結(jié)構(gòu)方程模型課件

結(jié)構(gòu)方程模型（SEM）結(jié)構(gòu)方程模型（SEM）1結(jié)構(gòu)方程模型的原理結(jié)構(gòu)方程模型的原理2一、結(jié)構(gòu)方程模型概述1

結(jié)構(gòu)方程模型是應(yīng)用線性方程表示觀測(cè)變量與潛變量之間，以及潛在變量之間關(guān)系的一種多元統(tǒng)計(jì)方法，其實(shí)質(zhì)是一種廣義的一般線性模型。

2

發(fā)展歷程20世紀(jì)70年代，一些學(xué)者（Joreskog,1973;Wiley,1973）將因子分析、路徑分析等統(tǒng)計(jì)方法整合，提出結(jié)構(gòu)方程初步概念。Joreskog與其合作者進(jìn)一步發(fā)展矩陣模型的分析技術(shù)來(lái)處理共變結(jié)構(gòu)的分析問(wèn)題，提出測(cè)量模型與結(jié)構(gòu)模型的概念，促成SEM的發(fā)展。Ullman（1996）定義結(jié)構(gòu)方程為“一種驗(yàn)證一個(gè)或多個(gè)自變量與一個(gè)或多個(gè)因變量之間一組相關(guān)關(guān)系的多元分析程式，其中自變量和因變量既可以是連續(xù)的，也可以是離散的”，突出其驗(yàn)證多個(gè)自變量與多個(gè)因變量之間關(guān)系的特點(diǎn)。

一、結(jié)構(gòu)方程模型概述33SEM與幾種多元方法的比較①SEM與傳統(tǒng)多元統(tǒng)計(jì)方法（多元統(tǒng)計(jì)）傳統(tǒng)多元統(tǒng)計(jì)方法：檢驗(yàn)自變量和因變量的單一關(guān)系（多元方差分析可以處理多個(gè)，但是關(guān)系也是單一的）SEM:綜合多種方法，驗(yàn)證性分析，允許測(cè)量誤差的存在②SEM與典型相關(guān)分析（多個(gè)自變量與多個(gè)因變量之間關(guān)系）典型相關(guān)分析：兩組隨機(jī)變量（定性或定量）之間線性密切程度；高維列聯(lián)表各邊際變量的線性關(guān)系；探索性分析SEM:估計(jì)多元和相互關(guān)聯(lián)的因變量之間的線性關(guān)系；處理不可觀測(cè)的假設(shè)概念；說(shuō)明測(cè)量誤差③SEM與聯(lián)立方程模型（聯(lián)立方程組、變量之間雙向影響）聯(lián)立方程模型：方程數(shù)量取決于內(nèi)生變量的數(shù)量；只能處理有觀察值的變量，假定不存在測(cè)量誤差SEM:處理測(cè)量誤差；分析潛在變量之間結(jié)構(gòu)關(guān)系結(jié)構(gòu)方程模型ppt課件4④SEM與人工神經(jīng)網(wǎng)絡(luò)（針對(duì)不可觀測(cè)或潛在變量建模）人工神經(jīng)網(wǎng)絡(luò)：執(zhí)行數(shù)據(jù)分析時(shí)，模型的隱含層接點(diǎn)仍然沒(méi)有被明確標(biāo)識(shí)出來(lái)；數(shù)據(jù)從輸入層通過(guò)隱含變量流向輸出層（輸出向輸入回流的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)）SEM:數(shù)據(jù)分析之前，已經(jīng)標(biāo)識(shí)潛在變量并構(gòu)建起假設(shè)路徑；觀測(cè)變量都與中心潛在變量相關(guān)，潛在變量之間也可能發(fā)生關(guān)系。⑤

SEM與偏最小二乘法（PLS）（集成多種分析方法，對(duì)因變量進(jìn)行測(cè)量）PLS：對(duì)觀測(cè)變量協(xié)方差矩陣的對(duì)角元素?cái)M合較好，適用于對(duì)數(shù)據(jù)點(diǎn)的分析，預(yù)測(cè)準(zhǔn)確度較高SEM:對(duì)觀測(cè)變量協(xié)方差矩陣的非對(duì)角元素的擬合較好，適合于對(duì)協(xié)方差結(jié)構(gòu)的分析，參數(shù)估計(jì)更準(zhǔn)確④SEM與人工神經(jīng)網(wǎng)絡(luò)（針對(duì)不可觀測(cè)或潛在變量建模）54SEM的技術(shù)特性具有理論先驗(yàn)性同時(shí)處理因素的測(cè)量關(guān)系和因素之間的結(jié)構(gòu)關(guān)系以協(xié)方差矩陣的運(yùn)用為核心適用于大樣本分析（樣本數(shù)<100，分析不穩(wěn)定；一般要>200）包含不同的統(tǒng)計(jì)技術(shù)重視多重統(tǒng)計(jì)指標(biāo)的運(yùn)用5樣本規(guī)模大小資料符合常態(tài)、無(wú)遺漏值及例外值(Bentler&Chou,1987)下，樣本比例最小為估計(jì)參數(shù)的5倍、10倍則更為適當(dāng)。當(dāng)原始資料違反常態(tài)性假設(shè)時(shí)，樣本比例應(yīng)提升為估計(jì)參數(shù)的15倍。以ML法評(píng)估，Loehlin(1992)建議樣本數(shù)至少為100，

200較為適當(dāng)。當(dāng)樣本數(shù)為400~500時(shí)，此法會(huì)變得過(guò)于敏感，而使得模式不適合。4SEM的技術(shù)特性6結(jié)構(gòu)方程模型ppt課件7

二、結(jié)構(gòu)方程模型的基本原理(一)模型構(gòu)成1變量觀測(cè)變量：能夠觀測(cè)到的變量(路徑圖中以長(zhǎng)方形表示)潛在變量：難以直接觀測(cè)到的抽象概念，由測(cè)量變量推估出來(lái)的變量（路徑圖中以橢圓形表示）內(nèi)生變量：模型總會(huì)受到任何一個(gè)其他變量影響的變量（因變量；路徑圖會(huì)受到任何一個(gè)其他變量以單箭頭指涉的變量外生變量：模型中不受任何其他變量影響但影響其他變量的變量（自變量；路徑圖中會(huì)指向任何一個(gè)其他變量，但不受任何變量以單箭頭指涉的變量）中介變量：當(dāng)內(nèi)生變量同時(shí)做因變量和自變量時(shí)，表示該變量不僅被其他變量影響，還可能對(duì)其他變量產(chǎn)生影響。內(nèi)生潛在變量：潛變量作為內(nèi)生變量外生觀測(cè)變量：外生潛在變量的觀測(cè)變量外生潛在變量：潛變量作為外生變量外生觀測(cè)變量：外生潛在變量的觀測(cè)變量中介潛變量：潛變量作為中介變量中介觀測(cè)變量：中介潛在變量的觀測(cè)變量

二、結(jié)構(gòu)方程模型的基本原理(一)模型構(gòu)成82參數(shù)（“未知”和“估計(jì)”）潛在變量自身：總體的平均數(shù)或方差變量之間關(guān)系：因素載荷，路徑系數(shù)，協(xié)方差參數(shù)類型：自由參數(shù)：參數(shù)大小必須通過(guò)統(tǒng)計(jì)程序加以估計(jì)固定參數(shù)：模型擬合過(guò)程中無(wú)須估計(jì)（1）為潛在變量設(shè)定的測(cè)量尺度①將潛在變量下的各觀測(cè)變量的殘差項(xiàng)方差設(shè)置為1②將潛在變量下的觀測(cè)變量的因子負(fù)荷固定為1（2）為提高模型識(shí)別度人為設(shè)定限定參數(shù)：多樣本間比較（半自由參數(shù)）結(jié)構(gòu)方程模型ppt課件93路徑圖（1）含義：路徑分析的最有用的一個(gè)工具，用圖形形式表示變量之間的各種線性關(guān)系，包括直接的和間接的關(guān)系。（2）常用記號(hào)：①矩形框表示觀測(cè)變量②圓或橢圓表示潛在變量③小的圓或橢圓，或無(wú)任何框，表示方程或測(cè)量的誤差單向箭頭指向指標(biāo)或觀測(cè)變量，表示測(cè)量誤差單向箭頭指向因子或潛在變量，表示內(nèi)生變量未能被外生潛在變量解釋的部分，是方程的誤差④單向箭頭連接的兩個(gè)變量表示假定有因果關(guān)系，箭頭由原因（外生）變量指向結(jié)果（內(nèi)生）變量⑤兩個(gè)變量之間連線的兩端都有箭頭，表示它們之間互為因果⑥弧形雙箭頭表示假定兩個(gè)變量之間沒(méi)有結(jié)構(gòu)關(guān)系，但有相關(guān)關(guān)系⑦變量之間沒(méi)有任何連接線，表示假定它們之間沒(méi)有直接聯(lián)系3路徑圖10（3）路徑系數(shù)含義：路徑分析模型的回歸系數(shù)，用來(lái)衡量變量之間影響程度或變量的效應(yīng)大小（標(biāo)準(zhǔn)化系數(shù)、非標(biāo)準(zhǔn)化系數(shù)）類型：①反映外生變量影響內(nèi)生變量的路徑系數(shù)②反映內(nèi)生變量影響內(nèi)生變量的路徑系數(shù)路徑系數(shù)的下標(biāo)：第一部分所指向的結(jié)果變量第二部分表示原因變量（4）效應(yīng)分解①直接效應(yīng)：原因變量（外生或內(nèi)生變量）對(duì)結(jié)果變量（內(nèi)生變量）的直接影響，大小等于原因變量到結(jié)果變量的路徑系數(shù)②間接效應(yīng)：原因變量通過(guò)一個(gè)或多個(gè)中介變量對(duì)結(jié)果變量所產(chǎn)生的影響，大小為所有從原因變量出發(fā)，通過(guò)所有中介變量結(jié)束于結(jié)果變量的路徑系數(shù)乘積③總效應(yīng)：原因變量對(duì)結(jié)果變量的效應(yīng)總和

總效應(yīng)=直接效應(yīng)+間接效應(yīng)（3）路徑系數(shù)11結(jié)構(gòu)方程模型ppt課件123矩陣方程式（1）和（2）是測(cè)量模型方程，（3）是結(jié)構(gòu)模型方程

是外生觀測(cè)變量向量，

為外生潛在變量向量，外生觀測(cè)變量在外生潛在變量上的因子負(fù)荷矩陣，外生觀測(cè)變量的殘差項(xiàng)向量；為內(nèi)生觀測(cè)變量向量，為內(nèi)生潛在變量向量，為內(nèi)生觀測(cè)向量在內(nèi)生潛在變量上的因子負(fù)荷矩陣，為內(nèi)生觀測(cè)向量的殘差項(xiàng)向量；和都是路徑系數(shù)，表示內(nèi)生潛在變量之間的關(guān)系，表示外生潛在變量對(duì)內(nèi)生潛在變量的影響，為結(jié)構(gòu)方程的誤差項(xiàng)

結(jié)構(gòu)方程模型ppt課件13測(cè)量模型：反映潛在變量和觀測(cè)變量之間的關(guān)系方程式：結(jié)構(gòu)模型：反映潛在變量之間因果關(guān)系方程式：測(cè)量模型：反映潛在變量和觀測(cè)變量之間的關(guān)系方程式：結(jié)構(gòu)模型：14結(jié)構(gòu)方程模型的八種矩陣概念符號(hào)代表意義結(jié)構(gòu)模型矩陣

B內(nèi)生潛在變量被內(nèi)生潛在變量解釋之回歸矩陣（回歸系數(shù)）內(nèi)生潛在變量被外生潛在變量解釋之回歸矩陣（回歸系數(shù)）測(cè)量模型矩陣外生觀測(cè)變量被外生潛在變量解釋之回歸矩陣（因素載荷）內(nèi)生觀測(cè)變量被內(nèi)生潛在變量解釋之回歸矩陣（因素載荷）外生潛在變量之協(xié)方差矩陣（因素共變）殘差矩陣內(nèi)生潛在變量被外生潛在變量解釋之誤差項(xiàng)協(xié)方差矩陣（解釋殘差）外生觀測(cè)變量被外生觀測(cè)變量解釋之誤差項(xiàng)協(xié)方差矩陣（X變量殘差）內(nèi)生觀測(cè)變量被內(nèi)生潛在變量解釋之誤差項(xiàng)協(xié)方差矩陣（Y變量殘差）結(jié)構(gòu)方程模型的八種矩陣概念符號(hào)代表意義結(jié)構(gòu)模型矩陣B內(nèi)生15（二）模型識(shí)別1模型整體識(shí)別性（1）t法則數(shù)據(jù)資料點(diǎn)數(shù)DP=(p+q)*(p+q+1)/2（p+q）表示觀測(cè)變量個(gè)數(shù)待估參數(shù)數(shù)目（自由參數(shù)）t=參數(shù)總數(shù)–固定參數(shù)t<DP，模型過(guò)度識(shí)別t>DP，模型識(shí)別不足t=DP，模型充分識(shí)別（2）虛無(wú)B矩陣模型中沒(méi)有任何內(nèi)生變量去影響其他內(nèi)生變量，無(wú)結(jié)構(gòu)關(guān)系假設(shè)，沒(méi)有任何結(jié)構(gòu)參數(shù)（）的估計(jì)，B矩陣為0，模型自動(dòng)識(shí)別。（3）遞歸法則B矩陣呈現(xiàn)三角形狀態(tài)（對(duì)稱矩陣，所有變量間的結(jié)構(gòu)參數(shù)均加以估計(jì)），而呈現(xiàn)對(duì)角線狀態(tài)（僅估計(jì)干擾項(xiàng)的方差，干擾項(xiàng)的相關(guān)不列入估計(jì)），此時(shí)為遞歸模型且為飽和模型，模型自動(dòng)識(shí)別（二）模型識(shí)別162測(cè)量模型的識(shí)別性只有一個(gè)潛在變量，至少要有三個(gè)測(cè)量變量，其因素載荷必須不等于0，測(cè)量殘差之間沒(méi)有任何相關(guān)假設(shè)超過(guò)一個(gè)以上的潛在變量，每一個(gè)潛在變量只要有至少三個(gè)測(cè)量變量來(lái)估計(jì)，每一個(gè)測(cè)量變量只用以估計(jì)單一一個(gè)潛在變量，殘差之間沒(méi)有共變假設(shè)潛在變量只以兩個(gè)測(cè)量變量來(lái)估計(jì)，殘差無(wú)相關(guān)，每一個(gè)測(cè)量變量只用以估計(jì)單一一個(gè)潛在變量且沒(méi)有任何一個(gè)潛在變量的共變或方差為03結(jié)構(gòu)模型的識(shí)別性虛無(wú)B矩陣法則遞歸法則每一個(gè)方程式至少要有（q-1）個(gè)變量不屬于非遞歸模型用以計(jì)算標(biāo)準(zhǔn)誤的訊息矩陣必須可以被完全估計(jì)，并可以求出倒置信息矩陣2測(cè)量模型的識(shí)別性17（三）參數(shù)估計(jì)1假設(shè)條件測(cè)量模型誤差項(xiàng)，的均值為零結(jié)構(gòu)模型的殘差項(xiàng)的均值為零誤差項(xiàng)，與因子，之間不相關(guān)，誤差項(xiàng)與不相關(guān)殘差項(xiàng)與，，之間不相關(guān)2共變推導(dǎo)

（1）協(xié)方差協(xié)方差：利用兩個(gè)變量間觀測(cè)值與其均值離差的期望觀測(cè)兩個(gè)變量間的關(guān)系強(qiáng)弱。（2）運(yùn)算定理①②③④（三）參數(shù)估計(jì)①②③④18(3)導(dǎo)出矩陣兩個(gè)具有相關(guān)的潛在變量的CFA圖(3)導(dǎo)出矩陣兩個(gè)具有相關(guān)的潛在變量的CFA圖19(3)導(dǎo)出矩陣觀測(cè)變量方程式：同一潛在變量的兩個(gè)觀測(cè)變量的協(xié)方差：不同潛在變量的兩個(gè)觀測(cè)變量的協(xié)方差：觀測(cè)變量的方差：(3)導(dǎo)出矩陣同一潛在變量的兩個(gè)觀測(cè)變量的協(xié)方差：不同潛在變20逐一計(jì)算六個(gè)觀測(cè)變量的方差與配對(duì)協(xié)方差，參數(shù)的方差與協(xié)方差導(dǎo)出矩陣（）S矩陣：樣本觀測(cè)值的方差與協(xié)方差矩陣（6*6）殘差矩陣=S–估計(jì)協(xié)方差矩陣與觀測(cè)協(xié)方差矩陣的差異極小化逐一計(jì)算六個(gè)觀測(cè)變量的方差與配對(duì)協(xié)方差，參數(shù)的方差與協(xié)方差導(dǎo)21（4）參數(shù)估計(jì)策略加權(quán)最小平方策略（WLS）擬合函數(shù)：表示估計(jì)協(xié)方差矩陣與觀察協(xié)方差矩陣的差異最大概似法(ML)基本假設(shè)：觀察數(shù)據(jù)都是從總體中抽取得到的數(shù)據(jù)，且所抽取的樣本必須是所有可能樣本中被選擇的幾率最大者無(wú)加權(quán)最小平方法(ULS)一般化最小平方法（GLS）漸進(jìn)分布自由法（ADF）（5）迭代運(yùn)算停止條件達(dá)到計(jì)算機(jī)預(yù)計(jì)的疊代次數(shù)，如25次模式收斂完成，亦即達(dá)到計(jì)算機(jī)預(yù)設(shè)標(biāo)準(zhǔn)（4）參數(shù)估計(jì)策略22（四）模型擬合評(píng)價(jià)1參數(shù)檢驗(yàn)（1）參數(shù)的顯著性檢驗(yàn)t=參數(shù)估計(jì)值/標(biāo)準(zhǔn)誤t的絕對(duì)值大于2，則參數(shù)即可達(dá)到.05的顯著水平樣本數(shù)低于30時(shí)，樣本數(shù)越小，t值要越大才能超越顯著水平的門檻（2）參數(shù)的合理性檢驗(yàn)參數(shù)估計(jì)值是否有合理的實(shí)際意義：參數(shù)的符號(hào)是否符合理論假設(shè)參數(shù)的取值范圍是否合理參數(shù)是否可以得到合理解釋（四）模型擬合評(píng)價(jià)232模型整體評(píng)價(jià)指標(biāo)名稱指標(biāo)含義接受標(biāo)準(zhǔn)適用情形殘差分析未標(biāo)準(zhǔn)化殘差RMR未標(biāo)準(zhǔn)化假設(shè)模型整體殘差越小越好了解殘差特性標(biāo)準(zhǔn)化殘差SRMR標(biāo)準(zhǔn)化模型整體殘差<.08了解殘差特性擬合效果指標(biāo)絕對(duì)擬合效果指標(biāo)卡方值導(dǎo)出矩陣與觀測(cè)矩陣的整體相似程度卡方自由度比卡方值/自由度<2不受模型復(fù)雜程度影響擬合指數(shù)GFI模型可解釋觀測(cè)數(shù)據(jù)的方差與協(xié)方差比>.90說(shuō)明模型解釋力調(diào)整擬合指數(shù)AGFI用模型自由度和參數(shù)數(shù)目調(diào)整的GFI>.90不受模型復(fù)雜程度影響簡(jiǎn)效擬合指數(shù)PGFI用模型自由度和參數(shù)數(shù)目調(diào)整的GFI>.50說(shuō)明模型的簡(jiǎn)單程度相對(duì)擬合效果指標(biāo)正規(guī)擬合指數(shù)NFI假設(shè)模型與獨(dú)立模型的卡方差異>.90說(shuō)明模型較虛無(wú)模型的改善程度非正規(guī)擬合指數(shù)NNFI用模型自由度和參數(shù)數(shù)目調(diào)整的NFI>.90不受模型復(fù)雜程度的影響替代性指標(biāo)非集中性參數(shù)NCP假設(shè)模型的卡方值距離中央卡方值分布的離散程度越小越好說(shuō)明假設(shè)模型矩陣中央卡方值的程度相對(duì)擬合指數(shù)CFI假設(shè)模型與獨(dú)立模型的非中央性差異>.95說(shuō)明模型較虛無(wú)模型的改善程度，特別適合小樣本2模型整體評(píng)價(jià)指標(biāo)名稱指標(biāo)含義接受標(biāo)準(zhǔn)適用情形殘差分析未標(biāo)24指標(biāo)名稱指標(biāo)含義接受標(biāo)準(zhǔn)適用情形平均概似平均誤根系數(shù)RMSEA比較理論模型與飽和模型的差距<.05不受樣本數(shù)與模型復(fù)雜度影響訊息指數(shù)AIC經(jīng)過(guò)減效調(diào)整的模型擬合度的波動(dòng)性越小越好適用效度復(fù)核非嵌套模型比較一致信息指數(shù)CAIC從樣本量方面對(duì)AIC進(jìn)行調(diào)整越小越好適用效度復(fù)核非嵌套模型比較關(guān)鍵樣本指數(shù)CN接受假設(shè)模型所需的樣本數(shù)目>200反映樣本規(guī)模的適切性指標(biāo)名稱指標(biāo)含義接受標(biāo)準(zhǔn)適用情形平均概似平均誤根系數(shù)RMSE25(五)模型修正1參考標(biāo)準(zhǔn)模型所得結(jié)果是適當(dāng)?shù)乃媚Ｐ偷膶?shí)際意義、模型變量間的實(shí)際意義和所得參數(shù)與實(shí)際假設(shè)的關(guān)系是合理的參考多個(gè)不同的整體擬合指數(shù)2修正原則①省儉原則兩個(gè)模型擬合度差別不大的情況下，應(yīng)取兩個(gè)模型中較簡(jiǎn)單的模型擬合度差別很大，應(yīng)采取擬合更好的模型，暫不考慮模型的簡(jiǎn)潔性最后采用的模型應(yīng)是用較少參數(shù)但符合實(shí)際意義，且能較好擬合數(shù)據(jù)的模型②等同模式等同模式：用不同的方法表示各個(gè)潛在變量之間的關(guān)系，能得出基本相同的結(jié)果，參數(shù)個(gè)數(shù)相同，擬合程度相同的模式。實(shí)際意義多次驗(yàn)證(五)模型修正263模型修正方向①模型擴(kuò)展方面（放松一些路徑系數(shù)，提高擬合度）修正指數(shù)MI反映的是一個(gè)固定或限制參數(shù)被恢復(fù)自由時(shí)，卡方值可能減少的最小的量。如果MI變化很小，則修正沒(méi)有意義；通常認(rèn)為MI>4,模型修正才有意義。（顯著水平為0.05時(shí)，臨界值為3.84）②模型簡(jiǎn)約方面（刪除或限制一些路徑系數(shù)，使模型變簡(jiǎn)潔）臨界比率CR通過(guò)自由度調(diào)整卡方值，以供選擇參數(shù)不是過(guò)多，又能滿足一定擬合度的模型，尋找CR比率最小者單個(gè)參數(shù)調(diào)整設(shè)為0兩個(gè)變量之間路徑系數(shù)關(guān)系進(jìn)行調(diào)整，設(shè)為相等4模型修正內(nèi)容（1）測(cè)量模型修正添加或刪除因子載荷添加或刪除因子之間的協(xié)方差添加或刪除測(cè)量誤差的協(xié)方差（2）結(jié)構(gòu)模型修正增加或減少潛在變量數(shù)目添加或刪減路徑系數(shù)添加或刪除殘差項(xiàng)的協(xié)方差3模型修正方向27EFACFA探索式(data-driven)驗(yàn)證式(theory-driven)因素個(gè)數(shù)由資料決定因素個(gè)數(shù)由研究者指定問(wèn)卷設(shè)計(jì)的前端問(wèn)卷應(yīng)用的后端PCA是常用的估計(jì)法ML法是常用的估計(jì)法只提供標(biāo)準(zhǔn)化結(jié)果提供標(biāo)準(zhǔn)及非標(biāo)準(zhǔn)化結(jié)果沒(méi)有l(wèi)oading顯著性報(bào)告有l(wèi)oading顯著性報(bào)告EFA無(wú)法做額外的設(shè)定CFA模型設(shè)定有彈性無(wú)法執(zhí)行跨群組比較可執(zhí)行跨群組(時(shí)間)的比較1驗(yàn)證性因子分析（CFA）EFACFA探索式(data-driven)驗(yàn)證式(th28F1e1F2e2e3e4e5e6x1x2x3x4x5x611一階驗(yàn)證性因子分析F1e1F2e2e3e4e5e6x1x2x3x4x5x61129F1e1F2e2e3e4e5e6x1x2x3x4x5x611F31二階（高階）驗(yàn)證性因子分析F1e1F2e2e3e4e5e6x1x2x3x4x5x61130績(jī)效期望滿意度忠誠(chéng)度2路徑分析遞歸模型D1D2非遞歸模型績(jī)效期望滿意度忠誠(chéng)度2路徑分析遞歸模型D1D2非遞歸模型31自我效能感社會(huì)期待成就動(dòng)機(jī)學(xué)業(yè)表現(xiàn)D1D20.290.630.210.020.130.16路徑分析參數(shù)估計(jì)圖自我效能對(duì)于學(xué)業(yè)表現(xiàn)的模型衍生相關(guān)：（軌跡法則）1直接效應(yīng)：自我效能學(xué)業(yè)表現(xiàn)=0.292間接效應(yīng)：自我效能成就動(dòng)機(jī)學(xué)業(yè)表現(xiàn)=0.133相關(guān)間接效應(yīng)：自我效能社會(huì)期待學(xué)業(yè)表現(xiàn)=0.13*0.16=0.02自我效能社會(huì)期待成就動(dòng)機(jī)學(xué)業(yè)表現(xiàn)=0.13*0.02*0.21=0.000546衍生相關(guān)為0.29+0.13+0.02+0.00=0.44自我效能感社會(huì)期待成就動(dòng)機(jī)學(xué)業(yè)表現(xiàn)D1D20.290.63032Y1X2X1Y2D1D2時(shí)間延宕非遞歸模型工具型變量模型Y1X2X1Y2D1D2時(shí)間延宕非遞歸模型工具型變量模型333統(tǒng)合模型分析x1x2x3F1滿意度F2忠誠(chéng)度y1y2y3e１e4Lx1bDe5e6e２e３測(cè)量殘差外生觀察變量因素負(fù)荷量外生潛在變量結(jié)構(gòu)參數(shù)內(nèi)生潛在變量因素負(fù)荷量?jī)?nèi)生觀察變量結(jié)構(gòu)模式測(cè)量(CFA)模式測(cè)量殘差Lx2Lx3Ly1Ly2Ly3測(cè)量(CFA)模式3統(tǒng)合模型分析x1x2x3F1滿意度F2忠誠(chéng)度y1y2y334結(jié)構(gòu)方程模型的AMOS實(shí)現(xiàn)趙新棟M0301091

結(jié)構(gòu)方程模型的AMOS實(shí)現(xiàn)趙新棟M030109135Amos學(xué)習(xí)網(wǎng)址網(wǎng)址說(shuō)明/download/index.htm提供amos學(xué)生版和amosusers’guide使用手冊(cè)（PDF版本）/cata/docs/docroom/spss/提供amosusers’guide使用手冊(cè)（PDF版本）/its/rc/tutorials/stat/amos圖解說(shuō)明結(jié)構(gòu)方程模型和amos/users/p/a/pat1004/amos.html圖解說(shuō)明amos,共9個(gè)PDF/software/amos.htm對(duì)amos的功能及操作，有詳盡的說(shuō)明/garson/pa765/semamos1.htm對(duì)amos輸出報(bào)表的解讀，詳盡的說(shuō)明Amos學(xué)習(xí)網(wǎng)址網(wǎng)址說(shuō)明www.amosdevelopme36SPSS與Amos

一般的研究論文的數(shù)據(jù)分析部分少不了對(duì)樣本的描述、對(duì)變量進(jìn)行探索性因子分析（EFA），然后再利用多變量分析技術(shù)或SEM進(jìn)行數(shù)據(jù)分析，最后提出研究結(jié)論（驗(yàn)證假說(shuō)），提出建議?；谶@樣的了解，我們來(lái)看看SPSS與Amos所發(fā)揮的功能：SPSSAmos樣本描述√（非常詳盡）√因子分析EFACFA多變量分析方差分析、判別分析、回歸分析、多元尺度法等建立SEM，進(jìn)行路徑分析。多群組分析、BootstrappingSPSS與Amos

一般的研究論文的數(shù)據(jù)分析部分少不了對(duì)樣本37利用amos做統(tǒng)計(jì)檢驗(yàn)利用amos，所得到的值是顯著性（p值），我們要用顯著性和我們所設(shè)的顯著水平α值做比較，如果顯著性大于α值，未達(dá)到顯著水平，則接受虛無(wú)假說(shuō)；如果顯著性小于α值，達(dá)到顯著水平，則拒絕虛無(wú)假說(shuō)（即發(fā)現(xiàn)有統(tǒng)計(jì)上的顯著性）。在統(tǒng)計(jì)檢驗(yàn)時(shí)，本書所設(shè)定的顯著性水平皆是0.05（α=0.05）利用amos做統(tǒng)計(jì)檢驗(yàn)利用amos，所得到的值是顯著性（p值38Amos操作環(huán)境Amos操作環(huán)境39結(jié)構(gòu)方程模型ppt課件40啟動(dòng)AmosGraphics，映入眼簾的是Amos的操作環(huán)境。左邊是工具箱，中間是顯示區(qū)，右邊是繪圖區(qū)。如圖

啟動(dòng)AmosGraphics，映入眼簾的是Amos的操作41二、建立模型——建立路徑圖二、建立模型——建立路徑圖421制作潛在變量：在工具箱中選“”，然后在繪圖區(qū)從左上到右下拉出一個(gè)橢圓。1制作潛在變量：在工具箱中選“”，然后在繪圖區(qū)432制作指標(biāo)變量指標(biāo)變量包括觀察變量和誤差變量。在工具箱中選“”，然后在繪圖區(qū)中的橢圓“

”上點(diǎn)一下。就會(huì)出現(xiàn)指標(biāo)變量，每多點(diǎn)一下，就出現(xiàn)一個(gè)指標(biāo)變量。要改變指標(biāo)變量的方向，可以按“

”。2制作指標(biāo)變量指標(biāo)變量包括觀察變量和誤差變量。在工具箱中選443建立潛在變量之間的關(guān)系“

”表示影響，因果關(guān)系?！啊北硎鞠嚓P(guān)性。3建立潛在變量之間的關(guān)系“”表示影響，因果關(guān)系。454讀取數(shù)據(jù)文件注意：在讀取數(shù)據(jù)之前，要對(duì)數(shù)據(jù)的完整性（如遺漏值的處理、觀察變量的信度等）進(jìn)行處理。）在工具箱中選選擇數(shù)據(jù)文件“

”，在出現(xiàn)的“DataFiles”窗口中，點(diǎn)擊“FileName”，在出現(xiàn)的“開啟”窗口中，選擇要讀取的文件。數(shù)據(jù)的讀入方式有兩種：以觀察變量的原始數(shù)據(jù)或者以觀察變量相關(guān)系數(shù)矩陣讀入。4讀取數(shù)據(jù)文件注意：在讀取數(shù)據(jù)之前，要對(duì)數(shù)據(jù)的完整性（如遺465交代變量名稱觀察變量：在工具箱中選“”，就會(huì)出現(xiàn)“VariablesinDataset”窗口。此時(shí)，先點(diǎn)住變量名稱，然后拖動(dòng)到適當(dāng)?shù)挠^察變量上后松手，這個(gè)變量名稱就獨(dú)到觀察變量上了。潛在變量名稱：在對(duì)象上雙擊就會(huì)出現(xiàn)“objectproperties”窗口，在“variablename”上鍵入文字即可。誤差變量名稱，可以按【plugins】、【nameUnobservedVariables】。5交代變量名稱觀察變量：在工具箱中選“”，就會(huì)出476完整模型：如圖6完整模型：如圖48顯示重要參數(shù)：在工具箱中選“”，然后在繪圖區(qū)點(diǎn)一下，出現(xiàn)下圖顯示重要參數(shù)：在工具箱中選“”，然后在繪圖區(qū)點(diǎn)一下，49然后在FigureCaption窗口中輸入ChiSquare=\cmindf=\dfp=\p然后在FigureCaption窗口中輸入50點(diǎn)擊ok，就會(huì)出現(xiàn)一下情況：點(diǎn)擊ok，就會(huì)出現(xiàn)一下情況：51在工具箱中點(diǎn)擊Calculateestimates的圖示“”，產(chǎn)生估計(jì)值，在點(diǎn)擊顯示區(qū)的viewtheoutputpathdiagram圖示“”。結(jié)果如圖顯示：在工具箱中點(diǎn)擊Calculateestimates的圖示“52三、分組如果數(shù)據(jù)文件有必要分組，自讀取數(shù)據(jù)文件之后，要分別交代GroupVariable、GroupValue三、分組如果數(shù)據(jù)文件有必要分組，自讀取數(shù)據(jù)文件之后，要分別交53四、分析輸出報(bào)表1.違反估計(jì)2.正態(tài)性檢驗(yàn)與異常值處理3.擬合度四、分析輸出報(bào)表1.違反估計(jì)541.違反估計(jì)違反估計(jì)是指模型內(nèi)統(tǒng)計(jì)所輸出的估計(jì)系數(shù)，超出了可接受的范圍。違反估計(jì)的項(xiàng)目有：負(fù)的誤差方差的存在標(biāo)準(zhǔn)化洗漱超過(guò)或太接近1（通常以0.95為門檻）1.違反估計(jì)違反估計(jì)是指模型內(nèi)統(tǒng)計(jì)所輸出的估計(jì)系數(shù)，超出了可552.正態(tài)性檢驗(yàn)與異常值處理Asessmentofnormality表中的c.r.掉膘偏度系數(shù)或者峰度系數(shù)除以標(biāo)準(zhǔn)誤的臨界值，最后一行為Mardis多變量峰度系數(shù)c.r.。當(dāng)c.r.大于2時(shí)，則暗示有些單變量可能具有異常值。Observationsfarthestfrom

thecentroid表中通?？磒2值，當(dāng)p2值很小時(shí)（例如小于0.05）即表示該觀察值為異常值。2.正態(tài)性檢驗(yàn)與異常值處理Asessmentofnorm563.擬合度AMOS是以卡方統(tǒng)計(jì)量來(lái)進(jìn)行檢驗(yàn)的，一般以卡方值p大于0.05判斷模型是否具有良好的擬合度。但是卡方統(tǒng)計(jì)量容易受到樣本大小的影響，因此還要參考其他擬合指標(biāo)。如下圖：3.擬合度AMOS是以卡方統(tǒng)計(jì)量來(lái)進(jìn)行檢驗(yàn)的，一般以卡方值p57擬合指標(biāo)判斷準(zhǔn)則絕對(duì)擬合指標(biāo)X2

P＞0.05表明擬合度較好GFI越接近1表示模型擬合度越好，通常采用GFI＞0.9RMR越接近0表示模型擬合度越好，通常采用RMR＜0.05RMSEA越接近0表示模型擬合度越好，通常采用RMSER＜0.1增值擬合指標(biāo)AGFI越接近1表示模型擬合度越好，通常采用AGFI＞0.9NFI越接近1表示模型擬合度越好CFI越接近1表示模型擬合度越好IFI越接近1表示模型擬合度越好精簡(jiǎn)擬合指標(biāo)AICAIC越小表示該模型那個(gè)較好CAICCAIC越小表示該模型那個(gè)較好擬合指標(biāo)判斷準(zhǔn)則絕對(duì)擬合指標(biāo)X2P＞0.05表明擬合度較好58四、模型修正在regressionweights表中，可看到ModificationIndices（M.I.）值，找出誤差變量之間最大的項(xiàng)目，是卡方值減少，p值增加，是我們修正模型的主要目標(biāo)。四、模型修正在regressionweights表中，可看59五、探索最佳模型點(diǎn)【analyze】，在出現(xiàn)的“specificationsearch”工具列中，點(diǎn)擊最左邊的虛線“makearrowoptional”的圖標(biāo)，然后在個(gè)變量之間的箭頭上分別加以點(diǎn)選，使他們呈現(xiàn)出虛線。五、探索最佳模型點(diǎn)【analyze】，在出現(xiàn)的“specif60五、探索最佳模型在“specificationsearch”工具列中，點(diǎn)“option”圖示，在出現(xiàn)的“options”，其currentresults選“zero-based(min=0)”,dian[nextsearch],在”retainonlythebestmodel”左邊方格中，將數(shù)值設(shè)為10。五、探索最佳模型在“specificationsearch61五、探索最佳模型在“specificationsearch”工具列中點(diǎn)“performspecificationsearch”圖標(biāo)，就會(huì)產(chǎn)生“擬合指標(biāo)匯總表”根據(jù)BCC與BIC來(lái)決定最佳模型。在specificationsearch窗口中，先點(diǎn)r圖示，再在模型所代表的數(shù)字上點(diǎn)兩下，就會(huì)出現(xiàn)該模型的路徑系數(shù)。五、探索最佳模型在“specificationsearch62六、遞歸與非遞歸模型PA-VO的路徑分析有兩種應(yīng)用模型：遞歸與非遞歸。遞歸與非遞歸模型可以從兩個(gè)角度來(lái)判別：1.變量之間有無(wú)回溯關(guān)系2.殘差之間是否具有殘差相關(guān)。六、遞歸與非遞歸模型PA-VO的路徑分析有兩種應(yīng)用模型：遞歸63七、直接效果與間接效果直接效果是某一變量對(duì)另一變量的直接影響。間接效果是某一變量通過(guò)某一中介變量對(duì)另一變量的直接影響?？傂Ч扔谥苯有Ч由祥g接效果。通常：如果直接效果大于間接效果，表示中介變量不發(fā)揮作用，可以忽略；如果直接效果小于間接效果，表示中介變量具有影響力，要重視中介變量七、直接效果與間接效果直接效果是某一變量對(duì)另一變量的直接影響64結(jié)構(gòu)方程模型的文獻(xiàn)綜述焦?jié)齅0301091

結(jié)構(gòu)方程模型的文獻(xiàn)綜述焦?jié)齅030109165結(jié)構(gòu)方程在各領(lǐng)域的應(yīng)用1結(jié)構(gòu)方程在醫(yī)療衛(wèi)生領(lǐng)域的應(yīng)用1.1生育保險(xiǎn)

楊樹東，閔捷，沈其君等《生育保險(xiǎn)病種費(fèi)用影響因素結(jié)構(gòu)方程模型分析》（2008）通過(guò)建立結(jié)構(gòu)模型研究了生育保險(xiǎn)病種費(fèi)用影響因素，為生育保險(xiǎn)按病種付費(fèi)提供依據(jù)。抽取了南京市4家醫(yī)院2002年——2004年生育保險(xiǎn)參保人員病歷首頁(yè)以及財(cái)務(wù)結(jié)算帳單1525份，用結(jié)構(gòu)方程模型(SEM)方法進(jìn)行分析。結(jié)構(gòu)模型中的外生的顯在變量包括醫(yī)院等級(jí)，病種，年齡，職業(yè)，術(shù)前住院天數(shù)，入院病情和主要診斷程度，內(nèi)生的顯在變量包括病種實(shí)際住院天數(shù)和住院費(fèi)用。隱變量包括社會(huì)經(jīng)濟(jì)特征，臨床特征，醫(yī)院管理和醫(yī)護(hù)質(zhì)量。其中社會(huì)經(jīng)濟(jì)特征用醫(yī)院等級(jí)、年齡和職業(yè)顯變量來(lái)估計(jì)，病種、入院病情和主要診斷程度可以估計(jì)臨床特征這個(gè)隱變量，術(shù)前住院天數(shù)和實(shí)際住院天數(shù)可以估計(jì)醫(yī)院管理和醫(yī)護(hù)質(zhì)量這個(gè)隱變量。最后的擬合結(jié)果，三個(gè)隱變量對(duì)住院費(fèi)用的影響看，臨床特征對(duì)住院費(fèi)用的影響最大，系數(shù)為0．9334，醫(yī)護(hù)質(zhì)量和社會(huì)經(jīng)濟(jì)特征對(duì)住院費(fèi)用的影響系數(shù)分別為0．3194和0．2230，而病種對(duì)臨床特征的影響最大，這對(duì)研究的生育病種付費(fèi)標(biāo)準(zhǔn)有很大意義，即確定病種付費(fèi)標(biāo)準(zhǔn)時(shí)要充分考慮臨床特征的影響，把付費(fèi)標(biāo)準(zhǔn)的差異最大化的歸于臨床特征的不同。結(jié)構(gòu)方程在各領(lǐng)域的應(yīng)用1結(jié)構(gòu)方程在醫(yī)療衛(wèi)生領(lǐng)域的應(yīng)用661.2農(nóng)村醫(yī)療衛(wèi)生

張英沽，李士雪，成昌慧《參合農(nóng)民住院概率影響因素的結(jié)構(gòu)方程模型分析》（2008）通過(guò)采用結(jié)構(gòu)方程模型分析參合農(nóng)民住院概率的影響因素，并進(jìn)行模型擬合與評(píng)估。調(diào)查對(duì)象為山東省濟(jì)南市3個(gè)新型農(nóng)村合作醫(yī)療試點(diǎn)縣的全體農(nóng)民，以戶為抽樣單位，每個(gè)縣按經(jīng)濟(jì)狀況和新農(nóng)合覆蓋率的不同隨機(jī)抽取6個(gè)鄉(xiāng)鎮(zhèn)，共抽取l8個(gè)鄉(xiāng)鎮(zhèn)，每個(gè)鄉(xiāng)鎮(zhèn)再按經(jīng)濟(jì)狀況和新農(nóng)合覆蓋率不同隨機(jī)抽取6個(gè)村，共108個(gè)村，每個(gè)村再隨機(jī)抽取30戶家庭組成訶查的樣本，共計(jì)調(diào)查戶數(shù)為3240戶。調(diào)查內(nèi)容主要涉及家庭基本狀況、家庭收支情況、各層次醫(yī)療機(jī)構(gòu)的住院衛(wèi)生服務(wù)利用情況及其影響因素。住院人群的人口學(xué)特征包括住院病人的年齡、性別(生理狀態(tài))，文化程度、婚姻狀況（社會(huì)因素），經(jīng)濟(jì)狀況、是否患有慢性病以及兩周是否患病等。通過(guò)結(jié)構(gòu)方程模型得出的結(jié)果顯示：結(jié)構(gòu)方程模型顯示健康狀況直接影響住院率(直接影響權(quán)重為0.26)；生理狀態(tài)不僅直接影響住院率(直接影響權(quán)重為0.19)，而且通過(guò)健康狀況和社會(huì)因素間接影響住院率(間接影響權(quán)重為一0.30)；衛(wèi)生服務(wù)可得性對(duì)住院率的影響最小(影響權(quán)重僅為0.02)。本文中線性結(jié)構(gòu)方程模型較好的分析了參合農(nóng)民住院概率的影響因素。1.2農(nóng)村醫(yī)療衛(wèi)生張英沽，李士雪，成昌慧《參合農(nóng)民住院概67陳琦，梁萬(wàn)年，盂群《農(nóng)村衛(wèi)生人力培訓(xùn)效果的結(jié)構(gòu)方程模型研》（2004）為了研究分折農(nóng)村衛(wèi)生人力培訓(xùn)效果的影響因素，為進(jìn)一步提高培訓(xùn)效果提供理論依據(jù)，從中部4省(山西省、安徽省、河南省、河北省)的鄉(xiāng)村醫(yī)生中選出800名作為研究調(diào)查對(duì)象，運(yùn)用結(jié)構(gòu)方程模型方法進(jìn)行分析。在研究中共設(shè)了8個(gè)潛在變量，即由行醫(yī)資歷、培訓(xùn)形式因子、服務(wù)人口因子、培訓(xùn)需求因子和教育程度因子組成的5個(gè)外生潛在變量(潛在的自變量)和反映培訓(xùn)效果的工作技能、工作適應(yīng)性、考核成績(jī)組成的3個(gè)內(nèi)生潛在變量(潛在的因變量)。最后的得出的結(jié)論是，影響培訓(xùn)前后工作技能提高的因素主要有：培訓(xùn)形式、被培訓(xùn)者教育程度、被培訓(xùn)者行醫(yī)的資歷及其服務(wù)人口的多少。影響工作適應(yīng)性的有兩個(gè)因子，培訓(xùn)形式和被培訓(xùn)者培訓(xùn)需求。對(duì)考核成績(jī)產(chǎn)生影響的有兩個(gè)因素即培訓(xùn)形式和被培訓(xùn)者教育程度。最后作者講到本研究沒(méi)有對(duì)培訓(xùn)費(fèi)用和培訓(xùn)內(nèi)容的指標(biāo)進(jìn)行調(diào)查，如果引入的話可能使結(jié)構(gòu)模型更加完善。陳琦，梁萬(wàn)年，盂群《農(nóng)村衛(wèi)生人力培訓(xùn)效果的結(jié)構(gòu)方程模型研681.3長(zhǎng)期護(hù)理舒勤，朱京慈《護(hù)理研究中結(jié)構(gòu)方程模型應(yīng)用情況的元分析》（2009）回顧了國(guó)內(nèi)外護(hù)理研究中運(yùn)用結(jié)構(gòu)方程模型進(jìn)行研究分析的歷史，分為三個(gè)階段：第一階段從1980年一1989年，屬于SEM在護(hù)理研究領(lǐng)域應(yīng)用的萌芽階段。第二個(gè)階段從1990年—1999年，屬于發(fā)展階段。。第三個(gè)階段從2000年至今，屬于應(yīng)用推廣階段。指出了國(guó)內(nèi)外護(hù)理研究學(xué)者常運(yùn)用SEM進(jìn)行護(hù)理相關(guān)理論的研究：探索各個(gè)因素間的相互關(guān)系；對(duì)護(hù)理理論模型的構(gòu)建、擬合調(diào)整及驗(yàn)證；制定各種護(hù)理量表等，涉及的領(lǐng)域包括護(hù)理管理、護(hù)理心理、家庭護(hù)理社區(qū)護(hù)理、臨床護(hù)理等方面；研究方法多采用問(wèn)卷法、量表法、訪談法等；研究層面從個(gè)體、家庭、社區(qū)、地區(qū)到國(guó)家，層面較為豐富。SEM為護(hù)理研究工作者提供了一個(gè)比較強(qiáng)大的分析和驗(yàn)證工具；SEM多因素分析技術(shù)在護(hù)理領(lǐng)域的研究為研究者打開了思路。SEM可以從微觀個(gè)體出發(fā)探討宏觀規(guī)律，對(duì)現(xiàn)有的可能存在測(cè)量誤差的隨機(jī)變量或不可直接測(cè)量的潛在隨機(jī)變量進(jìn)行參數(shù)估計(jì)，在多指標(biāo)間關(guān)系復(fù)雜、潛在因子之間存在一定關(guān)聯(lián)或依存關(guān)系的情況下建立模型，幫助研究者了解元素間的相互影響和相互作用，探討護(hù)理方案的改進(jìn)措施，使研究問(wèn)題得到恰當(dāng)?shù)慕獯稹?.3長(zhǎng)期護(hù)理舒勤，朱京慈《護(hù)理研究中結(jié)構(gòu)方程模型應(yīng)用情況的692結(jié)構(gòu)方程在經(jīng)濟(jì)管理領(lǐng)域的應(yīng)用

2.1食品安全領(lǐng)域劉艷秋，周星《QS認(rèn)證與消費(fèi)者食品安全信任關(guān)系的實(shí)證研究》（2008）采用結(jié)構(gòu)方程模型，研究QS認(rèn)證相關(guān)因素影響消費(fèi)者信任的途徑、消費(fèi)者信任與購(gòu)買意愿之間的關(guān)系，在研究結(jié)果基礎(chǔ)上對(duì)構(gòu)建基于QS認(rèn)證的消費(fèi)者食品安全信任提出相應(yīng)的對(duì)策建議。作者在文章中總結(jié)歸納了八個(gè)影響QS認(rèn)證信任的因素：消費(fèi)者食品安全意(CSA)、企業(yè)能力(CA)、企業(yè)可信性(CC)、企業(yè)可靠性(CR)、企業(yè)誠(chéng)信(CI)、政府和企業(yè)及消費(fèi)者的三方信息交流(IC)、政府執(zhí)行QS認(rèn)證的力GE)、政府監(jiān)管QS認(rèn)證的水平(GS)。本文假設(shè)這八個(gè)因素與消費(fèi)者對(duì)QS認(rèn)證信任呈正相關(guān)關(guān)系。問(wèn)卷是在福州和廈門地區(qū)四個(gè)大型超市，采取路上攔截調(diào)查，在不同的時(shí)問(wèn)發(fā)放問(wèn)卷400份，有效為346份。通過(guò)結(jié)構(gòu)方程模型(SEM)方法來(lái)識(shí)別QS認(rèn)證的影響因素與消費(fèi)者信任以及購(gòu)買意愿之間的關(guān)系，得出的結(jié)論是：消費(fèi)者安全意識(shí)、企業(yè)可信性、企業(yè)能力、政府監(jiān)管以及信息交流這五個(gè)因素對(duì)QS認(rèn)證信任有顯著的影響。針對(duì)結(jié)論提出了政策建議：（1）加強(qiáng)消費(fèi)者食品安全教育，提高安全意識(shí)（2）政府部門要做好QS認(rèn)證監(jiān)管工作，為消費(fèi)者信任QS認(rèn)證提供長(zhǎng)期政策保證（3）政府部門、企業(yè)應(yīng)及時(shí)與消費(fèi)者應(yīng)進(jìn)行信息交流，增加消費(fèi)者對(duì)食品安全的信任，保證QS認(rèn)證制度順利實(shí)施（4）企業(yè)要不斷改進(jìn)其生產(chǎn)安全食品的能力，進(jìn)而提高消費(fèi)者的信任（5）食品企業(yè)應(yīng)不斷提高企業(yè)誠(chéng)信，創(chuàng)造食品安全誠(chéng)信文化，打好消費(fèi)者信任QS認(rèn)證的基礎(chǔ)。2結(jié)構(gòu)方程在經(jīng)濟(jì)管理領(lǐng)域的應(yīng)用

2.1食品安全領(lǐng)域70梁一鳴,張鈺爛,董西釧《基于結(jié)構(gòu)方程模型的杭州城鎮(zhèn)居民食品安全滿意度統(tǒng)計(jì)評(píng)估》（2009）采用杭州城鎮(zhèn)居民食品安全滿意度的樣本數(shù)據(jù)，運(yùn)用探索性因子分析和結(jié)構(gòu)方程模型，考察了杭州城鎮(zhèn)居民對(duì)食品安全的滿意程度，探索其影響因素及薄弱之處，針對(duì)得出的結(jié)論提出政策建議。根據(jù)食品安全的定義，以及結(jié)合杭州食品市場(chǎng)的有關(guān)現(xiàn)實(shí)狀況，作者歸納了20個(gè)可能影響食品安全的因素，作為食品安全滿意度評(píng)價(jià)體系的單項(xiàng)指標(biāo)如：技術(shù)認(rèn)證、有關(guān)法律、執(zhí)法力度、政府政策、監(jiān)管體系、許可認(rèn)證等。將20個(gè)指標(biāo)分為5個(gè)滿意度因子①治理監(jiān)管因子②生產(chǎn)加工因子③有害物質(zhì)因子④質(zhì)量狀況因子⑤社會(huì)監(jiān)督因子。將居民食品安全滿意度作為一級(jí)指標(biāo)，5個(gè)因子作為二級(jí)指標(biāo)，上文提到的20個(gè)指標(biāo)作為三級(jí)指標(biāo)。通過(guò)對(duì)杭州多個(gè)城區(qū)的居民進(jìn)行問(wèn)卷調(diào)查獲得數(shù)據(jù)來(lái)源，發(fā)放400份有效問(wèn)卷383份。最后通過(guò)結(jié)構(gòu)方程建立模型，進(jìn)行模型修正得出結(jié)論：（1）杭州城鎮(zhèn)居民食品安全滿意度總指數(shù)為63.89。（2）居民對(duì)社會(huì)監(jiān)督因子的滿意度最高，而對(duì)有害物質(zhì)因子的滿意度最低。在對(duì)有害物質(zhì)因子滿意度進(jìn)行分析后，發(fā)現(xiàn)居民對(duì)添加劑使用的滿意度最低。（3）成熟的監(jiān)管體系、合理的執(zhí)法力度對(duì)于維護(hù)食品消費(fèi)市場(chǎng)的安全至關(guān)重要。提出的建議是：（1）增強(qiáng)食品信息透明度，建立食品安全信息發(fā)布平臺(tái)（2）宣傳《食品安全法》，普及食品安全知識(shí)（3）加大食品安全問(wèn)題的懲處和法律制裁的力度。梁一鳴,張鈺爛,董西釧《基于結(jié)構(gòu)方程模型的杭州城鎮(zhèn)居民食品安713.2土地、住房領(lǐng)域武文杰，劉志林，張文忠《基于結(jié)構(gòu)方程模型的北京居住用地價(jià)格影響因素評(píng)價(jià)》（2010）

選取了北京市2004-2008年土地交易的微觀數(shù)據(jù)，基于結(jié)構(gòu)方程模型構(gòu)建了地價(jià)估計(jì)模型，定量分析了生活、交通、環(huán)境設(shè)施便利性和工作便利性這4類外生潛變量對(duì)居住用地出讓價(jià)格的影響程度，從而測(cè)度出房地產(chǎn)開發(fā)商對(duì)它們的偏好差異度。文中作者指出，目前，主要有兩大類估計(jì)技術(shù)來(lái)求解結(jié)構(gòu)方程模型?！N是基于最大似然估計(jì)(ML)的協(xié)方差結(jié)構(gòu)分析方法，該方法被稱為“硬模型”(HardModeling)，以LISREL方法為代表；另一種則是基于偏最小二乘(PLS)的結(jié)構(gòu)方程模型，被稱為“軟模型”(SoftModeling)，以PLS方法為代表。這是一種檢驗(yàn)觀測(cè)變量和潛變量、潛變量和潛變量之間關(guān)系的多元先驗(yàn)?zāi)Ｐ?。帶有潛變量的結(jié)構(gòu)方程模型由測(cè)量模型和結(jié)構(gòu)模型兩部分組成。本文的研究目的是反映對(duì)于居住用地價(jià)格具有重要影響的各種因素以及這些變異量對(duì)居住用地價(jià)格影響程度的解釋，因而選用PLS方法來(lái)求解結(jié)構(gòu)方程模型，從而得到相對(duì)穩(wěn)健的評(píng)估。居住用地價(jià)格影響因素的結(jié)構(gòu)方程模型包括一個(gè)測(cè)量模型和一個(gè)結(jié)構(gòu)模型。其中，測(cè)量模型反映了4類外生潛變量（生活、交通、環(huán)境設(shè)施便利性和工作便利性）和其觀測(cè)變量（居住地離醫(yī)院、政府、郵局、學(xué)校、銀行、公園、商場(chǎng)、地鐵站、公共廣場(chǎng)的距離）之間的關(guān)系，結(jié)構(gòu)模型用于表示四種外生潛變量和內(nèi)生潛變量(居住用地出讓價(jià)格)之間的關(guān)系。研究結(jié)論顯示，生活、交通、環(huán)境設(shè)施便利性和工作便利性這4類外生潛變量對(duì)觀測(cè)變量的解釋能力均較強(qiáng)。其中，這4類外生潛變量分別對(duì)學(xué)校、地鐵站、公園和企業(yè)單位聚集中心的可達(dá)性的解釋能力相對(duì)較好。另一方面，生活、交通、環(huán)境設(shè)施便利性和工作便利性均顯著性地影響北京市居住用地出讓價(jià)格，但其影響力程度不同。其中，工作便利性對(duì)居住用地價(jià)格的影響程度相對(duì)最強(qiáng)，而交通、生活和環(huán)境設(shè)施便利性對(duì)居住用地價(jià)格的影響程度依次減弱。作者還指出，本文只是從居住用地價(jià)格的影響因素——居住用地地塊與各種影響因素的可達(dá)性關(guān)系而設(shè)定了評(píng)價(jià)模型，因而所構(gòu)建的結(jié)構(gòu)方程模型還有許多有待研究的問(wèn)題，例如，模型的指標(biāo)體系可能設(shè)置的不夠全面和準(zhǔn)確，還有更多的因素應(yīng)考慮在內(nèi)。而且，隨著時(shí)間、地點(diǎn)和房地產(chǎn)調(diào)控政策的變化，評(píng)價(jià)結(jié)果也會(huì)發(fā)生變化。但是本文對(duì)房地產(chǎn)開發(fā)商制定住宅開發(fā)戰(zhàn)略有較好的借鑒意義。同時(shí)，也將有助于政府規(guī)劃部門了解目前北京市公共服務(wù)設(shè)施的空間布局結(jié)構(gòu),改善居住用地周邊公共服務(wù)設(shè)施的可達(dá)性有一定的參考價(jià)值。3.2土地、住房領(lǐng)域武文杰，劉志林，張文忠《基于結(jié)構(gòu)方程模型72孔榮，王亞軍《農(nóng)戶集中居住意愿的影響因素分析》(2010)

利用對(duì)徐州市4個(gè)縣的320戶農(nóng)戶的調(diào)查數(shù)據(jù)，在理論上進(jìn)行分析和假設(shè)，認(rèn)為農(nóng)戶是否愿意集中居住(參與農(nóng)村居民點(diǎn)用地的集約利用)，主要取決于以下六類因素：1．被調(diào)查農(nóng)民自身特征：如年齡、受教育程度、有無(wú)技術(shù)專長(zhǎng)等。2．農(nóng)戶家庭特征：如家中有無(wú)黨員、有無(wú)村干部、有無(wú)小孩等。3．農(nóng)戶現(xiàn)居住情況：人均住房面積、住房安全狀況、住址離城鎮(zhèn)距離等。4．農(nóng)戶家庭經(jīng)濟(jì)特征：如人均純收入、收入主要來(lái)源渠道(收入主要來(lái)源于是農(nóng)業(yè)產(chǎn)業(yè)還是非農(nóng)產(chǎn)業(yè))等。5．當(dāng)?shù)厣鐣?huì)狀況：如交通、通訊、治安、鄰里關(guān)系等。6．政府政策：住房補(bǔ)助金額、集中居住地點(diǎn)的選址、集中居住后的住房和基礎(chǔ)設(shè)施狀況等。在問(wèn)卷調(diào)查中根據(jù)六種影響因素設(shè)計(jì)18個(gè)指標(biāo)，比如年齡、受教育程度、有無(wú)技術(shù)專長(zhǎng)、家中有無(wú)黨員、人均住房面積、人均純收入等。通過(guò)結(jié)構(gòu)方程模型分析顯示：在所選取的18個(gè)指標(biāo)中除了通訊外，其余指標(biāo)對(duì)農(nóng)民參與居民點(diǎn)集中利用都有明顯的影響，除了年齡外其余指標(biāo)對(duì)集中居住意愿的路徑系數(shù)均為正值，表明其他17個(gè)指標(biāo)對(duì)集中居住意愿都起到正向作用。針對(duì)分析結(jié)果提出的建議是，1．提高集中居住地的居住條件，并改善配套的基礎(chǔ)設(shè)施，如學(xué)校、醫(yī)院等。2．在正式推行集中居住之前，可以先搞試點(diǎn)，而試點(diǎn)區(qū)域就可以選擇那些交通不便的、離城鎮(zhèn)較遠(yuǎn)的村莊。3．引導(dǎo)和支持農(nóng)戶非農(nóng)就業(yè)，如通過(guò)職業(yè)培訓(xùn)、介紹外出打工、支持農(nóng)戶創(chuàng)業(yè)等，減少農(nóng)民對(duì)農(nóng)地的依賴，這樣有利于農(nóng)地集中利用，規(guī)模經(jīng)營(yíng)?？讟s，王亞軍《農(nóng)戶集中居住意愿的影響因素分析》(2010)734教育領(lǐng)域中的應(yīng)用劉彪，舒劍萍《基于結(jié)構(gòu)方程模型的高校教職工心理癥狀及其影響因素的相關(guān)分析》（2009）對(duì)1132名高校教職工進(jìn)行問(wèn)卷調(diào)查,探討了高校教職工應(yīng)激生活事件、社會(huì)支持、領(lǐng)悟社會(huì)支持、應(yīng)對(duì)方式與心理癥狀的關(guān)系。運(yùn)用驗(yàn)證性因子分析得出指標(biāo)對(duì)應(yīng)的因子負(fù)荷顯著。用結(jié)構(gòu)方程模型對(duì)數(shù)據(jù)進(jìn)行擬合,發(fā)現(xiàn)應(yīng)激生活事件、社會(huì)支持、領(lǐng)悟社會(huì)支持、消極應(yīng)對(duì)、積極應(yīng)對(duì)對(duì)癥狀總分有直接影響。在建立結(jié)構(gòu)方程模型時(shí)，將應(yīng)激生活事件作為外生潛變量,癥狀總分、積極應(yīng)對(duì)、消極應(yīng)對(duì)、社會(huì)支持、領(lǐng)悟社會(huì)支持作為內(nèi)生潛變量。其中應(yīng)激事件的指標(biāo)為家庭、工作學(xué)習(xí)、社交及其它因子得分，積極應(yīng)對(duì)的指標(biāo)為解決問(wèn)題、求助的因子得分,消極應(yīng)對(duì)的指標(biāo)為退避、幻想、發(fā)泄、忍耐的得分。社會(huì)支持的指標(biāo)為主觀支持、客觀支持、支持利用度的因子得分。領(lǐng)悟社會(huì)支持的指標(biāo)為家庭支持、朋友支持、其它支持的因子得分。癥狀總分的指標(biāo)為10個(gè)因子的因子得分。4教育領(lǐng)域中的應(yīng)用劉彪，舒劍萍《基于結(jié)構(gòu)方程模型的高校教74林彥蕓《于結(jié)構(gòu)方程模型的廣東省中學(xué)教師參與體育活動(dòng)影響因素分析》（2010）運(yùn)用結(jié)構(gòu)方程模型來(lái)研究中學(xué)教師參與體育活動(dòng)的影響因素。在此基礎(chǔ)上尋找對(duì)策,將參與體育活動(dòng)最大限度地納入到中學(xué)教師生活方式當(dāng)中。數(shù)據(jù)獨(dú)立地采用了2008年廣東省中學(xué)教師參與體育鍛煉調(diào)查的1527個(gè)樣本,從調(diào)查者的性格特征、興趣愛(ài)好、家庭影響、體育氛圍、生理因素、壓力因素、余暇時(shí)間、經(jīng)濟(jì)收入八個(gè)方面來(lái)研究其對(duì)參與體育鍛煉的影響。依據(jù)這個(gè)八個(gè)方面建立結(jié)構(gòu)方程反應(yīng)各個(gè)因素對(duì)體育鍛煉影響的程度，通過(guò)擬合性檢驗(yàn)后得出結(jié)論，對(duì)參與體育鍛煉影響最大的是家庭影響,模型中對(duì)參與體育活動(dòng)的總影響為0.621，性格特征、生理因素及興趣愛(ài)好對(duì)參與體育活動(dòng)積極程度的總影響氛圍為0.467、0.458和0.395,相對(duì)影響較大，體育氛圍、余暇時(shí)間及經(jīng)濟(jì)收入對(duì)參與體育活動(dòng)積極性影響程度值分別為0.121、0.089、0.116,對(duì)中學(xué)體育教師參與體育活動(dòng)影響較小。建議:1、要以家庭為單位,而非單一地面向教師群體,倡導(dǎo)中學(xué)教師群體主動(dòng)參與體育。2、要關(guān)心中學(xué)教師群體的心理健康。3、要根據(jù)中學(xué)教師的興趣愛(ài)好、性格特征,因地而異、有針對(duì)性地在學(xué)校、社會(huì)修建一些投資少、鍛煉效果好、管理方便又能吸引人的體育設(shè)施,包括公共體育設(shè)施以及社區(qū)體育設(shè)施,為中學(xué)教師參與體育提供良好的外在環(huán)境。林彥蕓《于結(jié)構(gòu)方程模型的