一种检验结构方程模型的新策略

结构方程建模中最重要的问题之一是检验模型拟合优度。我们建议保留似然比检验，并结合随样本量增加而增加的决策标准。具体而言，基于Neyman–Pearson假设检验，我们主张平衡α错误和β错误的风险。这一策略带来了若干良好后果，并回应了针对模型评估中似然比检验提出的若干异议。首先，平衡错误风险避免了基于Fisher式假设检验在预测零假设（即模型拟合）时出现的逻辑问题。其次，两类统计决策错误均被控制。第三，鼓励较大样本（而非惩罚），因为随着样本量的增加，两类错误风险都会减少。最后，该策略回应了结构方程模型不一定能精准描述现实世界现象的担忧。