SEM是现代生态学研究非常时髦的分析方式。但很多人可能无法理解一个现象，为什么选取的通径系数是标准化后的系数，其绝对值怎么能够超过1？其实，当解释变量如果存在强共线性的时候，这种情况是可能会出现的。因为，SEM里面的通径系数就是多元线性回归系数。这个问题也就等同于多元线性回归标准化的系数（beta系数）绝对值是否能超过1？要回答这个问题，我们来看一下多元线性回归的系数计算过程就能明白。

     多元线性回归中某个解释变量(xi)的回归系数算法：以xi为响应变量，以其他解释变量作为解释变量进行线性回归分析，得到残差再做为新的解释变量跟响应变量(y)进行一元线性回归后得到slope就是xi的在多元回归中的回归系数。在R里面的表达式：

               re=resid(lm(xi~其他的解释变量))

               lm(y~re)

    【如果不信的话可以自己在R里面试一下】

      而一元回归（也就是后面这步lm(y~re)）的回归系数可以通过"解释变量与响应变量的相关系数x响应变量标准差/解释变量的标准差"(即：cor(y,re)*sd(y)/sd(re)）。此时，cor(y,re)肯定是处于-1到1之间，而sd(y)为1（因为我们计算标准化的系数，y和原始的解释变量必须提前标准化），那么这时sd(re)可以小于1（因为没有对re进行标准化），因此“ cor(y,re)*sd(y)/sd(re)”的取值范围就可能超出[-1，1]范围，且sd(re)越小，回归系数超出范围的概率就越大，什么时候re小呢? 也就是目标解释变量(xi)与其他解释变量共线性很强的时候，第一步回归（lm(xi~其他的解释变量))的R2很高，re就可能很小，导致sd(y)/sd(re)很大，这个值乘于cor(y,re)还是可能超过1的。所有这样分析，就能理解为什么通径系数，也就是标准化的多元线性回归系数的取值可以超过-1，1]范围。总之一句话，标准化的回归系数的绝对值超过1是由于强共线性引起的，是一种常见的现象。