（四）纵向设计
横向设计对因果方向的确定主要取决于理论，而不是经验。即使在已经确定了因果方向的情况下，有的研究者也指出，横向设计所得出的总影响、直接影响和间接影响的估计值都含有一定的偏差。虽然纵向设计也不会自动为横向设计所存在的问题提供答案，但它却能为变量的相互影响机制提供更有力的经验证据。利用SEM建立纵向数据模型，其最普遍的看法已贯穿于自回归模型。自回归模型的实质是任何时间点的分数源自于以前时间点的分数。例如，纵向数据的SEM将含有时间1的每个概念到时间2相应概念的路径。对时间2任何概念的影响都可以看作是以时间1的概念为条件的。目前，与自回归模型取向不同的另外一种处理纵向数据的技术一层次模型（HLM）也成为SEM的一种特殊形式。自回归模型集中于理解两个时间点之间的变化，而技术一层次模型（HLM）则集中于理解诸如每一个个体在整个观察期间的变化或成长速率等参数。多水平模式目前已受到相当大的关注，因为它们为探索变化的新方法提供了理论优势和实践优势。
四、SEM的局限性与任何统计程序一样，SEM也存在一定的局限性。其具体表现为：①在SEM应用早期，由于其自身的相对复杂性和不完善性，使研究者未能准确把握其内涵，因而出现了误用，并把统计结果作为确定因果关系方向的证据，这显然是本末倒置的。又由于SEM对模型的接受没有统一标准，所以在有等价模型的情况下，研究者很难拒绝某些模型，这也给模型选择带来了困难。②影响SEM解释能力的主要问题是指定误差，但SEM目前还不能对指定误差加以检验。如果模型未能正确指定概念间的路径或者没有指定所有的关键概念，就可能会引起指定误差。当模型含有指定误差时，该模型可能与样本数据拟合很好，但此样本所在的总体可能拟合得并不好。
展开
