
7. 模型拟合（Model Fit）
定义：模型拟合是指模型与实际数据之间的匹配程度。良好的模型拟合意味着模型能够较好地解释数据的变异。
常见拟合指标：
CFI（Comparative Fit Index）: 用于衡量模型与基准模型的比较拟合。
RMSEA（Root Mean Square Error of Approximation）: 用于衡量模型拟合误差。
Chi-Square: 用于测试模型与数据是否显著不符。
8. 因子载荷（Factor Loading）
定义：因子载荷表示潜在变量与观测变量之间的关系程度。它表示每个观测变量对潜在变量的贡献或影响。
举例：如果“焦虑”是一个潜在变量，那么与其相关的观测变量如“焦虑情绪”的因子载荷值可能为0.85，表示它对焦虑潜在变量有较强的关系。
9. 误差项（Error Term）
定义：误差项表示观测变量中无法被模型解释的部分，也就是观测变量与潜在变量之间的偏差。误差项包括测量误差和模型残差。
举例：在测量“焦虑”时，问卷中的误差项可能包括受访者的随机应答或测量工具的缺陷。
10. 自变量（Exogenous Variable）
定义：自变量是模型中的外生变量，它们不受其他变量的影响，通常是模型中的独立变量。
举例：在一个研究工作满意度的模型中，工作压力可能是一个自变量。
11. 因变量（Endogenous Variable）
定义：因变量是模型中的内生变量，它们受到其他变量的影响，通常是依赖变量或结果变量。
举例：在工作满意度的模型中，员工的“心理健康”可能是一个因变量，因为它受到工作压力的影响。
12. 路径系数（Path Coefficients）
定义：路径系数表示潜在变量之间或潜在变量与观测变量之间的关系强度和方向。它通常是回归分析中的回归系数。
举例：路径系数0.75表示一个强的正向关系，路径系数-0.5表示负向关系。
13. 协方差（Covariance）
定义：协方差表示两个变量之间的联合变动程度。在SEM中，协方差通常用于描述变量之间的共同变异。
举例：如果两个潜在变量“社会支持”和“心理健康”之间的协方差为0.6，则意味着它们之间有一定的正相关。
14. 内生性（Endogeneity）
定义：内生性指的是模型中某些自变量与误差项之间存在相关性，这会导致估计结果不一致。
举例：如果模型中的工作压力与员工的心理健康之间存在内生性问题，那么模型的估计结果可能不准确。
15. 最大似然估计（Maximum Likelihood Estimation, MLE）
定义：最大似然估计是一种常用于结构方程模型中参数估计的方法，它通过寻找能够最大化观测数据出现概率的参数值来估计模型参数。
16. 标准化系数（Standardized Coefficients）
定义：标准化系数是指将路径系数转化为标准化值，使得所有变量的单位一致，以便于不同模型的比较。
举例：标准化系数通常在0到1之间，值越大表示变量间关系越强。
