SEM分析：结构方程模型的特点

结构方程模型的优点：①结构方程适用于大样本，且能够支持实证研究；②允许自变量和因变量存在误差；③提供多样化的适配指标；④可以同时处理多个变量；⑤能够同时估计各因子结构之间的关系；⑥在模型中潜变量可由多个测量变量构成，同时可以估计测量变量的信效度；⑦可进行复杂模型的评估。

结构方程的分析主要依赖于电脑软件，目前全球常用的结构方程软件主要有8种，本研究主要选择以下3种常用软件进行对比介绍：AMOS是IBMSPSS公司旗下的产品，是可以独立于SPSS工作环境的软件。AMOS可以直接读取SPSS的资料，并且不区分SPSS版本，可将整个资料库应用到分析的过程中。AMOS以画图为主，最具特色的功能是内建的bootstrap的估计方法，可以估计所有参数的标准误及置信区间。LISREL可以用画图和语法的方式输入研究资料。目前LISREL有三种语法输入，其中SIMPLIS是最直接的写法，简单易学，SIMPLIS语法以矩阵为基础，有矩阵概念的人学起来没有太大的障碍，PRELIS语法，可以用来处理资料，如资料插补或产生各式矩阵。MPLUS的优势是它可以分析任何一种尺度组合的变数，如连续变数、二分类尺度、顺序尺度等。MPLUS可以使用语法输入也可使用精灵协助输入。本书选择AMOS软件为主要的研究工具。(www.xing528.com)

结构方程模型是在已有的理论基础上，应用与之相应的线性方程系统表示该理论的一种统计分析方法。相对于相关分析、回归分析、路径分析等研究变量间关系的统计方法来说，SEM从两个方面完善了这些常用方法的不足。第一，针对探索性因素分析假设限制过多的缺点，完善变量结构的探讨，与探索性因素分析相比，结构方程模型既可以假定相关、不相关的潜在因素，从而更符合心理学实际；同时也可以确定某些观察变量只受特定潜在变量影响，而不是受所有潜在变量影响，使结构更清晰，还能对每个潜在因素进行多方法测量（采用多方法-多特质模型）时，也可排除测量方法的误差。除此之外，最重要的是它不需要假定所有特定变量的误差无相关，而是指定那些两者之间存在相关的特定性变量误差。第二，在考虑测量误差的前提下建立变量间的因果关系。这一步以统计的思路区分了观测（外显）变量和潜在（内隐）变量，进而通过观测外在表现推测潜在概念。这样，研究便能在探讨变量间直接影响、间接影响、总效应以及表达中介变量作用的同时用潜在变量代替路径分析中的单一外显变量，并考虑变量的测量误差，从而使研究结果更精确。概括来讲，SEM具有以下特点：①可同时考虑及处理多个因变量；②允许自变量和因变量项目含有测量误差；③允许潜变量由多个外显指标变量构成（这一点与因素分析类似），并可同时估计指标变量的信度及效度；④可采用比传统方法更有弹性的测量模式（Measurement model）。在传统方法中，项目更多的依附于单一因子，而在SEM中，某一指标变量可从属于两个潜伏因子；⑤可构建潜变量之间的关系，并估计模式与数据之间的吻合程度。结构方程模型最为显著的两个特点是：评价多维的和相互关联的关系，能够发现这些关系中没有察觉到的概念关系，而且能够在评价的过程中解释测量误差；同时具有联系信息技术吸纳能力，SEM能够反映模型中要素之间的相互影响。吸纳能力概念作为一个重要的模型要素，难以直接度量，结构方程模型技术能够更为充分地体现其蕴含的要素信息和影响作用。