Logit 和 Probit 模型系数比较的新方法
介绍了一种新的 SEM 框架下的伪中介模型方法
这篇讲了什么
- 适应 SEM 框架
- 避免测量误差偏见
- 解释模型系数差异
中文摘要
本文介绍了伪中介模型（PMM），这是一种在结构方程模型（SEM）框架下应用 Karlson 等人（2012）提出的 KHB 方法的新方法。PMM 与传统 KHB 方法相比，能够更灵活地处理缺失数据，并允许将预测变量作为潜在变量纳入模型，从而避免因测量误差引起的偏差。这种方法有助于解释同一样本中嵌套回归模型中系数的差异。
研究信息
- 期刊 / 来源
- PsyArXiv 预印本
- 发表日期
- 2026-11-10
- 文献库
- psyarxiv
英文原文摘要全文
Karlson et al. (2012) suggested an estimation strategy for logistic and probit regression models, the so-called KHB method, which allows differences between regression coefficients in same-sample nested regression models to be interpreted. We introduce the pseudo mediation model (PMM), which implements the KHB method in a structural equation modeling (SEM) framework. The PMM has several advantages over the “standard” KHB method: First, missing data can be handled under less restrictive assumptions. Second, predictors can be included as latent variables to avoid bias due to measurement error. F
中文摘要由自动翻译整理，可能丢掉原文的限定条件；涉及具体数字与结论时以英文原文为准。
这条研究涉及的词条
同一天收录的其它研究
内容用于快速浏览；学术引用与结论判断请以英文原文为准。