路徑分析和結(jié)構(gòu)方程模型

1、路徑分析和結(jié)構(gòu)方程模型結(jié)構(gòu)方程模型(StructuralEquationModeling,SEM)結(jié)構(gòu)方程模型是社會科學(xué)研究中的一個非常好的方法。該方法在20世紀(jì)80年代就已經(jīng)成熟，可惜國內(nèi)了解的人并不多。在社會科學(xué)以及經(jīng)濟(jì)、市場、管理等研究領(lǐng)域，有時需處理多個原因、多個結(jié)果的關(guān)系，或者會碰到不可直接觀測的變量(即潛變量)，這些都是傳統(tǒng)的統(tǒng)計方法不能很好解決的問題。20世紀(jì)80年代以來，結(jié)構(gòu)方程模型迅速發(fā)展，彌補(bǔ)了傳統(tǒng)統(tǒng)計方法的不足，成為多元數(shù)據(jù)分析的重要工具。三種分析方法對比線性相關(guān)分析：線性相關(guān)分析指出兩個隨機(jī)變量之間的統(tǒng)計聯(lián)系。兩個變量地位平等，沒有因變量和自變量之分。因此相關(guān)系數(shù)不能反

2、映單指標(biāo)與總體之間的因果關(guān)系。線性回歸分析：線性回歸是比線性相關(guān)更復(fù)雜的方法，它在模型中定義了因變量和自變量。但它只能提供變量間的直接效應(yīng)而不能顯示可能存在的間接效應(yīng)。而且會因為共線性的原因，導(dǎo)致出現(xiàn)單項指標(biāo)與總體出現(xiàn)負(fù)相關(guān)等無法解釋的數(shù)據(jù)分析結(jié)果。結(jié)構(gòu)方程模型分析：結(jié)構(gòu)方程模型是一種建立、估計和檢驗因果關(guān)系模型的方法。模型中既包含有可觀測的顯在變量，也可能包含無法直接觀測的潛在變量。結(jié)構(gòu)方程模型可以替代多重回歸、通徑分析、因子分析、協(xié)方差分析等方法，清晰分析單項指標(biāo)對總體的作用和單項指標(biāo)間的相互關(guān)系。簡單而言，與傳統(tǒng)的回歸分析不同，結(jié)構(gòu)方程分析能同時處理多個因變量，并可比較及評價不同的理論模

3、型。與傳統(tǒng)的探索性因子分析不同，在結(jié)構(gòu)方程模型中，我們可以提出一個特定的因子結(jié)構(gòu)，并檢驗它是否吻合數(shù)據(jù)。通過結(jié)構(gòu)方程多組分析，我們可以了解不同組別內(nèi)各變量的關(guān)系是否保持不變，各因子的均值是否有顯著差異。目前，已經(jīng)有多種軟件可以處理SEM，包括：LISREL，AMOS,EQS,Mplus.結(jié)構(gòu)方程模型假設(shè)條件合理的樣本量(James Stevens的Applied Multivariate Statistics for the Social Sciences一書中說平均一個自變量大約需要15個case；Bentler and Chou(1987)說平均一個估計參數(shù)需要5個case就差不多了，但前

4、提是數(shù)據(jù)質(zhì)量非常好；這兩種說法基本上是等價的；而Loehlin(1992)在進(jìn)行蒙特卡羅模擬之后發(fā)現(xiàn)對于包含24個因子的模型，至少需要100個case，當(dāng)然200更好；小樣本量容易導(dǎo)致模型計算時收斂的失敗進(jìn)而影響到參數(shù)估計；特別要注意的是當(dāng)數(shù)據(jù)質(zhì)量不好比如不服從正態(tài)分布或者受到污染時，更需要大的樣本量)連續(xù)的正態(tài)內(nèi)生變量(注意一種表面不連續(xù)的特例：underlying continuous；對于內(nèi)生變量的分布，理想情況是聯(lián)合多元正態(tài)分布即JMVN)模型識別(識別方程)(比較有多少可用的輸入和有多少需估計的參數(shù)；模型不可識別會帶來參數(shù)估計的失敗，我就吃過這個虧)完整的數(shù)據(jù)或者對不完整數(shù)據(jù)的適當(dāng)處

5、理(對于缺失值的處理，一般的統(tǒng)計軟件給出的刪除方式選項是pairwise和listwise，然而這又是一對普遍矛盾：pairwise式的刪除雖然估計到盡量減少數(shù)據(jù)的損失，但會導(dǎo)致協(xié)方差陣或者相關(guān)系數(shù)陣的階數(shù)n參差不齊從而為模型擬合帶來巨大困難，甚至導(dǎo)致無法得出參數(shù)估計；listwise不會有pairwise的問題，因為凡是遇到case中有缺失值那么該case直接被全部刪除，但是又帶來了數(shù)據(jù)信息量利用不足的問題-全殺了吧，難免有冤枉的；不殺吧，又難免影響整體局勢)模型的說明和因果關(guān)系的理論基礎(chǔ)(實際上就是假設(shè)檢驗的邏輯-你只能說你的模型不能拒絕，而不能下定論說你的模型可以被接受)編輯本段圖書信息

6、書名：結(jié)構(gòu)方程模型作者：吳明隆出版社：重慶大學(xué)出版社出版時間：2009-7-1 ISBN：9787562449478開本：16開定價：59.80元書名：結(jié)構(gòu)方程模型及其應(yīng)用作者：侯杰泰、溫忠麟、成子娟出版社：教育科學(xué)出版社出版時間：2004-7-1 ISBN：7-5041-2816-3定價：39(含光盤)編輯本段內(nèi)容簡介本書詳細(xì)詳解和演示結(jié)構(gòu)方程模型多種分析方法和操作步驟，是一本理想的AMOS與結(jié)構(gòu)方程模型應(yīng)用方面的指導(dǎo)讀物。本書前半部介紹結(jié)構(gòu)方程模型(SEM)的概念與Amos Graphics窗口界面的基本操作；后半部以各種實例介紹Amos Graphics在各種SEM模型中的應(yīng)用。全書采用

7、AMOS圖像界面，完全沒有復(fù)雜的SEM理論推導(dǎo)和語法，最大的特點(diǎn)就是對利用AMOS進(jìn)行結(jié)構(gòu)方程模型各種分析的每一個步驟都有詳細(xì)的講解和圖示。這是一本使用者界面取向的書籍，即使是不懂傳統(tǒng)SEM語法使用者，也能在最短時間內(nèi)學(xué)會用AMOS繪制各種SEM模型圖，并將模型估計、模型識別判斷、模型修正與模型驗證，實際應(yīng)用于自己的研究領(lǐng)域中。本書的讀者對象是結(jié)構(gòu)方程模型分析方法的學(xué)習(xí)者和使用者，適合社會科學(xué)各學(xué)科高年級本科生、碩博士研究生自學(xué)，也適合教師教學(xué)輔助參考。編輯本段圖書目錄第一章結(jié)構(gòu)方程模型的基本概念第一節(jié)結(jié)構(gòu)方程模型的特性第二節(jié)測量模型第三節(jié)結(jié)構(gòu)模型第四節(jié)結(jié)構(gòu)方程模型圖中的符號與意義第五節(jié)參數(shù)估

8、計方法第六節(jié)模型的概念化第七節(jié)模型的修正第八節(jié)模型的復(fù)核效化第二章模型適配度統(tǒng)計量的介紹第一節(jié)模型適配度檢核指標(biāo)一、模型基本適配指標(biāo)二、整體模型適配度指標(biāo)(模型外在質(zhì)量的評估)三、模型內(nèi)在結(jié)構(gòu)適配度的評估(模型內(nèi)在質(zhì)量的檢驗)四、模型統(tǒng)計檢驗力的評估第二節(jié)模型識別的范例一、正好識別模型二、過度識別模型三、低度識別模型第三章Amos Graphics界面介紹第一節(jié)Amos Graphics窗口的介紹一、開啟【Amos Graphic】應(yīng)用軟件二、工具箱窗口的圖像鈕操作介紹第二節(jié)圖像鈕綜合應(yīng)用一、繪制第一個測量模型二、繪制第二個測量模型三、繪制第三個測量模型第四章Amos執(zhí)行步驟與程序第一節(jié)路徑分

9、析的程序與執(zhí)行一、建立路徑模型圖二、開啟數(shù)據(jù)文件三、設(shè)定觀察變量四、設(shè)定誤差變量的變量名稱五、設(shè)定文字報表要呈現(xiàn)的統(tǒng)計量六、將路徑模型圖存盤與計算估計值七、瀏覽模型的結(jié)果第二節(jié)路徑因果模型圖的設(shè)定一、外因變量間沒有相關(guān)的設(shè)定二、內(nèi)因變量沒有界定殘差項第三節(jié)飽和模型與獨(dú)立模型一、飽和模型二、獨(dú)立模型第四節(jié)結(jié)構(gòu)方程模型圖一、結(jié)構(gòu)方程模型圖的繪制步驟二、執(zhí)行結(jié)果的標(biāo)準(zhǔn)化參數(shù)估計值路徑圖三、模型的平行檢驗第五節(jié)結(jié)構(gòu)模型與修正指標(biāo)一、模型A：初始模型二、模型B：修正模型1三、模型c：修正模型2四、模型D：修正模型3第六節(jié)單一文件多重模型的設(shè)定第五章參數(shù)標(biāo)簽與測量模型第一節(jié)參數(shù)標(biāo)簽的設(shè)定與特定樣本的分析一

10、、更改特定群體名稱與模型名稱二、開啟數(shù)據(jù)文件選人指標(biāo)變量三、設(shè)定分析屬性與計算估計值四、增列模型變量或?qū)ο蟮膮?shù)標(biāo)簽名稱五、增列參數(shù)標(biāo)簽名稱的模型估計結(jié)果六、全體群體假設(shè)模型的修正第二節(jié)特定群體的分析一、分析男生群體二、分析女生群體第三節(jié)測量模型參數(shù)值的界定一、測量模型假設(shè)模型二、限制不同測量指標(biāo)的路徑參數(shù)A三、低度辨識的模型四、增列參數(shù)限制條件五、誤差變量的界定六、測量模型的修正七、測量模型參數(shù)標(biāo)簽名稱的設(shè)定第四節(jié)測量模型的平行測驗檢驗第五節(jié)多因子測量模型潛在變量的界定一、初始模型二、修正模型三、斜交關(guān)系的測量模型四、界定測量模型潛在變量間沒有相關(guān)五、完全獨(dú)立潛在變量參數(shù)修正六、單向度測量模

11、型與多向度測量模型第六章驗證性因素分析第一節(jié)一階驗證性因素分析-多因素斜交模型一、假設(shè)模型二、輸出結(jié)果第二節(jié)一階驗證性因素分析-多因素直交模型一、假設(shè)模型二、模型適配度摘要表第三節(jié)二階驗證性因素分析第四節(jié)一階CFA模型多模型的比較第五節(jié)一階CFA模型測量不變性檢驗一、描繪一階CFA假設(shè)模型圖二、單一群組多個模型的設(shè)定三、模型估計結(jié)果第七章路徑分析第一節(jié)路徑分析的模型與效果第二節(jié)路徑分析模型-遞歸模型一、研究問題二、采用傳統(tǒng)復(fù)回歸求各路徑系數(shù)三、Amos Graphics的應(yīng)用四、模型圖執(zhí)行結(jié)果l五、文字報表輸出結(jié)果第三節(jié)飽和模型的路徑分析一、飽和模型假設(shè)模型圖二、參數(shù)估計的模型圖三、參數(shù)估計及

12、適配度結(jié)果第四節(jié)非遞歸模型的路徑分析一一、假設(shè)模型圖二、參數(shù)估計的模型圖三、參數(shù)估計值四、模型適配度摘要表第五節(jié)非遞歸模型的路徑分析二一、設(shè)定回歸系數(shù)的變量名稱二、設(shè)定回歸系數(shù)值W5=W6三、參數(shù)估計的模型圖四、參數(shù)估計值五、設(shè)定兩個內(nèi)因變量測量誤差的方差相等第六節(jié)模型界定搜尋一、飽和模型圖二、執(zhí)行模型界定搜尋第八章潛在變量的路徑分析第一節(jié)潛在變量路徑分析的相關(guān)議題一、原始數(shù)據(jù)文件變量排列二、快速復(fù)制對象及參數(shù)格式三、增列簡要圖像標(biāo)題四、增列參數(shù)標(biāo)簽名稱五、估計值模型圖參數(shù)移動六、模型適配度的評估七、模型的修正八、PA-LV模型修正第二節(jié)數(shù)學(xué)效能PA-LV理論模型的檢驗一、研究問題二、AITl

13、08 Graphics窗口中的模型圖三、計算估計的模型圖四、參數(shù)估計相關(guān)報表第三節(jié)模型的修正一、參數(shù)格式的模型圖二、參數(shù)估計相關(guān)統(tǒng)計量第四節(jié)混合模型的路徑分析一、路徑分析假設(shè)模型圖二、增列模型圖像標(biāo)題三、路徑分析模型估計結(jié)果四、采用潛在變量路徑分析模型五、混合路徑分析模型范例二六、混合路徑分析模型范例三七、混合路徑分析模型-非遞歸模型第九章多群組分析第一節(jié)多群組分析的基本理念一、繪制男生群體路徑分析模型圖二、開啟數(shù)據(jù)文件及選擇目標(biāo)群組變量三、開啟數(shù)據(jù)文件界定觀察變量四、設(shè)定參數(shù)標(biāo)簽名稱五、設(shè)定群組名稱六、輸出結(jié)果七、女生群體的分析模型圖八、多群組分析第二節(jié)多群組路徑分析一、繪制理論模型圖二、讀

14、取數(shù)據(jù)文件及觀察變量三、設(shè)定群體名稱四、界定群體的水平數(shù)值及樣本五、界定群體模型圖的參數(shù)名稱六、界定輸出格式七、預(yù)設(shè)模型輸出結(jié)果第三節(jié)多重模型的設(shè)定一、預(yù)設(shè)模型(未限制參數(shù))二、協(xié)方差相等模型三、方差相等模型四、路徑系數(shù)相等模型五、模型不變性模型六、多個模型的輸出結(jié)果第四節(jié)多群組驗證性因素分析一、繪制理論模型圖二、讀取數(shù)據(jù)文件及觀察變量三、設(shè)定群體名稱四、界定群體分組變量名稱及其水平數(shù)值五、設(shè)定多群組分析模型六、輸出結(jié)果第五節(jié)多群組結(jié)構(gòu)方程模型一、繪制Amos理論模型圖二、讀取數(shù)據(jù)文件并設(shè)定群組變量及水平數(shù)值三、設(shè)定多群組分析模型四、群組模型執(zhí)行結(jié)果五、模型注解說明第六節(jié)三個群組測量恒等性的檢

15、驗第七節(jié)多群組路徑分析一、繪制模型圖與讀人數(shù)據(jù)文件二、增列群組及設(shè)定群組名稱三、設(shè)定兩個群組數(shù)據(jù)文件變量與變量水平四、執(zhí)行多群組分析五、計算估計值六、輸出結(jié)果第十章多群組結(jié)構(gòu)平均數(shù)的檢驗一、SPSS數(shù)據(jù)文件二、設(shè)定平均數(shù)參數(shù)三、范例一模型A四、范例一模型B五、范例二模型A六、范例二模型B第一節(jié)結(jié)構(gòu)平均數(shù)的操作程序一、繪制理論模型與設(shè)定模型變量二、增列群組與群組的變量水平數(shù)值三、增列平均數(shù)與截距項參數(shù)標(biāo)簽四、執(zhí)行多群組分析程序五、模型估計第二節(jié)增列測量誤差項間有相關(guān)一、執(zhí)行多群組分析二、模型截距項、平均數(shù)相等模型評估三、測量殘差模型的修正第三節(jié)結(jié)構(gòu)平均數(shù)的因素分析一、增列平均數(shù)與截距項參數(shù)標(biāo)簽二

16、、更改女生群體共同因素平均數(shù)的參數(shù)名稱標(biāo)簽三、設(shè)定多群組分析模型四、輸出結(jié)果第十一章SEM實例應(yīng)用與相關(guān)議題第一節(jié)社會支持量表測量模型的驗證一、測量模型的區(qū)別效度二、測量模型的收斂效度第二節(jié)缺失值數(shù)據(jù)文件的處理一、觀察變量中有缺失值二、增列估計平均數(shù)與截距項三、數(shù)據(jù)取代第三節(jié)SEM模型適配度與參數(shù)估計關(guān)系一、模型A：初始模型二、模型B第四節(jié)樣本大小與適配度卡方值一、樣本數(shù)N為100二、樣本數(shù)N為300三、樣本數(shù)N為500四、樣本數(shù)N為700五、樣本數(shù)N為900六、樣本數(shù)N為1100七、樣本數(shù)N為1500八、樣本數(shù)N為2000第十二章典型相關(guān)分析與結(jié)構(gòu)方程模型關(guān)系第一節(jié)典型相關(guān)分析一、CANCO

17、RR語法指令二、典型相關(guān)分析結(jié)果第二節(jié)SEM執(zhí)行程序一、第一個典型變量二、第二個典型變量三、MIMIC分析結(jié)果參考文獻(xiàn)結(jié)構(gòu)方程經(jīng)典英文原著之一：結(jié)構(gòu)方程導(dǎo)論結(jié)構(gòu)方程經(jīng)典英文原著之二：相關(guān)與回歸結(jié)構(gòu)方程經(jīng)典英文原著之三：數(shù)據(jù)準(zhǔn)備與處理結(jié)構(gòu)方程經(jīng)典英文原著之四：核心技術(shù)與軟件結(jié)構(gòu)方程經(jīng)典英文原著之五：路徑分析導(dǎo)論結(jié)構(gòu)方程經(jīng)典英文原著之六：路徑分析詳論結(jié)構(gòu)方程經(jīng)典英文原著之七：測量模型與驗證性因素分析結(jié)構(gòu)方程經(jīng)典英文原著之八：含結(jié)構(gòu)和測量成分的模型結(jié)構(gòu)方程經(jīng)典英文原著之九：非遞歸模型結(jié)構(gòu)方程經(jīng)典英文原著之十：均值結(jié)構(gòu)和潛在增長模型結(jié)構(gòu)方程經(jīng)典英文原著之十一：多樣本SEM結(jié)構(gòu)方程經(jīng)典英文原著之十二：S

18、EM是如何愚弄自己的結(jié)構(gòu)方程經(jīng)典英文原著之十三：結(jié)構(gòu)方程的其他問題結(jié)構(gòu)方程式結(jié)構(gòu)方程式模型假定在一組潛在變量中存在因果關(guān)系，這些潛在變量可以分別用一組可觀測的變量表示。假設(shè)的模型通常包括某個基本線性回歸模型和很多觀測變量，而這個基本的線性回歸模型應(yīng)該是一組潛在變量的結(jié)構(gòu)關(guān)系模型。這一組潛在變量分別是那些觀測變量中的某幾個的線性組合。在技術(shù)上，通過驗證觀測變量之間的協(xié)方差，可以估計出這個基本線性回歸模型的系數(shù)值，從而在統(tǒng)計上檢驗所假設(shè)的模型對所研究的過程是否合適，也就是檢驗觀測變量的方差協(xié)方差矩陣與模型擬合后的引申方差協(xié)方差矩陣的擬和程度，如果證實所假設(shè)的模型合適，就可以得出結(jié)論：我們所假設(shè)的潛

19、在變量之間的關(guān)系是合理的。基本概念一般采用路徑圖(pathdiagram)的形式表示結(jié)構(gòu)方程式模型，這是最簡單、最直觀的描述模型的方法，研究人員可以借助路徑圖直接和明了地將變量之間的關(guān)系以圖形的方式表現(xiàn)出來。流行的AMOS軟件可以直接利用路徑圖的模型設(shè)定進(jìn)行分析，并將分析結(jié)果直接標(biāo)識在圖中。習(xí)慣上，在路徑圖中潛在變量用橢圓型表示，觀測變量用矩形表示；如果兩個潛在變量之間有相互關(guān)系，用雙箭頭聯(lián)結(jié)這兩個潛在變量；如果兩個潛在變量是因果關(guān)系，則用單箭頭聯(lián)結(jié)這兩個潛在變量，箭頭指向結(jié)果變量。如果一個潛在變量可由若干觀測變量表示，這個潛在變量被看作觀測變量的因子(factor)，用單箭頭聯(lián)結(jié)這個潛在變量

20、與觀測變量，箭頭指向觀測變量，表示潛在變量直接影響了觀測變量的值。在因果關(guān)系模型中，影響其它變量而其自身的變化又假定是由因果關(guān)系模型外部的其它因素所決定的變量稱之為外生變量(exogenousvariable)，由外生變量和其它變量解釋的變量稱為內(nèi)生變量(endogenousvariable)。在SEM中，所假設(shè)的潛在變量之間的關(guān)系模型，是一種關(guān)于傳播理論的臨時的基本模型，我們稱之為結(jié)構(gòu)模型(structuralmodel)；而那些在統(tǒng)計顯著的觀測變量與測量的潛在變量之間的線性關(guān)系模型，稱之為度量模型(measurementmodel)。結(jié)構(gòu)模型實際上是某種意義上的回歸模型，要做的工作是驗證這

21、個模型是否合適，也就變成了估計潛在變量之間相應(yīng)的回歸系數(shù)(路徑系數(shù))的值，而度量模型便是估計這些回歸系數(shù)的依據(jù)。模型的評價結(jié)構(gòu)方程是模型的目標(biāo)就是再生一個觀測變量的引申方差協(xié)方差矩陣，使之與樣本方差協(xié)方差矩陣S盡可能地接近，同時評價模型對數(shù)據(jù)的擬合程度。如果引申的方差協(xié)方差矩陣與樣本方差協(xié)方差矩陣S之間的差別非常小，也就是殘差矩陣各個元素接近于0，就可以認(rèn)為模型擬合了數(shù)據(jù)。關(guān)于模型的總體擬合程度有許多測量指標(biāo)和標(biāo)準(zhǔn)，對模型的評價，涉及到模型對數(shù)據(jù)的總的擬合程度，AMOS軟件提供了多種判定擬合優(yōu)度的量。用戶可以在模型上面直接給出擬合統(tǒng)計量，顯示統(tǒng)計量結(jié)果?？ǚ浇y(tǒng)計量(X2)最常用的擬合指標(biāo)是擬合

22、優(yōu)度的卡方檢驗(X2-goodness-of-fittest)統(tǒng)計量。在最大似然估計ML、一般最小二乘法GLS和廣義加權(quán)最小二乘法ADF下，卡方值X2等于樣本量減1乘以擬合函數(shù)的最小值。在觀測變量服從多元正態(tài)分布且模型設(shè)定正確的話，如果分析方差協(xié)方差矩陣，則乘積服從卡方分布(或漸進(jìn)服從卡方平方分布)。這里需注意，它的檢驗正好與傳統(tǒng)的統(tǒng)計研究相反，我們希望得到的不顯著的卡方值，大的值對應(yīng)差的擬合，小的值對應(yīng)于好的擬合。事實上，這里的卡方檢驗是擬合劣度(badness-of-fit)檢驗，很小的卡方值說明模型擬合很好。但是，卡方檢驗統(tǒng)計量與樣本量的大小密切相關(guān)，當(dāng)樣本量越大，卡方值也越大，拒絕一個

23、模型的概率就會隨著樣本量的增加而增加，也就是說，最好把卡方檢驗看成是度量擬合優(yōu)度的量，而不是把它當(dāng)作檢驗統(tǒng)計量。為減小樣本量對擬合檢驗的影響，習(xí)慣上采用卡方值與自由度之比，如果比值小于2，則可以認(rèn)為模型擬合較好。擬合優(yōu)度指數(shù)(GFI)擬合優(yōu)度指數(shù)(goodness-of-fitindex)GFI度量了觀測變量的方差協(xié)方差矩陣S在多大程度上被模型引申的方差協(xié)方差矩陣所預(yù)測，如果=S，GFI=1，意味著模型完美擬合。修正的擬合優(yōu)度指數(shù)(AGFI)修正的擬合優(yōu)度指數(shù)(adjustedgoodness-of-fitindex)AGFI利用模型中參數(shù)估計的總數(shù)與模型估計的獨(dú)立參數(shù)-自由度來修正，估計的參

24、數(shù)相對于數(shù)據(jù)點(diǎn)越小，AGFI越接近GFI。以上兩個指數(shù)都在0和1之間，較大的數(shù)對應(yīng)于較好的擬合，一般大于0.9時，則認(rèn)為模型擬合觀測數(shù)據(jù)。與X2不同的是，GFI和AGFI不是樣本容量的函數(shù)，因為它們并不是統(tǒng)計量，只是測量了樣本方差中估計方差所占的加權(quán)比例，因此不能用來對模型的擬合優(yōu)度進(jìn)行統(tǒng)計檢驗。平方平均殘差的平方根(RMR)平方平均殘差的平方根(rootmeansquareresidual)RMR度量了擬合殘差的一種平均值，說明樣本方差和協(xié)方差在假定模型正確的情況下的估計值的差異，RMR越小，說明擬合較好，如果RMR等于0，表明模型完美擬合。本特勒-波內(nèi)特規(guī)范指數(shù)(NFI)本特勒-波內(nèi)特規(guī)范

25、指數(shù)(Bentler-Bonettnormedfixindex)是從設(shè)定模型的擬合(或是擬合函數(shù)，或用卡方值)與獨(dú)立模型(independencemodel)的擬合之間的比較。獨(dú)立模型是指假設(shè)所有變量之間沒有相關(guān)關(guān)系，也就是說，模型中所有的路徑系數(shù)和外生變量之間都固定為0，只估計方差。用來比較設(shè)定模型與獨(dú)立模型在擬合上的改善程度。近似誤差的平方根(RMSEA)近似誤差的平方根(rootmeansquareerrorofapproximation)。習(xí)慣上，RMSEA取值小于0.05，表明相對于自由度模型擬合了數(shù)據(jù)；另外，建議在90%的置信度下，如果RMSEA取值小于0.08，則可認(rèn)為近似誤差是

26、合理的，或者說在置信水平0.01下不能拒絕這一假設(shè)。RMSEA評價指標(biāo)近年來越來越受到重視。信息標(biāo)準(zhǔn)指數(shù)(informationcriteriaindex)信息標(biāo)準(zhǔn)測量是為了作不同模型的比較，信息標(biāo)準(zhǔn)測量的值越小說明含獨(dú)立估計參數(shù)越少的模型擬合越好，也就是說簡約模型(parsimoniousmodel)越好。一般在設(shè)定的理論模型中，使用同一數(shù)據(jù)，按照理論減少模型中某個或某幾個自由參數(shù)，比較某種信息標(biāo)準(zhǔn)指數(shù)的差異，選擇指數(shù)最小的模型，也就是簡約模型。需要強(qiáng)調(diào)的是，雖然這里給出了許多評價模型擬合指數(shù)，但是沒有唯一的模型擬合標(biāo)準(zhǔn)指數(shù)是正確的。所以，在模型擬合過程中，要盡量納入各種指標(biāo)，并盡可能地了解

27、各種指數(shù)的內(nèi)在含義，這可能完全需要研究者來判斷。實際應(yīng)用中，研究者還需要對度量模型和結(jié)構(gòu)模型的可靠性和有效性進(jìn)行必要的檢驗，一般可根據(jù)經(jīng)典的檢驗理論，采用復(fù)相關(guān)系數(shù)和總決定系數(shù)說明單個觀測變量或全部觀測變量作為潛在變量的度量指標(biāo)的可靠程度，以及單個或全部外生潛在變量對內(nèi)生潛在變量的方差效應(yīng)。此外，模型及擬合的標(biāo)準(zhǔn)并不完全是統(tǒng)計問題，即使一個模型擬合了數(shù)據(jù)，也不意味著這個模型是正確的或是最好的。因為可能存在著等價模型(equivalentmodels)，競爭模型(competingmodels)。如果簡單模型的擬合與復(fù)雜模型的擬合一樣好，就應(yīng)該接受簡單模型，因為，我們的目標(biāo)就是建立簡約模型，也就

28、是說模型中的參數(shù)越少越好。因此，結(jié)構(gòu)方程式模型的模型策略簡單就是美，最重要的是所有估計參數(shù)應(yīng)該有實際意義，能夠得到合理的解釋，研究者始終應(yīng)該將結(jié)構(gòu)方程式模型建立在有說服力的理論假設(shè)上。1.結(jié)構(gòu)方程模式結(jié)構(gòu)方程模式是在已有的因果理論基礎(chǔ)上，用與之相應(yīng)的線性方程系統(tǒng)表該因果理論的一種統(tǒng)計分析技術(shù).目的在于探索事物間因果關(guān)系并將這種關(guān)系用因果模式、路徑圖等表述(Kline，R.B1998)。一般，結(jié)構(gòu)方程模式由測量和潛在變量兩部分組成：測量部分求出觀察指標(biāo)與潛在變量之間的關(guān)系；潛在變量部分求出潛在變量與潛在變量之間關(guān)系。因此，結(jié)構(gòu)方程模式分為測量模式與潛在結(jié)構(gòu)模式(侯杰泰，1994)。測量模式的方程：X、Y分別是外源和內(nèi)源指標(biāo)；、分別是內(nèi)源和外源變量，、e分別是X、Y的測量誤差；x是X指標(biāo)與外源潛在變量的關(guān)系；y是Y指標(biāo)與內(nèi)源潛在變量的關(guān)系。結(jié)構(gòu)模式的方程：=+是內(nèi)源潛在變量，是外源潛在變量間關(guān)系，是內(nèi)源潛在變量間關(guān)系，是外源潛在變量對內(nèi)源潛在變量影響，是模式內(nèi)未能解釋的部分。2.結(jié)構(gòu)方程模式的建構(gòu)(1)模式構(gòu)想出發(fā)點(diǎn)是為觀察變量問候設(shè)的基本因果關(guān)系建立具體的模式。這就需要清晰地說明變量間的因果聯(lián)系，即通過路徑圖的方式，對變量間假定的因果聯(lián)系予以描述。但同時我們應(yīng)該認(rèn)識