结构方程分析探究：统计方法

结构方程模型（Structural Equation Modeling，简称SEM）是一种基于变量的协方差距阵来分析变量之间关系的统计方法，在心理学、社会学、经济学、行为科学等领域得到广泛应用，本书将采用结构方程模型检验构建的CB2BE模型是否成立。

结构方程模型是一种建立、估计和检验因果关系模型的方法。与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。结构方程模型允许自变量和因变量含有测量误差，变量可以用多个问项测量，传统的回归由于不能排除误差干扰而使结果出现偏差。在传统路径分析中，我们只估计每一个路径（变量间关系）的强弱。在结构方程分析中，除了上述参数的估计外，我们还可以计算不同模型对同一个样本数据的整体拟合程度，从而判断哪一个模型更接近数据所呈现的关系。

结构方程模型是验证性因子模型和（潜变量）因果模型的结合，所包含的因子模型部分称为测量模型（measurement model），其中的方程称为测量方程（measurement equation），描述了潜变量与指标之间的关系。结构方程模型包含的因果模型部分称为潜变量模型（latent variable model），也成为结构模型，其中的方程成为结构方程（structural equation），描述了潜变量之间的关系（侯杰泰，2004）。

在SEM中，主要有两类变量，一是可观测变量（测量变量、显变量），分为外生可观测变量和内生可观测变量，用于反映相对应的各潜变量，在问卷中，表示为量表中的各个问项；二是潜变量，分为外生潜变量和内生潜变量，往往是不能直接观察的比较抽象的概念，外生潜变量作用于内生潜变量，潜变量是理论模型中欲研究的变量，或称为因子。

SEM可以分为测量模型（外部模型）和结构模型（内部模型）两部分。测量模型用于检验观测变量和相应潜变量之间的关系，常用于验证性因子分析，做量表信度和效度检验。结构模型用于检验外生潜变量和内生潜变量之间的关系，也是对理论模型的检验。两个模型方程式表示为：

测量模型方程式：

上式中，y代表内生观测变量组成的向量，x代表外生观测变量组成的向量；Λy代表内生观测变量到内生潜变量之间的因子载荷矩阵，Λx代表外生观测变量到外生潜变量之间的因子载荷矩阵：ε代表内生观测变量的测量误差，δ代表外生观测变量的测量误差。

结构模型方程式：

(www.xing528.com)

在4.6式中，η代表内生潜变量构成的向量，ξ代表外生潜变量构成的向量，B代表内生潜变量之间的路径系数矩阵，Γ代表外生潜变量的路径系数矩阵，ζ代表结构方程的误差项构成的向量，反映了η在方程中未能被解释的部分。

模型假设：

1）测量方程误差项ε、δ的均值为零；

2）结构方程残差项ζ的均值为零；

3）误差项ε、δ与因子η、ξ之间不相关，ε与δ不相关。

4）残差项ζ与ξ、ε、δ之间不相关。

结构方程分析可以进行如下分析：（a）模型构建（model specification），包括指定观测变量（指标）与潜变量（因子）的关系以及各潜变量间的相互关系等；（b）模型拟合（model fitting），其目标是求参数使得模型隐含的协方差矩阵（即再生矩阵）与样本协方差矩阵“差距”最小；（c）模型评价（model assessment），包括检验参数与预设模型的关系是否合理以及模型的整体拟合指数，如NNFI、CFI、RMSEA等，以衡量模型的拟合程度（模型的拟合优度指标如表4.30所示）；（d）模型修正（model modification），用样本数据去修正重组测量模型，再检查新模型的拟合指数。

表4.30　模型的拟合指标

（资料来源：邱皓政，林碧芳.结构方程模型的原理与应用［M］.北京：中国轻工业出版社，2009.）