路径分析和结构方程模型
结构方程模型(Structural·Equation·Modeling,SEM)结构方程模型是
社会科学研究中的一个非常好的方法。该方法在20世纪80年代就已经成熟，可惜国内了解的人并不多。"在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量(即潜变量)，这些都是传统的统计方法不能很好解决的问题。20世纪80年代以来，结构方程模型迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具。
三种分析方法对比
线性相关分析：线性相关分析指出两个随机变量之间的统计联系。两个
变量地位平等，没有因变量和自变量之分。因此相关系数不能反映单指标与总体之间的因果关系。线性回归分析：线性回归是比线性相关更复杂的方法，它在模型中定义了因变量和自变量。但它只能提供变量间的直接效应而不能显示可能存在的间接效应。而且会因为共线性的原因，导致出现单项指标与总体出现负相关等无法解释的数据分析结果。结构方程模型分析：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。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。简单而言，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。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。"目前，已经有多种软件可以处理SEM，包括：LISREL，AMOS,EQS,Mplus.结构方程模型假设条件合理的
样本量(James Stevens的Applied Multivariate Statistics for the Social Sciences一书中说平均一个自变量大约需要15个case；Bentler and Chou(1987)说平均一个估计参数需要5个case就差不多了，但前提是数据质量非常好；这两种说法基本上是等价的；而Loehlin(1992)在进行蒙特卡罗模拟之后发现对于包含2~4个因子的模型，至少需要100个case，当然200更好；小样本量容易导致模型计算时收敛的失败进而影响到参数估计；特别要注意的是当数据质量不好比如不服从正态分布或者受到污染时，更需要大的样本量)连续的正态内生变量(注意一种表面不连续的特例：underlying continuous；对于内生变量的分布，理想情况是联合多元正态分布即JMVN)模
型识别(识别方程)(比较有多少可用的输入和有多少需估计的参数；模型不可识别会带来参数估计的失败，我就吃过这个亏)完整的数据或者对不完整数据的适当处理(对于缺失值的处理，一般的统计软件给出的删除方式选项是pairwise和listwise，然而这又是一对普遍矛盾：pairwise式的删除虽然估计到尽量减少数据的损失，但会导致协方差阵或者相关系数阵的阶数n参差不齐从而为模型拟合带来巨大困难，甚至导致无法得出参数估计；listwise不会有pairwise的问题，因为凡是遇到case中有缺失值那么该case直接被全部删除，但是又带来了数据信息量利用不足的问题--全杀了吧，难免有冤枉的；不杀吧，又难免影响整体局势)模型的说明和因果关系的理论基础(实际上就是假设检验的逻辑--你只能说你的模型不能拒绝，而不能下定论说你的模型可以被接受)
编辑本段图书信息
书名：结构方程模型作者：吴明隆出版社：重庆大学出版社出版时间：2009-7-1 ISBN：9787562449478开本：16开定价：59.80元书名：结构方程模型及其应用作者：侯杰泰、温忠麟、成子娟出版社：教育科学出版社出版时间：2019-7-1 ISBN：7-5041-2816-3定价：39(含光盘)
编辑本段内容简介
本书详细详解和演示结构方程模型多种分析方法和操作步骤，是一本理想的AMOS与结构方程模型应用方面的指导读物。本书前半部介绍结构方程模型(SEM)的概念与Amos Graphics窗口界面的基本操作；后半部以各种实例介绍Amos Graphics在各种SEM模型中的应用。全书采用AMOS图像界面，完全没有复杂的SEM理论推导和语法，最大的特点就是对利用AMOS进行结构方程模型各种分析的每一个步骤都有详细的讲解和图示。这是一本"使用者界面"取向的书籍，即使是不懂传统SEM语法使用者，也能在最短时间内学会用AMOS 绘制各种SEM模型图，并将模型估计、模型识别判断、模型修正与模型验证，实际应用于自己的研究领域中。本书的读者对象是结构方程模型分析方法的学习者和使用者，适合社会科学各学科高年级本科生、硕博士研究生自学，也适合教师教学辅助参考。
编辑本段图书目录
第一章结构方程模型的基本概念第一节结构方程模型的特性第二节测量模型第三节结构模型第四节结构方程模型图中的符号与意义第五节参数估计方法第六节模型的概念化第七节模型的修正第八节模型的复核效化第二章模型适
配度统计量的介绍第一节模型适配度检核指标一、模型基本适配指标二、整体模型适配度指标(模型外在质量的评估)三、模型内在结构适配度的评估(模型内在质量的检验)四、模型统计检验力的评估第二节模型识别的范例一、正好识别模型二、过度识别模型三、低度识别模型第三章Amos Graphics界面介绍第一节Amos Graphics窗口的介绍一、开启【Amos Graphic】应用软件二、工具箱窗口的图像钮操作介绍第二节图像钮综合应用一、绘制第一个测量模型二、绘制第二个测量模型三、绘制第三个测量模型第四章Amos执行步骤与程序第一节路径分析的程序与执行一、建立路径模型图二、开启数据文件三、设定观察变量四、设定误差变量的变量名称五、设定文字报表要呈现的统计量六、将路径模型图存盘与计算估计值七、浏览模型的结果第二节路径因果模型图的设定一、外因变量间没有相关的设定二、内因变量没有界定残差项第三节饱和模型与独立模型一、饱和模型二、独立模型第四节结构方程模型图一、结构方程模型图的绘制步骤二、执行结果的标准化参数估计值路径图三、模型的平行检验第五节结构模型与修正指标一、模型A：初始模型二、模型B：修正模型1三、模型c：修正模型2四、模型D：修正模型3第六节单一文件多重模型的设定第五章参数标签与测量模型第一节参数标签的设定与特定样本的分析一、更改特定群体名称与模型名称二、开启数据文件选人指标变量三、设定分析属性与计算估计值四、增列模型变量或对象的参数标签名称五、增列参数标签名称的模型估计结果六、全体群体假设模型的修正第二节特定群体的分析一、分析男生群体二、分析女生群体第三节测量模型参数值的界定一、测量模型假设模型二、限制不同测量指标的路径参数A三、低度辨识的模型四、增列参数限制条件五、误差变量的界定六、测量模型的修正七、测量模型参数标签名称的设定第四节测量模型的平行测验检验第五节多因子测量模型潜在变量的界定一、初始模型二、修正模型三、斜交关系的测量模型四、界定测量模型潜在变量间没有相关五、完全独立潜在变量参数修正六、单向度测量模型与多向度测量模型第六章验证性因素分析第一节一阶验证性因素分析--多因素斜交模型一、假设模型二、输出结果第二节一阶验证性因素分析--多因素直交模型一、假设模型二、模型适配度摘要表第三节二阶验证性因素分析第四节一阶CFA模型多模型的比较第五节一阶CFA模型测量不变性检验一、描绘一阶CFA 假设模型图二、单一群组多个模型的设定三、模型估计结果第七章路径分析第一节路径分析的模型与效果第二节路径分析模型--递归模型一、研究问题二、采用传统复回归求各路径系数三、Amos Graphics的应用四、模型图执行结果l五、文字报表输出结果第三节饱和模型的路径分析一、饱和模型假设模型图二、参数估计的模型图三、参数估计及适配度结果第四节非递归模型的路径分
