结构方程模型（Structural Equation Modeling，简称 SEM）是一种基于概率统计的多变量分析方法，可以用于探究变量间的因果关系。

SEM 可以同时估计测量模型和结构模型，从而可以考虑到测量误差和隐变量的影响。在 SEM 中，测量模型用来描述每个测量变量与其背后的潜在变量之间的关系，而结构模型用来描述潜在变量之间的因果关系。SEM 可以通过最大似然估计、贝叶斯估计等方法求解模型参数，从而得到模型的拟合度和参数估计结果。

总之，SEM是一种判断复杂变量之间的关系、贡献度、相关性的工具。（而不是一种回归模型）

小编以SEM为关键词检索，有很多所谓的“名师”课程，售价往往几千起步，成本非常高啊。

其实SEM本身并不是很复杂，小编总结了代码和原理，希望能运用到大家的实际研究中。

其中，lavaan用于SEM分析，semPlot用于可视化路径结果，tidyverse用于数据处理

示例1是一个lavaan包官方例子，https://www.cnblogs.com/squidGuang/p/9054301.html

首先加载数据