零基础到能复现 Nature 论文的 SEM 实操指南 用 R 的
lavaan包，从安装软件讲起，到独立做出 Xu et al. 2025 Nature Food 中的核心 SEM 分析。
如果你是下面任何一种情况，这本教程适合你：
- 学农学/生态/环境的研究生，看到论文里的"SEM 路径系数图"看不懂
- 用过 OLS 回归，但想分析"中介效应"、"潜变量"，不知道怎么下手
- 想复现一篇用 SEM 的论文，但 lavaan 报错看不懂、拟合指数不达标
- 完全没用过 R，零基础
- 看一眼论文的 SEM 路径图，知道每条线、每个系数代表什么
- 自己提出研究假设 → 写出 lavaan 模型代码 → 跑出结果
- 看懂 CFI、TLI、RMSEA、SRMR 等拟合指标，知道怎么改进模型
- 估中介效应（X → M → Y），用 bootstrap 算 95% CI
- 出符合 Nature 风格的路径图（semPlot 包）
- 独立复现 Xu et al. 2025 Nature Food 主图的 SEM 部分
sem-tutorial/
├── 00_为什么学SEM.md ← 从这里开始读
├── 01_理论基础.md
├── 02_R零基础入门.md ← 完全没用过 R 看这里
├── 03_SEM建模8步法.md ← 通用流程框架
├── 04_主案例_土壤健康Xu2025/ ← 最详细的案例 (9 章)
│ ├── 01_论文背景.md
│ ├── 02_为啥必须用SEM.md
│ ├── 03_数据获取与清洗.md
│ ├── 04_step1-3_假设_指标_探索.md
│ ├── 05_step4_测量模型详解.md
│ ├── 06_step5_结构模型详解.md
│ ├── 07_step6_中介效应.md
│ ├── 08_step7_拟合诊断.md
│ ├── 09_step8_出图解读.md
│ └── 10_完整代码可执行.md
├── 05_辅案例_草地N循环Zheng2026/ ← SEM 在多方法中的角色
│ ├── 01_论文背景.md
│ ├── 02_数据与建模.md
│ └── 03_完整代码.md
├── 06_进阶专题/
│ ├── 01_多组SEM.md
│ ├── 02_bootstrap中介.md
│ ├── 03_piecewiseSEM.md
│ └── 04_缺失数据处理.md
└── 07_常见错误与FAQ.md
- 第 1 天：00_为什么学SEM（理解动机）
- 第 2-3 天：02_R零基础入门（装好软件 + 跑通第一段代码）
- 第 4-5 天：01_理论基础（看路径图不再懵）
- 第 6-7 天：03_SEM建模8步法（建立流程感）
- 第 8-12 天：04_主案例 Xu（一天一章，跟着做）
- 第 13 天：05_辅案例 Zheng（巩固）
- 第 14 天：06_进阶 + 07_FAQ（按需查）
跳过 02，从 00 → 01 → 03 → 04 案例。
直接看 04_主案例（每章都自包含，需要的前置知识会指回相应章节）
- R ≥ 4.2（免费，统计语言）
- RStudio ≥ 2023.06（免费，R 的 IDE）
- R 包：
lavaan,semPlot,tidyverse,psych,mice
操作系统：Windows / Mac / Linux 都可以。
Xu et al. (2025). Soil health contributes to variations in crop production and nitrogen use efficiency. Nature Food.
这篇论文用 SEM 作为主分析方法，把"管理 → 土壤健康 → 产量/NUE"的因果路径拆解得很干净。是教学最好的范本。
Zheng et al. (2026). Integrated climate effects on nitrogen cycles in global grasslands. Science Advances.
这篇用 SEM 作为多方法体系的一环（FEP 回归 + SEM + 集成模型）。展示真实研究中 SEM 怎么和其他方法配合。
教程里每段 R 代码都满足 3 个标准：
- 能跑：粘进 RStudio 直接运行（前提：装好包、数据路径对）
- 逐行注释：每行干嘛、为什么这么写都解释了
- 可改：注释里说明"如果你的数据结构不一样，改这里就行"
发现错误、有疑问？开 Issue： https://github.com/JialiangSun1/sem-tutorial/issues