4.3. Estimation approachTo examine

4.3. Estimation approachTo examine the latent variables within their causal structure, we applied structural equation modeling (SEM) using EQS 6.1 software (Bentler 1995) and the Maximum Likelihood (ML) procedure.We chose an SEM approach as it is a powerful generalization of earlier statistical approaches with the key benefit being that each explanatory and dependent variable is associated with measurement error in contrast to OLS regression, for example, that is based on the assumption that variables are measured perfectly (Bollen 1989). In addition, SEM allows for multiple indicators of latentvariables which are a more realistic representation of the variables under study.

結果 (繁體中文) 1:

4.3。估計方法
要審視自己的因果結構中的潛在變量，我們應用使用EQS 6.1軟件結構方程模型（SEM）（1995特勒）和最大似然（ML）的過程。
我們選擇的SEM方法，因為它是與關鍵的好處在於每一個解釋和因變量與在對比OLS回歸測量誤差，例如，是基於變量測量的假設相關聯的早先的統計方法的有力概括完美（博倫1989）。此外，SEM允許潛在的多個指標
變量，正在研究中的變量更真實的表現。

結果 (繁體中文) 2:

4.3. 估計方法
為了檢查其因果結構中的潛在變數，我們使用EQS 6.1軟體（Bentler 1995）和最大可能性（ML）過程應用了結構方程建模（SEM）。
我們選擇了 SEM 方法，因為它是對早期統計方法的有力概括，其主要好處是每個解釋變數和因變數都與測量誤差相關聯，而 OLS 回歸則基於假設變數測量完美（博倫1989年）。此外，SEM 允許多個潛在指標
變數，這是所研究變數的更真實表示。

結果 (繁體中文) 3:

4.3條。估計方法
為了檢驗其因果結構中的潜在變數，我們採用結構方程模型（SEM），使用EQS 6.1軟件（Bentler 1995）和最大似然（ML）程式。
我們選擇了一種掃描電鏡方法，因為它是早期統計方法的有力概括，其主要好處是每個解釋變數和因變數都與測量誤差相關，而與OLS回歸相比，OLS回歸是基於變數被完美量測的假設（Bollen 1989）。此外，掃描電鏡允許多種潜在的名額
這些變數更真實地反映了研究中的變數。