结构方程模型-CFA

★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）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内生观测变量：内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1②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，表示内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）变量指向结果（内生）变量⑤两个变量之间连线的两端都有箭头，表示它们之间互为因果⑥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⑦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：①反映外生变量影响内生变量的路径系数②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①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②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③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4、矩阵方程式（1）和（2）是测量模型方程，（3）是结构模型方程 测量模型：反映潜在变量和观测变量之间的关系 结构模型：反映潜在变量之间因果关系 5x x ξδ=∧+ （1）y y ηε=∧+ （2） B ηηξζ=+Γ+ （3）三、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①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。

结构方程模型：定义：结构方程模型早期称为线性结构防城模型（Linear Structural Relations hips，简称LISREL）或称为工变数结构分析（Coratiance Strucyure A nalysis）。

主要目的在于检验潜在变项之关系与数个潜在变项间的因果关系。

【陈宽裕，《结构方程模型》-1996年11月】结构方程模型（Structural·Equation·Modeling,SEM)是一种非常通用的、主要的线性统计建模技术，广泛应用于经济学、心理学、社会学、管理学等领域的研究，是社会科学研究中的一个非常好的方法。

内容：结构方程模型包括测量方程（LV和MV之间关系的方程，外部关系）和结构方程（LV 之间关系的方程，内部关系），以ACSI模型为例，具体形式如下：测量方程 y＝Λyη+εy , x＝Λxξ+εx=(1）结构方程η＝Bη+Гξ+ζ或（I-Β）η＝Гξ+ζ（2）其中，η和ξ分别是内生LV和外生LV，y和x分别是和的MV，Λx和Λy是载荷矩阵，Β和Г是路径系数矩阵，ε和ζ是残差。

对这类模型进行参数估计，常使用偏最小二乘（Partial Least Square，PLS）和线性结构关系（LInear Structural RELationships，LISREL）方法。

测量方程描述潜变量与指标之间的关系;结构方程则反映潜变量之间的关系。

——【杜春雪，《结构方程模型理论的建立与应用》，大众科学·科学研究与实践，2008年第18期】SEM模式中，存在四种变量：潜在自变项、潜在依变项、X变项、Y变项。

用法：SEM 具有理论先验性能同时处理测量与分析问题以共变数的运用为核心，亦可处理平均数估计适用于大样本之分析包含了西多不同的统计技术重视多重统计指标的运用负荷量 潜在变项 观察变项 误差结构方程模型是一种非常通用的、主要的线形统计建模技术，广泛应用于心理学、经济学、社会学、行为科学等领域的研究。

结构方程模型基本特性与因子分析1 结构方程模型的基本概念1.1 起源结构方程模型一词与LISREL统计应用软件密不可分，LISREL是线性结构关系（Linear Structural Relationships）的缩写，就技术层面而言，LISREL是由统计学者Karl G.Joreskog与Dag Sorbom二人结合矩阵模型的分析技巧，用以处理协方差的结构分析的一套计算机程序。

由于这个程序与协方差结构模型（covariance structure models）十分近似，所以之后学者便将协方差结构模型称之为LISREL模型。

协方差结构模型使用非常广泛，包括经济、营销、心理及社会学，它们被应用于探讨问卷调查或实验性数据，包括横向式的研究及纵贯式的研究设计。

协方差结构分析是一种多变量统计技巧，在许多变量统计的书籍中，均纳入结构方程模型的理论与实务的内容。

此种协方差结构分析结合了（验证性）因素分析与经济计量模型的技巧，用于分析潜在变量（latent variables，无法观察的变量或理论变量）之间的假设关系，上述潜在变量可被显性指标（manifest indicators，观察指标或实证指标）所测量。

一个完整的协方差结构模型包含两个次模型：测量模型（measurement model）与结构模型（structural model），测量模型描述的是潜在变量如何被相对应的显性指标所测量或概念化（operationalied）；而结构模型指的是潜在变量之间的关系，以及模型中其他变量无法解释的变异量部分。

协方差结构分析本质上是一种验证式的模型分析，它试图利用研究者所搜集的实证资料来确认假设的潜在变量间的关系，以及潜在变量与显性指标的一致性程度。

此种验证或检验就是在比较研究者所提的假设模型隐含的协方差矩阵和实际搜集数据导出的协议差矩阵之间的差异。

此种分析是利用协方差矩阵来进行模型的综合分析，而非输入之个别的观察值进行独立式的分析。

结构方程模型cfa
结构方程模型（StructuralEquationModeling，简称SEM）是一种常用的多变量统计分析方法，常常被应用于实证研究中。

其中，确认性因素分析（Confirmatory Factor Analysis，简称CFA）是SEM 的一种常见方法，用于检验研究者提出的假设模型与实际观测数据是否吻合。

CFA的主要目的是测量潜在变量，即不能被直接观测到的概念，例如信念、态度和价值观等。

CFA的基本思路是将潜在变量分解成可观测的多个指标（观测变量），通过测量这些指标来估计潜在变量的值。

CFA将指标分为多个因素，通过检验因素结构来评估模型的拟合度。

在进行CFA分析时，需要先确定模型中的潜在变量及其指标，然后运用SEM软件（例如AMOS、Mplus等）进行模型估计和统计检验。

具体分析过程包括模型拟合度指标（如卡方检验、RMSEA、CFI等）、参数估计、因素载荷和误差方差的解释等。

总之，CFA是SEM的一种常见方法，用于估计潜在变量的值，并检验假设模型与实际观测数据的拟合度。

通过CFA的分析，研究者可以更深入地理解研究对象的内部结构和关系。

- 1 -。