结构方程模型67069

结构方程模型结构方程模型6706967069结构方程模型的原理构方程模型的原理 一、一、结构方程模型概述构方程模型概述1 结构方程模型是应用线性方程表示观测变量与潜变量之间，以及潜在变量之间关系的一种多元统计方法，其实质是一种广义的一般线性模型。2 发展历程20世纪70年代，一些学者（Joreskog,1973;Wiley,1973）将因子分析、路径分析等统计方法整合，提出结构方程初步概念。Joreskog与其合作者进一步发展矩阵模型的分析技术来处理共变结构的分析问题，提出测量模型与结构模型的概念，促成SEM的发展。Ullman（1996）定义结构方程为“一种验证一个或多个自变量与一个或多个因变量之间一组相关关系的多元分析程式，其中自变量和因变量既可以是连续的，也可以是离散的”，突出其验证多个自变量与多个因变量之间关系的特点。3 SEM与几种多元方法的比较SEM与传统多元统计方法（多元统计）传统多元统计方法：检验自变量和因变量的单一关系（多元方差分析可以处理多个，但是关系也是单一的）SEM:综合多种方法，验证性分析，允许测量误差的存在SEM与典型相关分析（多个自变量与多个因变量之间关系）典型相关分析：两组随机变量（定性或定量）之间线性密切程度；高维列联表各边际变量的线性关系；探索性分析SEM:估计多元和相互关联的因变量之间的线性关系；处理不可观测的假设概念；说明测量误差SEM与联立方程模型（联立方程组、变量之间双向影响）联立方程模型：方程数量取决于内生变量的数量；只能处理有观察值的变量，假定不存在测量误差SEM:处理测量误差；分析潜在变量之间结构关系 SEM与人工神经网络（针对不可观测或潜在变量建模）人工神经网络：执行数据分析时，模型的隐含层接点仍然没有被明确标识出来；数据从输入层通过隐含变量流向输出层（输出向输入回流的网络拓扑结构）SEM:数据分析之前，已经标识潜在变量并构建起假设路径；观测变量都与中心潜在变量相关，潜在变量之间也可能发生关系。SEM与偏最小二乘法（PLS）（集成多种分析方法，对因变量进行测量）PLS：对观测变量协方差矩阵的对角元素拟合较好，适用于对数据点的分析，预测准确度较高SEM:对观测变量协方差矩阵的非对角元素的拟合较好，适合于对协方差结构的分析，参数估计更准确4 SEM的技术特性具有理论先验性同时处理因素的测量关系和因素之间的结构关系以协方差矩阵的运用为核心适用于大样本分析（样本数200）包含不同的统计技术重视多重统计指标的运用5 样本规模大小资料符合常态、无遗漏值及例外值(Bentler&Chou,1987)下，样本比例最小为估计参数的5倍、10倍则更为适当。当原始资料违反常态性假设时，样本比例应提升为估计参数的15倍。以ML法评估，Loehlin(1992)建议样本数至少为100，200较为适当。当样本数为400500时，此法会变得过于敏感，而使得模式不适合。二、二、结构方程模型的基本原理构方程模型的基本原理(一)模型构成1 变量观测变量：能够观测到的变量(路径图中以长方形表示)潜在变量：难以直接观测到的抽象概念，由测量变量推估出来的变量（路径图中以椭圆形表示）内生变量：模型总会受到任何一个其他变量影响的变量（因变量；路径图会受到任何一个其他变量以单箭头指涉的变量外生变量：模型中不受任何其他变量影响但影响其他变量的变量（自变量；路径图中会指向任何一个其他变量，但不受任何变量以单箭头指涉的变量）中介变量：当内生变量同时做因变量和自变量时，表示该变量不仅被其他变量影响，还可能对其他变量产生影响。内生潜在变量：潜变量作为内生变量外生观测变量：外生潜在变量的观测变量外生潜在变量：潜变量作为外生变量外生观测变量：外生潜在变量的观测变量中介潜变量：潜变量作为中介变量中介观测变量：中介潜在变量的观测变量2 参数（“未知”和“估计”）潜在变量自身：总体的平均数或方差变量之间关系：因素载荷，路径系数，协方差参数类型：自由参数：参数大小必须通过统计程序加以估计固定参数：模型拟合过程中无须估计（1）为潜在变量设定的测量尺度 将潜在变量下的各观测变量的残差项方差设置为1 将潜在变量下的观测变量的因子负荷固定为1（2）为提高模型识别度人为设定限定参数：多样本间比较（半自由参数）3 路径图（1）含义：路径分析的最有用的一个工具，用图形形式表示变量之间的各种线性关系，包括直接的和间接的关系。（2）常用记号：矩形框表示观测变量圆或椭圆表示潜在变量小的圆或椭圆，或无任何框，表示方程或测量的误差单向箭头指向指标或观测变量，表示测量误差单向箭头指向因子或潜在变量，表示内生变量未能被外生潜在变量解释的部分，是方程的误差单向箭头连接的两个变量表示假定有因果关系，箭头由原因（外生）变量指向结果（内生）变量两个变量之间连线的两端都有箭头，表示它们之间互为因果弧形双箭头表示假定两个变量之间没有结构关系，但有相关关系变量之间没有任何连接线，表示假定它们之间没有 直接联系（3）路径系数含义：路径分析模型的回归系数，用来衡量变量之间影响程度或变量的效应大小（标准化系数、非标准化系数）类型：反映外生变量影响内生变量的路径系数反映内生变量影响内生变量的路径系数路径系数的下标：第一部分所指向的结果变量第二部分表示原因变量（4）效应分解直接效应：原因变量（外生或内生变量）对结果变量（内生变量）的直接影响，大小等于原因变量到结果变量的路径系数间接效应：原因变量通过一个或多个中介变量对结果变量所产生的影响，大小为所有从原因变量出发，通过所有中介变量结束于结果变量的路径系数乘积总效应：原因变量对结果变量的效应总和 总效应=直接效应+间接效应3 矩阵方程式（1）和（2）是测量模型方程，（3）是结构模型方程 是外生观测变量向量，为外生潜在变量向量，外生观测变量在外生潜在变量上的因子负荷矩阵，外生观测变量的残差项向量；为内生观测变量向量，为内生潜在变量向量，为内生观测向量在内生潜在变量上的因子负荷矩阵，为内生观测向量的残差项向量；和 都是路径系数，表示内生潜在变量之间的关系，表示外生潜在变量对内生潜在变量的 影响，为结构方程的误差项 测量模型：反映潜在变量和观测变量之间的关系方程式：结构模型：反映潜在变量之间因果关系方程式：结构方程模型的八种矩阵概念（二）模型识别1 模型整体识别性（1）t法则数据资料点数DP=(p+q)*(p+q+1)/2 （p+q）表示观测变量个数待估参数数目（自由参数）t=参数总数固定参数t DP，模型识别不足t=DP，模型充分识别（2）虚无B矩阵模型中没有任何内生变量去影响其他内生变量，无结构关系假设，没有任何结构参数（）的估计，B矩阵为0，模型自动识别。（3）递归法则B矩阵呈现三角形状态（对称矩阵，所有变量间的结构参数均加以估计），而 呈现对角线状态（仅估计干扰项的方差，干扰项的相关不列入估计），此时为递归模型且为饱和模型，模型自动识别2 测量模型的识别性只有一个潜在变量，至少要有三个测量变量，其因素载荷必须不等于0，测量残差之间没有任何相关假设超过一个以上的潜在变量，每一个潜在变量只要有至少三个测量变量来估计，每一个测量变量只用以估计单一一个潜在变量，残差之间没有共变假设潜在变量只以两个测量变量来估计，残差无相关，每一个测量变量只用以估计单一一个潜在变量且没有任何一个潜在变量的共变或方差为03 结构模型的识别性虚无B矩阵法则递归法则每一个方程式至少要有（q-1）个变量不属于非递归模型用以计算标准误的讯息矩阵必须可以被完全估计，并可以求出倒置信息矩阵（三）参数估计1 假设条件测量模型误差项 ，的均值为零结构模型的残差项 的均值为零误差项 ，与因子 ，之间不相关，误差项 与 不相关残差项 与 ，之间不相关2 共变推导（1）协方差协方差：利用两个变量间观测值与其均值离差的期望观测两个变量间的关系强弱。（2）运算定理(3)导出矩阵两个具有相关的潜在变量的两个具有相关的潜在变量的CFA图图(3)导出矩阵观测变量方程式：同一潜在变量的两个观测变量的协方差：同一潜在变量的两个观测变量的协方差：不同潜在变量的两个观测变量的协方差：不同潜在变量的两个观测变量的协方差：观测变量的方差：观测变量的方差：逐一计算六个观测变量的方差与配对协方差，参数的方差与协方参数的方差与协方差导出矩阵差导出矩阵（）S矩阵：矩阵：样本观测值的方差与协方差矩阵（6*6）残差矩阵残差矩阵=S 估计协方差矩阵与观测协方差矩阵的差异极小化（4）参数估计策略加权最小平方策略（WLS）拟合函数：表示估计协方差矩阵与观察协方差矩阵的差异最大概似法(ML)基本假设：观察数据都是从总体中抽取得到的数据，且所抽取的样本必须是所有可能样本中被选择的几率最大者无加权最小平方法(ULS)一般化最小平方法（GLS）渐进分布自由法（ADF）（5）迭代运算停止条件达到计算机预计的叠代次数，如25次模式收敛完成，亦即达到计算机预设标准（四）模型拟合评价1 参数检验（1）参数的显著性检验t=参数估计值/标准误t的绝对值大于2，则参数即可达到.05的显著水平样本数低于30时，样本数越小，t值要越大才能超越显著水平的门槛（2）参数的合理性检验参数估计值是否有合理的实际意义：参数的符号是否符合理论假设参数的取值范围是否合理参数是否可以得到合理解释2 模型整体评价(五)模型修正1 参考标准模型所得结果是适当的所得模型的实际意义、模型变量间的实际意义和所得参数与实际假设的关系是合理的参考多个不同的整体拟合指数2 修正原则省俭原则两个模型拟合度差别不大的情况下，应取两个模型中较简单的模型拟合度差别很大，应采取拟合更好的模型，暂不考虑模型的简洁性最后采用的模型应是用较少参数但符合实际意义，且能较好拟合数据的模型等同模式等同模式：用不同的方法表示各个潜在变量之间的关系，能得出基本相同的结果，参数个数相同，拟合程度相同的模式。实际意义多次验证3 模型修正方向模型扩展方面（放松一些路径系数，提高拟合度）修正指数MI反映的是一个固定或限制参数被恢复自由时，卡方值可能减少的最小的量。如果MI变化很小，则修正没有意义；通常认为MI4,模型修正才有意义。（显著水平为0.05时，临界值为3.84）模型简约方面（删除或限制一些路径系数，使模型变简洁）临界比率CR通过自由度调整卡方值，以供选择参数不是过多，又能满足一定拟合度的模型，寻找CR比率最小者单个参数调整设为0两个变量之间路径系数关系进行调整，设为相等4 模型修正内容（1）测量模型修正添加或删除因子载荷添加或删除因子之间的协方差添加或删除测量误差的协方差（2）结构模型修正增加或减少潜在变量数目添加或删减路径系数添加或删除残差项的协方差1 验证性因子分析（CFA）F1e1F2e2e3e4e5e6x1x2x3x4x5x611一阶验证性因子分析一阶验证性因子分析F1e1F2e2e3e4e5e6x1x2x3x4x5x611F31二阶（高阶）验证性因子分析二阶（高阶）验证性因子分析绩效绩效期望期望满意度满意度忠诚度忠诚度2 路径分析递归模型递归模型D1D2非递归模型非递归模型自我效能感自我效能感社会期待社会期待成就动机成就动机学业表现学业表现D1D20.290.630.210.020.130.16路径分析参数估计图路径分析参数估计图自我效能对于学业表现的模型衍生相关：（轨迹法则）1 直接效应：自我效能 学业表现=0.292 间接效应：自我效能 成就动机 学业表现=0.133 相关间接效应：自我效能 社会期待 学业表现=0.13*0.16=0.02自我效能 社会期待 成就动机 学业表现=0.13*0.02*0.21=0.000546衍生相关为0.29+0.13+0.02+0.00=0.44Y1X2X1Y2D1D2时间延宕非递归模型时间延宕非递归模型工具型变量模型工具型变量模型3 统合模型分析x1x2x3F1F1满意度满意度满意度满意度F2F2忠诚度忠诚度忠诚度忠诚度y1y2y3e ee e4 4L Lx1b bD De e5 5e e6 6e ee e测量残差测量残差外生观察变量外生观察变量因素负荷量因素负荷量外生潜在变量外生潜在变量结构参数结构参数内生潜在变量内生潜在变量因素负荷量因素负荷量内生观察变量内生观察变量结构模式结构模式测量测量(CFA)模式模式测量残差测量残差L Lx2L Lx3L Ly1L Ly2L Ly3测量测量(CFA)模式模式结构方程模型的构方程模型的AMOS实现赵新栋赵新栋 M0301091 Amos学学习网址网址SPSS与与Amos一般的研究论文的数据分析部分少不了对样本的描述、对变量进行探索性因子分析（EFA），然后再利用多变量分析技术或SEM进行数据分析，最后提出研究结论（验证假说），提出建议。基于这样的了解，我们来看看SPSS与Amos所发挥的功能：利用利用amos做做统计检验利用amos，所得到的值是显著性（p值），我们要用显著性和我们所设的显著水平值做比较，如果显著性大于值，未达到显著水平，则接受虚无假说；如果显著性小于值，达到显著水平，则拒绝虚无假说（即发现有统计上的显著性）。在统计检验时，本书所设定的显著性水平皆是0.05（=0.05）Amos操作操作环境境启动启动AmosGraphics，映入眼帘的是，映入眼帘的是Amos的操作环境。左边是工具箱，中的操作环境。左边是工具箱，中间是显示区，右边是绘图区。如图间是显示区，右边是绘图区。如图二、建立模型二、建立模型建立路径建立路径图1制作潜在变量：制作潜在变量：在工具箱中选“”，然后在绘图区从左上到右下拉出一个椭圆。2制作指标变量制作指标变量指标变量包括观察变量和误差变量。在工具箱中选“”，然后在绘图区中的椭圆“”上点一下。就会出现指标变量，每多点一下，就出现一个指标变量。要改变指标变量的方向，可以按“”。3建立潜在变量之间的关系建立潜在变量之间的关系“”表示影响，因果关系。“”表示相关性。4读取数据文件读取数据文件注意：在读取数据之前，要对数据的完整性（如遗漏值的处理、观察变量的信度等）进行处理。）在工具箱中选选择数据文件“”，在出现的“Data Files”窗口中，点击“File Name”，在 出现的“开启”窗口中，选择要读取的文件。数据的读入方式有两种：以观察变量的原始数据或者以观察变量相关系数矩阵读入。5交代交代变量名称量名称观察变量：在工具箱中选“”，就会出现“Variables in Dataset”窗口。此时，先点住变量名称，然后拖动到适当的观察变量上后松手，这个变量名称就独到观察变量上了。潜在变量名称：在对象上双击就会出现“object properties”窗口，在“variable name”上键入文字即可。误差变量名称，可以按【plugins】、【name Unobserved Variables】。6完整模型：如完整模型：如图显示重要参数：在工具箱中示重要参数：在工具箱中选“”，然后在，然后在绘图区点一下，出区点一下，出现下下图然后在Figure Caption 窗口中输入Chi Square=cmindf=dfp=p点点击ok，就会出，就会出现一下情况：一下情况：在工具箱中点击Calculate estimates的图示“”，产生估计值，在点击显示区的view the output path diagram 图示“”。结果如图显示：三、分三、分组组如果数据文件有必要分组，自读取数据文件之后，要分别交代Group Variable、Group Value四、分析四、分析输输出出报报表表1.违反估计2.正态性检验与异常值处理3.拟合度1.违违反估反估计计违反估计是指模型内统计所输出的估计系数，超出了可接受的范围。违反估计的项目有：负的误差方差的存在标准化洗漱超过或太接近1（通常以0.95为门槛）2.正正态态性性检验检验与异常与异常值处值处理理Asessment of normality表中的c.r.掉膘偏度系数或者峰度系数除以标准误的临界值，最后一行为Mardis多变量峰度系数c.r.。当c.r.大于2时，则暗示有些单变量可能具有异常值。Observations farthest from the centroid表中通常看p2值，当p2值很小时（例如小于0.05）即表示该观察值为异常值。3.拟拟合度合度AMOS是以卡方统计量来进行检验的，一般以卡方值p大于0.05判断模型是否具有良好的拟合度。但是卡方统计量容易受到样本大小的影响，因此还要参考其他拟合指标。如下图：四、模型修正四、模型修正在regression weights表中，可看到Modification Indices（M.I.）值，找出误差变量之间最大的项目，是卡方值减少，p值增加，是我们修正模型的主要目标。五、探索最佳模型五、探索最佳模型点【analyze】，在出现的“specification search”工具列中，点击最左边的虚线“make arrow optional”的图标，然后在个变量之间的箭头上分别加以点选，使他们呈现出虚线。五、探索最佳模型五、探索最佳模型在“specification search”工具列中，点“option”图示，在出现的“options”，其current results选“zero-based(min=0)”,dian next search,在”retain only the best model”左边方格中，将数值设为10。五、探索最佳模型五、探索最佳模型在“specification search”工具列中点“perform specification search”图标，就会产生“拟合指标汇总表”根据BCC与BIC来决定最佳模型。在specification search窗口中，先点r图示，再在模型所代表的数字上点两下，就会出现该模型的路径系数。六、六、递归递归与非与非递归递归模型模型PA-VO的路径分析有两种应用模型：递归与非递归。递归与非递归模型可以从两个角度来判别：1.变量之间有无回溯关系2.残差之间是否具有残差相关。七、直接效果与七、直接效果与间间接效果接效果直接效果是某一变量对另一变量的直接影响。间接效果是某一变量通过某一中介变量对另一变量的直接影响。总效果等于直接效果加上间接效果。通常：如果直接效果大于间接效果，表示中介变量不发挥作用，可以忽略；如果直接效果小于间接效果，表示中介变量具有影响力，要重视中介变量结构方程模型的文献构方程模型的文献综述述焦涛焦涛 M0301091 结结构方程在各构方程在各领领域的域的应应用用1结构方程在医疗卫生领域的应用结构方程在医疗卫生领域的应用1.1生育保险生育保险 杨树东，闵捷，沈其君等生育保险病种费用影响因素结构方程模型分析（2008）通过建立结构模型研究了生育保险病种费用影响因素，为生育保险按病种付费提供依据。抽取了南京市4家医院2002年2004年生育保险参保人员病历首页以及财务结算帐单1525份，用结构方程模型(SEM)方法进行分析。结构模型中的外生的显在变量包括医院等级，病种，年龄，职业，术前住院天数，入院病情和主要诊断程度，内生的显在变量包括病种实际住院天数和住院费用。隐变量包括社会经济特征，临床特征，医院管理和医护质量。其中社会经济特征用医院等级、年龄和职业显变量来估计，病种、入院病情和主要诊断程度可以估计临床特征这个隐变量，术前住院天数和实际住院天数可以估计医院管理和医护质量这个隐变量。最后的拟合结果，三个隐变量对住院费用的影响看，临床特征对住院费用的影响最大，系数为09334，医护质量和社会经济特征对住院费用的影响系数分别为03194和02230，而病种对临床特征的影响最大，这对研究的生育病种付费标准有很大意义，即确定病种付费标准时要充分考虑临床特征的影响，把付费标准的差异最大化的归于临床特征的不同。1.2农村医疗卫生农村医疗卫生张英沽，李士雪，成昌慧张英沽，李士雪，成昌慧参合农民住院概率影响因素的参合农民住院概率影响因素的结构方程模型分析结构方程模型分析（2008）通过采用结构方程模型分析参合农民住院概率的影响因素，并进行模型拟合与评估。调查对象为山东省济南市3个新型农村合作医疗试点县的全体农民，以户为抽样单位，每个县按经济状况和新农合覆盖率的不同随机抽取6个乡镇，共抽取l8个乡镇，每个乡镇再按经济状况和新农合覆盖率不同随机抽取6个村，共108个村，每个村再随机抽取30户家庭组成诃查的样本，共计调查户数为3240户。调查内容主要涉及家庭基本状况、家庭收支情况、各层次医疗机构的住院卫生服务利用情况及其影响因素。住院人群的人口学特征包括住院病人的年龄、性别(生理状态)，文化程度、婚姻状况（社会因素），经济状况、是否患有慢性病以及两周是否患病等。通过结构方程模型得出的结果显示：结构方程模型显示健康状况直接影响住院率(直接影响权重为0.26)；生理状态不仅直接影响住院率(直接影响权重为0.19)，而且通过健康状况和社会因素间接影响住院率(间接影响权重为一0.30)；卫生服务可得性对住院率的影响最小(影响权重仅为0.02)。本文中线性结构方程模型较好的分析了参合农民住院概率的影响因素。陈琦，梁万年，盂群 农村卫生人力培训效果的结构方程模型研（2004）为了研究分折农村卫生人力培训效果的影响因素，为进一步提高培训效果提供理论依据，从中部4省(山西省、安徽省、河南省、河北省)的乡村医生中选出800名作为研究调查对象，运用结构方程模型方法进行分析。在研究中共设了8个潜在变量，即由行医资历、培训形式因子、服务人口因子、培训需求因子和教育程度因子组成的5个外生潜在变量(潜在的自变量)和反映培训效果的工作技能、工作适应性、考核成绩组成的3个内生潜在变量(潜在的因变量)。最后的得出的结论是，影响培训前后工作技能提高的因素主要有：培训形式、被培训者教育程度、被培训者行医的资历及其服务人口的多少。影响工作适应性的有两个因子，培训形式和被培训者培训需求。对考核成绩产生影响的有两个因素即培训形式和被培训者教育程度。最后作者讲到本研究没有对培训费用和培训内容的指标进行调查，如果引入的话可能使结构模型更加完善。1.3长期期护理理舒勤，朱京慈护理研究中结构方程模型应用情况的元分析（2009）回顾了国内外护理研究中运用结构方程模型进行研究分析的历史，分为三个阶段：第一阶段从1980年一1 989年，属于SEM 在护理研究领域应用的萌芽阶段。第二个阶段从1990年1999年，属于发展阶段。第三个阶段从2000年至今，属于应用推广阶段。指出了国内外护理研究学者常运用SEM进行护理相关理论的研究：探索各个因素间的相互关系；对护理理论模型的构建、拟合调整及验证；制定各种护理量表等，涉及的领域包括护理管理、护理心理、家庭护理 社区护理、临床护理等方面；研究方法多采用问卷法、量表法、访谈法等；研究层面从个体、家庭、社区、地区到国家，层面较为丰富。SEM 为护理研究工作者提供了一个比较强大的分析和验证工具；SEM 多因素分析技术在护理领域的研究为研究者打开了思路。SEM可以从微观个体出发探讨宏观规律，对现有的可能存在测量误差的随机变量或不可直接测量的潜在随机变量进行参数估计，在多指标间关系复杂、潜在因子之间存在一定关联或依存关系的情况下建立模型，帮助研究者了解元素间的相互影响和相互作用，探讨护理方案的改进措施，使研究问题得到恰当的解答。2结构方程在构方程在经济管理管理领域的域的应用用2.1食品安全领域食品安全领域刘艳秋，周星刘艳秋，周星QS认证与消费者食品安全信任关系的实证研究认证与消费者食品安全信任关系的实证研究（2008）采用结构方程模型，研究QS认证相关因素影响消费者信任的途径、消费者信任与购买意愿之间的关系，在研究结果基础上对构建基于QS认证的消费者食品安全信任提出相应的对策建议。作者在文章中总结归纳了八个影响QS认证信任的因素：消费者食品安全意(CSA)、企业能力(CA)、企业可信性(CC)、企业可靠性(CR)、企业诚信(CI)、政府和企业及消费者的三方信息交流(IC)、政府执行QS认证的力GE)、政府监管QS认证的水平(GS)。本文假设这八个因素与消费者对QS认证信任呈正相关关系。问卷是在福州和厦门地区四个大型超市，采取路上拦截调查，在不同的时问发放问卷400份，有效为346份。通过结构方程模型(SEM)方法来识别QS认证的影响因素与消费者信任以及购买意愿之间的关系，得出的结论是：消费者安全意识、企业可信性、企业能力、政府监管以及信息交流这五个因素对QS认证信任有显著的影响。针对结论提出了政策建议：（1）加强消费者食品安全教育，提高安全意识（2）政府部门要做好QS认证监管工作，为消费者信任QS认证提供长期政策保证（3）政府部门、企业应及时与消费者应进行信息交流，增加消费者对食品安全的信任，保证QS认证制度顺利实施（4）企业要不断改进其生产安全食品的能力，进而提高消费者的信任（5）食品企业应不断提高企业诚信，创造食品安全诚信文化，打好消费者信任QS认证的基础。梁一鸣梁一鸣,张钰烂张钰烂,董西钏董西钏基于结构方程模型的杭州城镇居基于结构方程模型的杭州城镇居民食品安全满意度统计评估民食品安全满意度统计评估（2009）采用杭州城镇居民食品安全满意度的样本数据，运用探索性因子分析和结构方程模型，考察了杭州城镇居民对食品安全的满意程度，探索其影响因素及薄弱之处，针对得出的结论提出政策建议。根据食品安全的定义，以及结合杭州食品市场的有关现实状况，作者归纳了20 个可能影响食品安全的因素，作为食品安全满意度评价体系的单项指标如：技术认证、有关法律、执法力度、政府政策、监管体系、许可认证等。将20个指标分为5个满意度因子治理监管因子生产加工因子有害物质因子质量状况因子社会监督因子。将居民食品安全满意度作为一级指标，5个因子作为二级指标，上文提到的20个指标作为三级指标。通过对杭州多个城区的居民进行问卷调查获得数据来源，发放400份有效问卷383份。最后通过结构方程建立模型，进行模型修正得出结论：（1）杭州城镇居民食品安全满意度总指数为63.89。（2）居民对社会监督因子的满意度最高，而对有害物质因子的满意度最低。在对有害物质因子满意度进行分析后，发现居民对添加剂使用的满意度最低。（3）成熟的监管体系、合理的执法力度对于维护食品消费市场的安全至关重要。提出的建议是：（1）增强食品信息透明度，建立食品安全信息发布平台（2）宣传食品安全法，普及食品安全知识（3）加大食品安全问题的惩处和法律制裁的力度。3.2土地、住房土地、住房领域域武文杰，刘志林，张文忠基于结构方程模型的北京居住用地价格影响因素评价（2010）选取了北京市2004-2008 年土地交易的微观数据，基于结构方程模型构建了地价估计模型，定量分析了生活、交通、环境设施便利性和工作便利性这4 类外生潜变量对居住用地出让价格的影响程度，从而测度出房地产开发商对它们的偏好差异度。文中作者指出，目前，主要有两大类估计技术来求解结构方程模型。种是基于最大似然估计(ML)的协方差结构分析方法，该方法被称为“硬模型”(Hard Modeling)，以LISREL 方法为代表；另一种则是基于偏最小二乘(PLS)的结构方程模型，被称为“软模型”(Soft Modeling)，以PLS 方法为代表。这是一种检验观测变量和潜变量、潜变量和潜变量之间关系的多元先验模型。带有潜变量的结构方程模型由测量模型和结构模型两部分组成。本文的研究目的是反映对于居住用地价格具有重要影响的各种因素以及这些变异量对居住用地价格影响程度的解释，因而选用PLS方法来求解结构方程模型，从而得到相对稳健的评估。居住用地价格影响因素的结构方程模型包括一个测量模型和一个结构模型。其中，测量模型反映了4 类外生潜变量（生活、交通、环境设施便利性和工作便利性）和其观测变量（居住地离医院、政府、邮局、学校、银行、公园、商场、地铁站、公共广场的距离）之间的关系，结构模型用于表示四种外生潜变量和内生潜变量(居住用地出让价格)之间的关系。研究结论显示，生活、交通、环境设施便利性和工作便利性这4 类外生潜变量对观测变量的解释能力均较强。其中，这4 类外生潜变量分别对学校、地铁站、公园和企业单位聚集中心的可达性的解释能力相对较好。另一方面，生活、交通、环境设施便利性和工作便利性均显著性地影响北京市居住用地出让价格，但其影响力程度不同。其中，工作便利性对居住用地价格的影响程度相对最强，而交通、生活和环境设施便利性对居住用地价格的影响程度依次减弱。作者还指出，本文只是从居住用地价格的影响因素居住用地地块与各种影响因素的可达性关系而设定了评价模型，因而所构建的结构方程模型还有许多有待研究的问题，例如，模型的指标体系可能设置的不够全面和准确，还有更多的因素应考虑在内。而且，随着时间、地点和房地产调控政策的变化，评价结果也会发生变化。但是本文对房地产开发商制定住宅开发战略有较好的借鉴意义。同时，也将有助于政府规划部门了解目前北京市公共服务设施的空间布局结构,改善居住用地周边公共服务设施的可达性有一定的参考价值。孔荣，王亚军孔荣，王亚军农户集中居住意愿的影响因素分析农户集中居住意愿的影响因素分析(2010)利用对徐州市4个县的320户农户的调查数据，在理论上进行分析和假设，认为农户是否愿意集中居住(参与农村居民点用地的集约利用)，主要取决于以下六类因素：1被调查农民自身特征：如年龄、受教育程度、有无技术专长等。2农户家庭特征：如家中有无党员、有无村干部、有无小孩等。3农户现居住情况：人均住房面积、住房安全状况、住址离城镇距离等。4农户家庭经济特征：如人均纯收入、收入主要来源渠道(收入主要来源于是农业产业还是非农产业)等。5当地社会状况：如交通、通讯、治安、邻里关系等。6政府政策：住房补助金额、集中居住地点的选址、集中居住后的住房和基础设施状况等。在问卷调查中根据六种影响因素设计18个指标，比如年龄、受教育程度、有无技术专长、家中有无党员、人均住房面积、人均纯收入等。通过结构方程模型分析显示：在所选取的18个指标中除了通讯外，其余指标对农民参与居民点集中利用都有明显的影响，除了年龄外其余指标对集中居住意愿的路径系数均为正值，表明其他17个指标对集中居住意愿都起到正向作用。针对分析结果提出的建议是，1提高集中居住地的居住条件，并改善配套的基础设施，如学校、医院等。2在正式推行集中居住之前，可以先搞试点，而试点区域就可以选择那些交通不便的、离城镇较远的村庄。3引导和支持农户非农就业，如通过职业培训、介绍外出打工、支持农户创业等，减少农民对农地的依赖，这样有利于农地集中利用，规模经营。4教育教育领域中的域中的应用用刘彪，舒剑萍刘彪，舒剑萍基于结构方程模型的高校教职工心理症状及其影响基于结构方程模型的高校教职工心理症状及其影响因素的相关分析因素的相关分析（2009）对1132 名高校教职工进行问卷调查,探讨了高校教职工应激生活事件、社会支持、领悟社会支持、应对方式与心理症状的关系。运用验证性因子分析得出指标对应的因子负荷显著。用结构方程模型对数据进行拟合,发现应激生活事件、社会支持、领悟社会支持、消极应对、积极应对对症状总分有直接影响。在建立结构方程模型时，将应激生活事件作为外生潜变量,症状总分、积极应对、消极应对、社会支持、领悟社会支持作为内生潜变量。其中应激事件的指标为家庭、工作学习、社交及其它因子得分，积极应对的指标为解决问题、求助的因子得分,消极应对的指标为退避、幻想、发泄、忍耐的得分。社会支持的指标为主观支持、客观支持、支持利用度的因子得分。领悟社会支持的指标为家庭支持、朋友支持、其它支持的因子得分。症状总分的指标为10个因子的因子得分。林彦芸林彦芸于结构方程模型的广东省中学教师参与体育活动于结构方程模型的广东省中学教师参与体育活动影响因素分析影响因素分析（2010）运用结构方程模型来研究中学教师参与体育活动的影响因素。在此基础上寻找对策,将参与体育活动最大限度地纳入到中学教师生活方式当中。数据独立地采用了2008年广东省中学教师参与体育锻炼调查的1527个样本,从调查者的性格特征、兴趣爱好、家庭影响、体育氛围、生理因素、压力因素、余暇时间、经济收入八个方面来研究其对参与体育锻炼的影响。依据这个八个方面建立结构方程反应各个因素对体育锻炼影响的程度，通过拟合性检验后得出结论，对参与体育锻炼影响最大的是家庭影响,模型中对参与体育活动的总影响为0.621，性格特征、生理因素及兴趣爱好对参与体育活动积极程度的总影响氛围为0.467、0.458和0.395,相对影响较大，体育氛围、余暇时间及经济收入对参与体育活动积极性影响程度值分别为0.121、0.089、0.116,对中学体育教师参与体育活动影响较小。建议:1、要以家庭为单位,而非单一地面向教师群体,倡导中学教师群体主动参与体育。2、要关心中学教师群体的心理健康。3、要根据中学教师的兴趣爱好、性格特征,因地而异、有针对性地在学校、社会修建一些投资少、锻炼效果好、管理方便又能吸引人的体育设施,包括公共体育设施以及社区体育设施,为中学教师参与体育提供良好的外在环境。4心里学心里学领域中的域中的应用用赵夫明，王学臣，胡云江赵夫明，王学臣，胡云江结构方程在心理学结构方程在心理学研究中的适用性评价研究中的适用性评价（2009）针对结构方程模式的运用讨论分析结构方程模式在心理学运用过程中的模型建构、模型中潜变量问关系、名义谬误以及结果解释等问题。评述结构方程模式在心理学研究中的适用性。在心理学研究过程中重要的不是研究方法本身。而是对方法的恰当使用。结构方程模式具有传统统计方法不可比拟的优势，但是作为统计技术仍有其同有的特点和不足。一方面，我们应积极使用结构方程模式，使得研究更为系统、准确与深入；另一方面，完全依赖它的分析是相当危险的。相对于方法而言，理论的建构与结果的解释显得更加重要。所以，在心理学研究中应该首先考虑结构方程模式的特性和适用条件，审慎处理各分析环节。方平方平,熊端琴，蔡红熊端琴，蔡红结构方程在心理学研究中的应用结构方程在心理学研究中的应用(2002)认为在心理学领域,许多研究都采用了结构方程模式。这方面的尝试，主要集中在两个问题上：(1)确定数据维度分析测量数据的主要任务在于确定数据所代表的行为范畴。有时观察数据的维度是比较明确的，但有时可能不太明确。例如，同一行为既可能是品德问题，也可能是注意问题或其他问题，它们之间既有区别又有联系，因而在确定其范畴时有很大的困难。就目前的技术而言。可以用验证性因素分析解决数据的维度问题。(2)多源数据(multiple informant date)分析由于许多研究者已认识到数据的似真性，因而他们力图收集多源数据，由多源数据间的相关以增强行为报告的有效性。但这种做法并未取得良好的效果，相反还引发了信度、效度等问题。5、针对结构方程的相关构方程的相关问题5.1应用中存在的问题1）一些研究者为了赶时髦而盲目地应用SEM到任何一个研究中。SEM虽然具有很多其他统计方法所没有的优点,但是,这种方法研究过程复杂、对研究者的知识能力要求较高。另外,任何一种统计研究方法都有其严格的前提条件,只有这些前提条件满足了,才能够运用这个方法,采用这个方法得到的结果才有意义。2）结构方程模型采用的是验证性因素分析，这种因素分析方法与探索性因素分析，所基于的原理是不同的,但多数应用这两种方法的学者不理解或者忽视它们之间的差别。应用探索性因素分析给出的值,在很多情况对于考察潜变量是不合法的。探索性因素分析是根据样本数据所呈现的数据形态决定因子个数和因子指向,我们经常用探索性因素分析来划分一些因子,这样的分析需要多时间、多地点、多样本的重复稳定结论的的支持,才能作为验证性手段SEM的输入数据。一些学者,本身做的是探索性的工作,但又直接用同一个样本数据进行验证性因素分析以支持自己的结论，这是不科学的。3）潜变量应当是反映型还是组合型的问题。对于我们常用的LISREL、AMOS等软件包来讲,每个潜变量都应当是反映型的。从变量特性来讲,反映型是指潜变量决定观测变量(可度量变量),即我们测量的是潜在概念的外在反映。组合型指的是由可度量变量以某种方式共同组成潜变量,组合型潜变量由可见变量共同决定。许多学用者,忽视这种差别而一味采用反映型潜变量,这种做法可能导致逻辑混乱。例如,决定个人的财产的指标有现金价值、股票价值、房产价值、汽车价值等四项指标,对于这些相对独立的指标与个人财产之间的关系,如果在西方社会样本中,有可能是作为反映型变量考虑的,但在中国样本中,就应当考虑采用组合型潜变量,在中国,这四种财产价值往往不是同时增减的,也即四项指标之间的关联性并不强。组合型潜变量使用PLS(Partia l Least Square)软件包，另一种非常实用的数据分析方法,这种方法属于结构方程模型的特例。5.2结构方程学习中的问题1）什么样的情况下才用结构方程建模？是不是存在不可直观测量的因素情况下就可运用。2）结构方程的步骤应包括哪些？五大步骤：模型设定、模型识别、模型估计、模型评价和模型修正，还是八大步骤：理论模型构建、建路径图、变量的具体化和量化、选择模型估计的手段、模型识别、模型评价、模型修正、交叉效度检验。3）如何进行指标变量的测量？观测变量、潜在变量、内生变量、外生变量，怎么准确的确立它们之间的关系？结束语结束语谢谢大家聆听！谢谢大家聆听！83