1数据格式转换
因为Mplus只能打开ASCII格式的文件（.dat和.txt文件），所以常规的SPSS数据库的数据不能被读取，所以数据分析之前先要将sav格式另存为dat格式。另存为选项里有两类dat格式，一般可选用“以制表符分隔”，当数据量较大时，可选“固定ASCII格式”。这两类并没有明显特异的使用条件。
选择某一种dat格式后，“将变量名写入表格”这一项不要勾选。然后保存。一般将该数据文件和mplus语句文件放在一个文件夹。
2 打开mplus程序，建立新文件，即点击“new”。当然，新打开Mplus程序也会默认这个界面。
3 编辑命令。这是Mplus分析数据最核心的步骤
3.1 首先我们可以给该分析起个名字（该步骤可有可无），例如：
TITLE: example
3.2 然后表明我们引用的数据库来自于哪里，也就是刚刚那个DAT文件。命令为：DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat;
这里面需要注意的是：DATA: FILE IS （或者DATA: FILE=）是固定句式，是必要的。之后“C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat”这是DAT文件的保存路径。一般情况下，如果mplus语句文件和dat文件在同一个文件夹中，只需要DATA: FILE IS数据库.dat; 但实际上很多情况下，两者即使在同一个文件中，也很可能读不出来，所以必要的话，可将该DAT文件的保存路径写全，这样肯定是没错的。
另外，一个命令结束后，必须必须加上“;”即英文格式下的分号（除外TITLE）。
3.3 写出数据库中所有的变量名称以及本次分析需要的变量名称。这需要按照spss数据库中变量名称顺序来写。
VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4;
USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4;
当然这是最基本繁琐的写法，可以直接写为：
VARIABLE: NAMES ARE a1-a9 b1-b4 c1-c4;
USEVARIABLES ARES ARE a1-a9 b1-b4 c1-c4;
不同变量间有空格。
因为我们本次分析需要纳入该数据库所有变量，所以上下两行变量是一样的，否则需要哪些变量，在USEVARIABLES里面纳入哪些变量。
3.4 分析方法
因为MPLUS中针对连续型变量的结构方程模型的默认分析方法是最小二乘法即ML ，所以如果使用的方法是这个，那么分析方法语句可以不写，当然也可以写，即ANALYSIS: ESTIMATOR = ML;
如果采用其他方法，需要写出来，例如ANALYSIS: ESTIMATOR = MLR;或者ANALYSIS: ESTIMATOR = WLSMV;
另外ANALYSIS中还有TYPE语句，MODEL语句，INFORMATION语句，如果没有特殊要求，我们就按照Mplus的默认方式分析就可，故不用写出来。如果分析采用其他方式，则需要写出来。
命令举例：ANALYSIS: ESTIMATOR = ML; TYPE = GENERAL;
MODEL=NOMEANSTRUCTURE; INFORMATION=EXPECTED;
3.5模型语句
比如我们预期的结构方程模型是这样的：
首先我们要将各个观测变量使用“BY”合并得出三个潜变量，也就是我们研究的自变量y2，中介变量y1，和因变量y3.
语句为：
MODEL: y1 BY a1-a9;
y2 BY b1-b4;
y3 BY c1-c4;
然后使用“ON”来表示各潜变量之间的回归关系，即：
y3 ON y1 y2;
y1 ON y2;
ON前面的是结局变量，后面的是预测变量。
所以模型语句合并起来就是：
MODEL: y1 BY a1-a9;
y2 BY b1-b4;
y3 BY c1-c4;
y3 ON y1 y2;
y1 ON y2;
3.6 最后一步是输出语句，如果没有特殊要求，我们需要的结构Mplus的默认程序都会呈现。如果有特殊要求也可以写出来，例如：
OUTPUT: SAMPSTAT TECH1 TECH4 STDYX MOD;
所以将所有语句写出来就是：
TITLE: example
DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat; VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; MODEL: y1 BY a1-a9;
y2 BY b1-b4;
y3 BY c1-c4;
y3 ON y1 y2;
y1 ON y2;
如图
然后点击RUN按钮
它会提示你保存该语句
保存完成后，结果就出来了。
如果想看我们得到的结构方程图的话，点击菜单栏的Diagram，选择View diagram
这需要JAVA工具。如果电脑没有的话，会提示你安装
安装完，既可以观看图示。
結 構方程程模型型及其應 新增資 應用 資料
目錄 內容 頁數 引言 2 I. 第9.1版的改動 3 - 4 II. 章節內的新增資料 第一章 5 第三章 6 – 8 第十二章 9 – 10 第十四章 11 – 17 III. 附录內的新增資料 19 1
引言 自2005，為方便普通話及廣東話的學生，修習香港中文大學我所任教的結構方程課程，我製做了一個含有2種方言的網上課程，其後我亦將整個課程放在個人網頁(https://www.doczj.com/doc/ad80286.html,)免費讓公眾使用。 網上課程更精簡地解釋重點，尤其是對本書最艱深的部份（第三、四章），幫助最大。學員先看綱上課程，再參考書本內容，必感事半功倍。 主要参考文獻： du Toit, S., du Toit, M., Mels, G., & Cheng, Y. (n.d.). LISREL for Windows: SIMPLIS syntax files. Lincolnwood, IL: Scientific Software International, Inc. (available https://www.doczj.com/doc/ad80286.html,/lisrel/techdocs/SIMPLISSyntax.pdf) J?reskog, K.G. & S?rbom, D. (1999). LISREL 8: User’s Reference Guide. Lincolnwood, IL: Scientific Software International, Inc. J?reskog, K.G. & S?rbom, D. (1999). Structural Equation Modeling with the SIMPLIS Command Language. Lincolnwood, IL: Scientific Software International, Inc. Scientific Software International (SSI) (2012). LISREL 9.1 Release Notes. Lincolnwood, IL: The Author. (available from https://www.doczj.com/doc/ad80286.html,/lisrel/LISREL_9.1_Release_Notes.pdf) 2
1数据格式转换 因为Mplus只能打开ASCII格式的文件（.dat和.txt文件），所以常规的SPSS数据库的数据不能被读取，所以数据分析之前先要将sav格式另存为dat格式。另存为选项里有两类dat格式，一般可选用“以制表符分隔”，当数据量较大时，可选“固定ASCII格式”。这两类并没 有明显特异的使用条件。 2打开mplus程序，建立新文件，即点击"new”。当然，新打开Mplus程序也会默认这个
TITLE: example 3.2然后表明我们引用的数据库来自于哪里，也就是刚刚那个DAT文件。命令为： DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程数据库.dat; 这里面需要注意的是：DATA: FILE IS （或者DATA: FILE=是固定句式，是必要的。之后 “C:\Users\dell\Desktop\MPLUS结构方程模型教程数据库.dat”这是DAT文件的保存路径。一般情况下，如果mplus语句文件和dat文件在同一个文件夹中，只需要DATA: FILE I黴据库.dat;但实际上很多情况下，两者即使在同一个文件中，也很可能读不出来，所以必要的话，可将该DAT文件的保存路径写全，这样肯定是没错的。 另外，一个命令结束后，必须必须加上“；”即英文格式下的分号（除外TITLE）° 3.3写出数据库中所有的变量名称以及本次分析需要的变量名称。这需要按照spss数据库中变量名称顺序来写。 VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; 当然这是最基本繁琐的写法，可以直接写为： VARIABLE: NAMES ARE a1-a9 b1-b4 c1-c4; USEVARIABLES ARES ARE a1-a9 b1-b4 c1-c4; 不同变量间有空格。 因为我们本次分析需要纳入该数据库所有变量，所以上下两行变量是一样的，否则需要哪些 变量，在USEVARIABLE里面纳入哪些变量。 3.4分析方法 因为MPLUS中针对连续型变量的结构方程模型的默认分析方法是最小二乘法即ML，所以 如果使用的方法是这个，那么分析方法语句可以不写，当然也可以写，即ANALYSIS: ESTIMATOR = ML; 如果采用其他方法，需要写出来，例如ANALYSIS:ESTIMATOR = MLR;或者ANALYSIS: ESTIMATOR = WLSMV;
应用案例1 第一节模型设定 结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。 一、模型构建的思路 本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。 二、潜变量和可测变量的设定 本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。 模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。 表 2.1、顾客满意模型中各因素的具体范畴 参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2。 1关于该案例的操作也可结合书上第七章的相关内容来看。 2本案例是在Amos7中完成的。 3见spss数据文件“处理后的数据.sav”。
表
三、关于顾客满意调查数据的收集 本次问卷调研的对象为居住在某大学校内的各类学生（包括全日制本科生、全日制硕士和博士研究生），并且近一个月内在校内某超市有购物体验的学生。调查采用随机拦访的方式，并且为避免样本的同质性和重复填写，按照性别和被访者经常光顾的超市进行控制。问卷内容包括7个潜变量因子，24项可测指标，7个人口变量，量表采用了Likert10级量度，如对 四、缺失值的处理 采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。最终得到401条数据，基于这部分数据做分析。 五、数据的的信度和效度检验 1．数据的信度检验 4正向的，采用Likert10级量度从“非常低”到“非常高”
结构方程模型的应用及分析策略 侯杰泰成子娟 (香港中文大学教育学院东北师范大学教育学院，130024) 摘要:差不多所有心理、教育、社会等概念，均难以直接准确测量，结构方程(SEM，Structural Equation Modelling)提供一个处理测量误差的方法，采用多个指标去反映潜在变量，也令估计整个模型因子间关系，较传统回归方法更为准确合理。本文主要用一系列有关学习动机的虚拟例子，指出每个问题的主要分析策略，以展示SEM在教育及心理学可以应用的研究范畴。文内探讨的方法包括：验证性因素、高阶因子、路径及因果分析、多时段(multiwave)设计、单形模型(Simple Model)、及多组比较等。 关键词结构方程验证性因素分析路径及因果分析高阶因子多组比较 结构方程(SEM,Structural Equation Modelling)、协方差结构模型(Covariance Structure Modelling、LISREL)等类似名词已渐流行，并成为一种十分重要的数据分析技巧；在大学高等学位研究课程，它是多变量分析(multivariate analysis)的重要课题；比较重要的社会、教育、心理期刊，也早已特开专栏介绍(如：候，1994；Connell & Tanaka,1987;Joreskog & Sorbom,1982)；可见SEM在统计学中所建立的声望及崇高地位是无容置疑的。本文主要用一系列有关学习动机的虚拟例子，来指出每个问题的主要分析策略，以展示结构方程模型在教育及心理学可以应用的研究范畴。 一、结构方程：优点及拟合概念 1.数学模式 很多社会、心理等变项，均不能准确地及直接地量度，这包括智力、社会阶层、学习动机等，我们只好退而求其次，用一些外项指标(observable indicators)，去反映这些潜伏变项。例如：我们以学生父母教育程度、父母职业及其收入(共六个变项)，作为学生家庭社经地位(潜伏变项)的指标，我们又以学生中、英、数三科成绩(外显变项)，作为学业成就(潜伏变项)的指标。 简单来说SEM可分测量(measurement)及潜伏变项(latent variable)两部分。测量部分就是求出六个社经指标与社经地位(或三科成绩与学业成就)(即外显指标与潜伏变项之间)的关系：而潜伏变项部分则指社经地位与学业成就(即潜伏变项与潜伏变项间)的关系。 指标(外显变项)含有随机(或系统)性的量度上误差，但潜伏变项则不含这些部份。SEM可用以下矩阵方程表示(Bollen,1989;Joreskog & Sorbom,1993)： η=βη+Γξ+ζ
《结构方程模型及其应用》 内容简介 侯杰泰，香港中文大学教育心理系教授、系主任。主要研究方向为学习动机，应用统计和香港语文政策。曾多次在北京、上海、南京、长春、广州等地举办的地区或全国性结构方程分析研习班上讲学。 在社会、心理、教育、经济、管理、市场等研究的数据分析中，当今称得上前沿的几个统计方法中，应用最广、研究最多的恐怕非结构方程分析莫属。它包含了方差分析、回归分析、路径分析和因子分析，弥补了传统回归分析和因子分析的不足，可以分析多因多果的联系、潜变量的关系，还可以处理多水平数据和纵向数据，是非常重要的多元数据分析工具。 本书是国内第一本系统介绍结构方程模型和LISREL的著作。阐述了结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、输出结果的解释和模型评价。《结构方程模型及其应用》还讨论了一些与结构方程模型有关的专题，是一本由初级至中上程度的结构方程分析著作，可作为有关专业高年级本科生和研究生的教科书及应用工作者的参考书。 目录 序 第一部分结构方程模型入门 第一章引言
一、描述数据 二、具体例子展示准确与简洁的考虑 三、探索性与验证性因子分析比较 第二章结构方程模型简介 一、结构方程模型的重要性 二、结构方程模型的结构 三、结构方程模型的优点 四、结构方程模型包含的统计方法 五、路径图的图标规则 六、结构方程分析软件包 七、LISIREL操作入门 第二部分结构方程模型应用 第三章应用示范I：验证性因子分析和全模型 一、验证性因子分析 二、多质多法模型 三、全模型 四、高阶因子分析 第四章应用示范II：单纯形和多组模型 一、单纯形模型 二、多组验证性因子分析 三、多组分析：均值结构模型 四、回归模型
AMOS输出解读 惠顿研究 惠顿数据文件在各种结构方程模型中被当作经典案例，包括AMOS 和LISREL。本文以惠顿的社会疏离感追踪研究为例详细解释AMOS的输出结果。AMOS同样能处理与时间有关的自相关回归。 惠顿研究涉及三个潜变量，每个潜变量由两个观测变量确定。67疏离感由67无力感（在1967年无力感量表上的得分）和67无价值感（在1967年无价值感量表上的得分）确定。71疏离感的处理方式相同，使用1971年对应的两个量表的得分。第三个潜变量，SES（社会经济地位）是由教育（上学年数）和SEI (邓肯的社会经济指数)确定。 解读步骤 1.导入数据。 AMOS在文件ex06-a.amw中提供惠顿数据文件。使用File/Open，选择这个文件。在图形模式中，文件显示如下。虽然这里是预定义模式，图形模式允许你给变量添加椭圆，方形，箭头等元素建立新模型
2.模型识别。 潜变量的方差和与它关联的回归系数取决于变量的测量单位，但刚开始谁知道呢。比如说要估计误差的回归系数同时也估计误差的方差，就好像说“我买了10块钱的黄瓜，然后你就推测有几根黄瓜，每根黄瓜多少钱”，这是不可能实现的，因为没有足够的信息。如何告诉你“我买了10块钱的黄瓜，有5根”，你便可以推出每根黄瓜2块钱。对潜变量，必须给它们指定一个数值，要么是与潜变量有关的回归系数，要么是它的方差。对误差项的处理也是一样。一旦做完这些处理，其它系数在模型中就可以被估计。在这里我们把与误差项关联的路径设为1，再从潜变量指向观测变量的路径中选一条把它设为1。这样就给每个潜变量设置了测量尺度，如果没有这个测量尺度，模型是不确定的。有了这些约束，模型就可以识别了。 注释：设置的数值可以是1，也可以是其它数，这些数对回归系数没有影响，但对误差有影响，在标准化的情况下，误差项的路径系数平方等于它的测量方差。 3.解释模型。 模型设置完毕后，在图形模式中点击工具栏中计算估计按钮 。输出如下。蓝色字体用于注解，不是AMOS输出的一部分。 Title Example 6, Model A: Exploratory analysis Stability of alienation, mediated by ses. Correlations, standard deviations and means from Wheaton et al. (1977). 以上是标题，全是英文，自己翻译去吧。 Notes for Group (Group number 1) The model is recursive. Sample size = 932 各组注释：它告诉你模型为递归模型，样本量为932。
Amos软件操作 1.模型设定 结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos软件进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。 2.模型构建的思路 根据构建的理论模型，通过设计问卷对留学生学习汉语的学习动机、学习策略和焦虑调查得到实际数据，然后利用对缺失值进行处理后的数据进行分析，并对文中提出的模型进行拟合、修正和解释。 3.潜变量和可测变量的设定 模型中共包含2个因素(潜变量)：学习动机、学习策略，7个可测变量：融入型动机、工具型动机、焦虑、记忆策略、认知策略、情感策略和社交策略。 4.关于调查数据的收集 本次问卷调研的对象为不同国家的留学生 5.缺失值的处理 采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。数据的的信度和效度检验 1）．数据的信度检验 信度（reliability）指测量结果（数据）一致性或稳定性的程度。一致性主要反映的是测验内部题目之间的关系，考察测验的各个题目是否测量了相同的内容或特质。稳定性是指用一种测量工具（譬如同一份问卷）对同一群受试者进行不同时间上的重复测量结果间的可靠系数。如果问卷设计合理，重复测量的结果间应该高度相关。由于本案例并没有进行多次重复测量，所以主要采用反映内部一致性的指标来测量数据的信度。 Cronbach在1951年提出了一种新的方法（Cronbach's Alpha系数），这种方法将测量工具中任一条目结果同其他所有条目作比较，对量表进行内部一致性估计。
Amos实现 一、Amos模型设定操作 1．模型的绘制 在使用Amos进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。相关软件操作如下： 第一步，使用建模区域绘制模型中的2个潜变量。为了保持图形的美观，可以使用先绘制一个潜变量，再使用复制工具绘制其他潜变量，以保证潜变量大小一致。在潜变量上点击右键选择Object Properties，为潜变量命名。绘制好的潜变量图形。 第二步设置潜变量之间的关系。使用来设置变量间的因果关系，使用 来设置变量间的相关关系。绘制好的潜变量关系图。 第三步为潜变量设置可测变量及相应的残差变量(一定要设置残差)，可以使用绘制，也可以使用和自行绘制。在可测变量上点击右键选择Object Properties，为可测变量命名。其中Variable Name一项对应的是数据中的变量名，在残差变量上右键选择Object Properties为残差变量命名。最终绘制完成模型结果。 2．数据文件的配置 Amos可以处理多种数据格式，如文本文档（*.txt），表格文档（*.xls、*.wk1），数据库文档（*.dbf、*.mdb），SPSS文档（*.sav）等。 为了配置数据文件，选择File菜单中的Data Files，出现对话框，然后点击File name按钮，会再出现一个对话框，找到需要读入的数据文件“处理后的数据.sav”,双击文件名或点击下面的“打开”按钮，最后点击对话框中“ok”按钮就读入数据了。 二、模型拟合 1.参数估计方法选择 模型运算是使用软件进行模型参数估计的过程。Amos提供了多种模型运算方法供选择。可以通过点击View菜单在Analysis Properties（或点击工具栏的 ）中的Estimation项选择相应的估计方法。
因为Mplus只能打开ASCII格式的文件（.dat和.txt文件），所以常规的SPSS数据库的数据不能被读取，所以数据分析之前先要将sav格式另存为dat格式。另存为选项里有两类dat格式，一般可选用“以制表符分隔”，当数据量较大时，可选“固定ASCII格式”。这两类并没有明显特异的使用条件。 选择某一种dat格式后，“将变量名写入表格”这一项不要勾选。然后保存。一般将该数据文件和mplus语句文件放在一个文件夹。 2 打开mplus程序，建立新文件，即点击“new”。当然，新打开Mplus程序也会默认这个界面。 3 编辑命令。这是Mplus分析数据最核心的步骤 首先我们可以给该分析起个名字（该步骤可有可无），例如： TITLE: example 然后表明我们引用的数据库来自于哪里，也就是刚刚那个DAT文件。命令为： DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat; 这里面需要注意的是： DATA: FILE IS （或者DATA: FILE=）是固定句式，是必要的。之后“C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat”这是DAT文件的保存路径。一般情况下，如果mplus语句文件和dat文件在同一个文件夹中，只需要DATA: FILE IS数据库.dat; 但实际上很多情况下，两者即使在同一个文件中，也很可能读不出来，所以必要的话，可将该DAT文件的保存路径写全，这样肯定是没错的。 另外，一个命令结束后，必须必须加上“;”即英文格式下的分号（除外TITLE）。 写出数据库中所有的变量名称以及本次分析需要的变量名称。这需要按照spss数据库中变量名称顺序来写。 VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; 当然这是最基本繁琐的写法，可以直接写为： VARIABLE: NAMES ARE a1-a9 b1-b4 c1-c4;
★结构方程模型要点 一、结构方程模型的模型构成 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，由观测变量推估出来的变量（路径图中以椭圆形表示） 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 中介变量：当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。 生潜在变量：潜变量作为生变量 生观测变量：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、固定参数 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 ①将潜在变量下的各观测变量的残差项方差设置为1 ②将潜在变量下的各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： ①矩形框表示观测变量 ②圆或椭圆表示潜在变量 ③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，表示生变量未能被外生潜在变量解释的部分，是方程的误差 ④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
. 1数据格式转换 因为Mplus只能打开ASCII格式的文件（.dat和.txt文件），所以常规的SPSS数据库的数据不能被读取，所以数据分析之前先要将sav格式另存为dat格式。另存为选项里有两类dat格式，一般可选用“以制表符分隔”，当数据量较大时，可选“固定ASCII格式”。这两类并没有明显特异的使用条件。 。然后保存。一般将该数据不要勾选dat选择某一种格式后，“将变量名写入表格”这一项语句文件放在一个文件夹。mplus文件和 . .
2 打开mplus程序，建立新文件，即点击“new”。当然，新打开Mplus程序也会默认这个界面。 Mplus分析数据最核心的步骤3 编辑命令。这是首先我们可以给该分析起个名字（该步骤可有可无），例如：3.1 TITLE: example 文件。命令为：DAT3.2 然后表明我们引用的数据库来自于哪里，也就是刚刚那个.dat; 数据库DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程\）是固定句式，是必要的。之后FILE=IS （或者DATA: 这里面需要注意的是：DATA: FILE 文件的保存路径。DAT.dat”这是“C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库数据DATA: FILE ISdat文件在同一个文件夹中，只需要一般情况下，如果mplus语句文件和但实际上很多情况下，两者即使在同一个文件中，也很可能读不出来，所以必要的库.dat; DAT文件的保存路径写全，这样肯定是没错的。话，可将该）。;”即英文格式下的分号（除外TITLE另外，一个命令结束后，必须必须加上“数据库中spss需要的变量名称。这需要按照写出数据库中3.3 所有的变量名称以及本次分析来写。变量名称顺序VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; 当然这是最基本繁琐的写法，可以直接写为：VARIABLE: NAMES ARE a1-a9 b1-b4 c1-c4; USEVARIABLES ARES ARE a1-a9 b1-b4 c1-c4; 不同变量间有空格。否则需要哪些因为我们本次分析需要纳入该数据库所有变量，所以上下两行变量是一样的，里面纳入哪些变量。USEVARIABLES变量，在分析方法3.4 ，所以中针对连续型变量的结构方程模型的默认分析方法是最小二乘法即MPLUSML 因为ANALYSIS: 如果使用的方法是这个，那么分析方法语句可以不写，当然也可以写，即ESTIMATOR = ML; ANALYSIS: 或者= ANALYSIS: 如果采用其他方法，需要写出来，例如ESTIMATOR MLR;ESTIMATOR = WLSMV; . . 另外ANALYSIS中还有TYPE语句，MODEL语句，INFORMATION语句，如果没有特殊要求，我们就按照Mplus的默认方式分析就可，故不用写出来。如果分析采用其他方式，则需要写出来。
AMOS结构方程模型修正经典案例 第一节模型设定结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解 释四个步骤。下面以一个研究实例作为说明，使用 Amos7 软件1进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。 一、模型构建的思路 本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据2进行分析，并对文中提出的模型进行拟合、修正和解释。 二、潜变量和可测变量的设定 本文在继承 ASCI 模型核心概念的基础上，对模型作了一些改进，在模型中 增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。 模型中共包含七个因素 (潜变量 )：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素 是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍， 2000)。 表 7-1设计的结构路径图和基本路径假设 设计的结构路径图基本路径假设 超市形象 顾客抱怨质量期望 感知价值 顾客满意 质量感知 顾客忠诚超市形象对质量期望有路径影响 质量期望对质量感知有路径影响 质量感知对感知价格有路径影响 质量期望对感知价格有路径影响 感知价格对顾客满意有路径影响 顾客满意对顾客忠诚有路径影响 超市形象对顾客满意有路径影响 超市形象对顾客忠诚有路径影响 2.1 、顾客满意模型中各因素的具体范畴 1本案例是在Amos7 中完成的。 2见 spss数据文件“处理后的数据 .sav”。
宋锋华编辑制作——更多内容请访问“统计之都”
AMOS 的使用
?
第一部分: 介绍
o o o o
关于文挡 访问 AMOS 文挡 获得 AMOS 帮助 SEM 概述 SEM 术语 为什么使用 SEM? 合理的样本量 连续和正态内生变量 模型识别（识别方程） 完整数据或缺失数据的适当处理 模型规范和因果关系的理论基础 结构方程——多重回归关系的说明 使用 AG 绘制模型 将数据读入到 AMOS 中 选择 AMOS 分析选项和运行模型 评估整体模型拟合 绝对拟合检验 相对拟合检验 修改模型获得较好的拟合优度 浏览路径图 独立参数的显著性检验
?
第二部分 : SEM 基础
o o o
?
第三部分: SEM 假设
o o o o o
?
第四部分: 使用 AG 建立和检验模型
o o o o
?
第五部分: AMOS 输出解释
o o o o o o
?
第六部分:摘要：结论的实质性解释
1
第一部分:介绍
关于文档
SEM=Structural Equation Modeling Amos=Analysis of Moment Structures
本课程使用 AMOS（距结构分析）软件对结构方程进行简单的介绍和概述。结构方程模型 (SEM) 包括多种统计技术，如路径分析，验证性因子分析，带潜变量的因果关系模型，甚 至方差分析和多重线性回归。 课程介绍 SEM 的逻辑，SEM 的假设和输入需求，怎样使用 AMOS 执行 SEM 分析。 到课程结束，能够使用 AMOS 拟合 SEM。也能给出 SEM 适合研究问题的评价和 SEM 方 法基本假设的概述。
You must do it
应该已经知道使用 SAS，SPSS 或类似统计软件怎样产生多重线性回归分析。也应该理解 怎样解释多重线性回归分析的输出。最后，应该理解基本微软视窗导航操作：打开文件和文 件夹，保存文件，重新调用先前保存过的文件，等等。
访问 AMOS
可以用下列三种方法访问 AMOS： 1. 个人计算机用户须从 SPSS 公司(SPSS 许可版本)或者 Smallwaters 公司(独立版本) 获得许可密码 2. 德克萨斯大学的教师，学生和职员经由 STATS 视窗终端服务器访问 AMOS。要使 用终端服务器，必须获得 ITS 计算机账号（或分类账号） ，然后在 NT 服务器上验证 账号。接下来下载和配置客户端软件使个人计算机，Macintosh，或 UNIX 工作站 能连接终端服务器。最后连接服务器，通过双击位于 STATS 终端服务组中 AMOS 程序肖像登陆 AMOS。如何获得 ITS 计算机账号的细节，账号使用的变更，下载客 户端软件和配置指导可以在 General FAQ #30: Connecting to published statistical applications on the ITS Windows Terminal Server. 中找到。 3. 从 AMOS development website 网站下载免费 AMOS 学生版到个人计算机上。 如果模型比较小，免费演示版能充分满足需求。对大型模型，需要购买 AMOS 软件 或通过校园网络访问 ITS 共享的软件副本。特别是如果决定利用服务器访问其它程 序软件（例如，SAS，SPSS，HLM，Mplus 等等） ，后一项选择最有效。
文档
2
Amos模型设定操作 在使用AMOS进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。 1.绘制潜变量 使用建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties，为潜变量命名。 2.为潜变量设置可测变量及相应的残差变量 使用绘制。在可测变量上点击右键选择Object Properties为可测变量命名。其中Variable Name 对应的是数据的变量名，在残差变量上右键选择Object Properties为残差变量命名。
3.配置数据文件，读入数据 File——Data Files——File Name——OK。 4.模型拟合 View——Analysis Properties——Estimation——Maximum Likelihood。 5.标准化系数 Analysis Properties——Output——Standardized Estimates——因子载荷标准化系数。
6.参数估计结果 Analyze——Calculate Estimates。红色框架部分是模型运算基本结果信息，点击View the Output Path Diagram查看参数估计结果图。 7.模型评价 点击查看AMOS路径系数或载荷系数以及拟合指标评价。 路径系数/载荷系数的显著性 模型评价首先需要对路径系数或载荷系数进行统计显著性检验。 模型拟合指数 模型拟合指数是考察理论结构模型对数据拟合程度的统计指标。拟合指数的作用是考察理论模型与数据的适配程度，并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考，还需要根据所研究问题的背景知识进行模型合理性讨论。
1什么是结构方程模型？ 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。 ?結構方程模式(Structural Equation Models，簡稱SEM)，早期稱為線性結構方程模式(Linear Structural Relationships，簡稱LISREL)或稱為共變數結構分析(Covariance Structure Analysis)。 ?主要目的在於考驗潛在變項(Latent variables)與外顯變項(Manifest variable, 又稱觀察變項)之關係，此種關係猶如古典測驗理論中真分數(true score)與實得分數(observed score)之關係。它結合了因素分析(factor analysis)與路徑分析(path analysis)，包涵測量與結構模式。 ? 1.1介绍潜在变量与观察变量的概念 ?（1）很多社会、心理研究中所涉及到的变量，都不能准确、直接地测量，这种变量称为潜变量，如工作自主权、工作满意度等。 ?（2）这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。如用工作方式选择、工作目标调整作为工作自主权（潜变量）的指标，以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度（外显指标）作为工作满意度的指标。 ?（3）传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型则能同时处理潜变量及其指标。 （4）书上第7页 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 1.2介绍测量模型与结构模型的概念（书上第9页）
有的说每个观察变量最好有10 个样本，有的说200 到500 之间比较好。在SEM中，与一般的研究方法相同，样本量越大越好，但是在SEM中，绝对指标卡方容易受到样本量的影响，样本越大，越容易达到显著水平。 在结构方程建模中，在观察变量到潜在变量的路径系数中，必须规定一条为 1 做标准求的其他路径系数和潜变量的值。潜变量之间就不用规定为 1 了。 内衍变量和观察变量都要有一个误差量e。 指标变量包括观察变量和误差变量 如何让绘图区变宽：可以在view 里面的 interface properties 中点击 landscape 在进入模型检验之前，首先检验是否出现违反估计： 负的误差方差存在 标准化系数超过或太接近1（通常以0.95 ） 验证性因素分析 信度：建构信度 等于标准化因素负荷量和的平方/ （标准化因素负荷量和的平方+(1-标准化因素负荷量的平 方 )的和） 收敛效度：平均方差抽取量：是指可以直显示被潜在构念所解释的变异量有多少是来自测量 误差的，平均方差变异量越大，来自于测量误差越少，即因子对于观察数据的变异解释越大， 一般是平均方差抽取量要大于0.5，是一种收敛效度的指标。
等于标准化因素负荷量的平方之和/ 题目数目 验证性因素分析基本模型适配度检验摘要表: 是否没有负的误差变异量e1 e2e3 因素负荷量（潜在变量与观察变量之间的标准化系数）是否介于0.5 到 0.95 之间Variances 是否没有很大的标准误 (路径系数的标准误 ) 整体模型适配度检验摘要表: 绝对适配度指数 卡方值， p 大于 0.05，说明数据本身的协方差矩阵和模型的协方差矩阵是匹配的。 RMR 值小于 0.05， RMSEA小于 0.08（小于 0.05 优良，若是小于0.08 良好） GFI 大于 0.90，适配优度 AGFI 大于 0.90（调整后的适配度） 增值适配度指数 NFI 大于 0.90 RFI 大于 0.90 IFI 大于 0.90 TLI(也称为 NNFI) 大于 0.90 CFI大于 0.90 简约适配度指数： PGFI 大于 0.50 PNFI 大于 0.50 PCFI大于 0.50 CN 大于 200 卡方自由度比小于 2.0，或者小于 3.0 AIC 理论模型值小于独立模型值且二者同时小于饱和模型值 CAIC同 AIC 验证性因素分析的内在质量参数表
第一章绪论 1.1 模型表述 1.1.1 测量模型 1.1.2 结构模型 1.1.3 模型表达方程 1.2 模型识别 1.3 模型估计 1.4 模型评估 1.5 模型修正 附录1.1 将总体方差／协方差表达为模型参数的函数附录1.2 结构方程模型的最大似然函数 第二章验证性因子分析模型 2.1 验证性因子分析模型基础知识 2.2 连续观察标识的验证性因子分析模型 2.3 非正态与删截连续观察标识的验证性因子分析模型2. 3.1 非正态性检验 2.3.2 非正态数据的验证性因子分析模型 2.3.3 删截标识的验证性生因子分析模型 2.4 分类观察标识的验证性因子分析模型 2.5 高阶验证性因子分析模型 附录2.1 BSI-18量表 附录2.2 条目可靠度 附录2.3 Cronbacha系数 附录2.4 分类结局测量的连接函数和概率计算 第三章结构方程模型 3.1 MIMIC模型 3.2 结构方程模型 3.3 单标识变量中测量误差的校正 3.4 检验涉及潜变量的交互作用
附录3.1 测量误差的影响 第四章潜发展模型 4.1 线性潜发展模型 4.2 非线性潜发展模型 4.3 多结局测量发展过程的线性潜发展模型 4.4 两部式潜发展模型 4.5 分类结局测量的潜发展模型 第五章多组模型 5.1 多组验证性因子分析模型 5.1.1 多组一阶验证性因子分析模型 5.1.2 多组二阶验证性因子分析模型 5.2 多组结构方程模型 5.3 多组潜发展模型 第六章结构方程建模的样本量估计 6.1 结构方程模型样本量估计的经验法则 6.2 satorra-Saris法估计样本量 6.2.1 应用satorra-Saris法估计CFA模型的样本量 6.2.2 应用satorra-Saris法估计LGM模型的样本量 6.3 蒙特卡罗模拟法估计样本量 6.3.1 蒙特卡罗模拟法估计CFA模型的样本量 6.3.2 蒙特卡罗模拟法估计LGM模型的样本量 6.3.3 蒙特卡罗模拟法估计具有协变量的LGM模型样本量 6.3.4 蒙特卡罗模拟法估计具有协变量和缺失值的LGM模型样本量6.4 基于模型拟合统计量／指标的SEM样本量估计 参考文献
表
一、关于顾客满意调查数据的收集 本次问卷调研的对象为居住在某大学校内的各类学生（包括全日制本科生、全日制硕士和博士研究生），并且近一个月内在校内某超市有购物体验的学生。调查采用随机拦访的方式，并且为避免样本的同质性和重复填写，按照性别和被访者经常光顾的超市进行控制。问卷内容包括7个潜变量因子，24项可测指标，7个人口变量，量表采用了Likert10级量度，如对 1正向的，采用Likert10级量度从“非常低”到“非常高”
二、缺失值的处理 采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。最终得到401条数据，基于这部分数据做分析。 三、数据的的信度和效度检验 1．数据的信度检验 信度（reliability）指测量结果（数据）一致性或稳定性的程度。一致性主要反映的是测验内部题目之间的关系，考察测验的各个题目是否测量了相同的内容或特质。稳定性是指用一种测量工具（譬如同一份问卷）对同一群受试者进行不同时间上的重复测量结果间的可靠系数。如果问卷设计合理，重复测量的结果间应该高度相关。由于本案例并没有进行多次重复测量，所以主要采用反映内部一致性的指标来测量数据的信度。 折半信度（split-half reliability）是将测量工具中的条目按奇偶数或前后分成两半，采用Spearman-brown公式估计相关系数，相关系数高提示内部一致性好。然而，折半信度系数是建立在两半问题条目分数的方差相等这一假设基础上的，但实际数据并不一定满足这一假定，因此信度往往被低估。Cronbach在1951年提出了一种新的方法（Cronbach's Alpha系数），这种方法将测量工具中任一条目结果同其他所有条目作比较，对量表内部一致性估计更为慎重，因此克服了折半信度的缺点。本章采用SPSS16.0研究数据的内部一致性。在Analyze菜单中选择Scale下的Reliability Analysis（如图7-1），将数据中在左边方框中待分析的24个题目一 一选中，然后点击，左边方框中待分析的24个题目进入右边的items方框中，使用Alpha 模型（默认），得到图7-2，然后点击ok即可得到如表7-3的结果，显示Cronbach's Alpha系数为0.892，说明案例所使用数据具有较好的信度。 图7-1 信度分析的选择
M p l u s结构方程模型步骤(入门)
1数据格式转换 因为Mplus只能打开ASCII格式的文件（.dat和.txt文件），所以常规的SPSS 数据库的数据不能被读取，所以数据分析之前先要将sav格式另存为dat格式。另存为选项里有两类dat格式，一般可选用“以制表符分隔”，当数据量较大时，可选“固定ASCII格式”。这两类并没有明显特异的使用条件。 选择某一种dat格式后，“将变量名写入表格”这一项不要勾选。然后保存。一般将该数据文件和mplus语句文件放在一个文件夹。
2 打开mplus程序，建立新文件，即点击“new”。当然，新打开Mplus程序也会默认这个界面。 3 编辑命令。这是Mplus分析数据最核心的步骤 3.1 首先我们可以给该分析起个名字（该步骤可有可无），例如： TITLE: example 3.2 然后表明我们引用的数据库来自于哪里，也就是刚刚那个DAT文件。命令为： DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat; 这里面需要注意的是： DATA: FILE IS （或者DATA: FILE=）是固定句式，是必要的。之后“C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat”这是DAT文件的保存路径。一般情况下，如果mplus语句文件和dat文件在同一个文件夹中，只需要DATA: FILE IS数据库.dat; 但实际上很多情况下，两者即使在同一个文件中，也很可能读不出来，所以必要的话，可将该DAT文件的保存路径写全，这样肯定是没错的。 另外，一个命令结束后，必须必须加上“;”即英文格式下的分号（除外TITLE）。 3.3 写出数据库中所有的变量名称以及本次分析需要的变量名称。这需要按照spss数据库中变量名称顺序来写。 VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; 当然这是最基本繁琐的写法，可以直接写为： VARIABLE: NAMES ARE a1-a9 b1-b4 c1-c4; USEVARIABLES ARES ARE a1-a9 b1-b4 c1-c4; 不同变量间有空格。 因为我们本次分析需要纳入该数据库所有变量，所以上下两行变量是一样的，否则需要哪些变量，在USEVARIABLES里面纳入哪些变量。 3.4 分析方法