同事要求我在这个主题上提供一些帮助，我真的不知道。他们在一项研究中对一些潜在变量的作用做出了假设，一名裁判要求他们在 SEM 中将其正式化。由于他们需要的东西似乎并不难，我想我会试一试......现在，我只是在寻找一个很好的主题介绍！
谷歌在这方面并不是我真正的朋友。提前谢谢了...
PS：我阅读了 John Fox的 Structural Equation Modeling With the sem Package in R以及同一作者的这篇文章。我认为这足以满足我的目的，无论如何，欢迎任何其他参考。
我会去看 Múthen 和 Múthen 的一些论文，他们是Mplus软件的作者，尤其是
（可从此处获取 PDF：分类变量的加权最小二乘法。）
在 Mplus wiki 上可以看到更多内容，例如WLS 与 WLSMV 结果与序数数据；两位作者反应迅速，总是尽可能提供详细的答案和随附的参考资料。稳健加权最小二乘法与基于 ML 的分析多变量或多序列相关矩阵的方法的一些比较可以在以下位置找到：
雷，PW（2009）。评估结构方程建模中序数数据的估计方法。质量与数量，43, 495–507。
对于其他数学发展，你可以看看：
Jöreskog, KG (1994)关于多元相关性及其渐近协方差矩阵的估计。心理测量学，59（3），381-389。（另见SY Lee的论文。）
Sophia Rabe-Hesketh 和她的同事也有关于 SEM 的好论文。一些相关的参考资料包括：
其他好的资源可能在 John Uebersax 的优秀网站上列出，特别是Introduction to the Tetrachoric and Polychoric Correlation Coefficients。鉴于您也对应用工作感兴趣，我建议您看看OpenMx（另一个用于建模协方差结构的软件包）和lavaan（旨在提供类似于 EQS 或 Mplus 的输出），它们都可以在 R 下使用。
虽然此时仅与您的目标相切，但如果您继续使用潜在变量进行项目，我强烈建议您阅读Denny Boorsboom 的《测量心灵》。不要被标题所迷惑，它主要是一篇关于潜变量逻辑的详细文章，以及对经典测试理论的大批判。如果您在纵向框架中使用潜在变量，我会说有必要阅读。它只是关于潜在变量的逻辑，它与实际估计模型无关。
一定要把你的经验发回来，我已经在这里给出了一些参考资料，尽管我也想扩展我的图书馆。FWIW，Ken Bollen 的潜变量结构方程是我阅读清单上的下一个（尽管这只是基于我对他的学术工作的看法）。
除此之外，我想说我也喜欢 Bengt Muthén 的作品。MPlus 软件非常受欢迎，您可以在 Mplus 网站上查看所有可以完成的分析类型（链接到用户指南）。他还在加州大学洛杉矶分校发布了一系列关于潜变量统计分析课程的mp3 帖子。我没有全部听过，但我怀疑所有这些都是对那周讲座所涵盖的任何特定主题的全面介绍。
这是我参加的课程的推荐文本：PBKline，结构方程建模的原理和实践，吉尔福德出版社。这是一个介绍性的文本，而不是大量的数学。
对于更数学的贝叶斯处理，您可以尝试：SY。Lee，结构方程建模：贝叶斯方法，Wiley。
我目前正在研究 SEM，使用LISREL. 我们正在使用这两本书：
Schumaker 博士是我课程的讲师。第一本书非常擅长介绍 SEM，因为它带您完成了模型规范、识别等过程。虽然它基于LISREL软件，但我希望一般方法和结果解释将独立于软件。