刘旭

【摘要】近年来，结构方程模型作为统计分析的一般框架被广泛地应用于社会科学的数据分析。随着它的发展，结构方程模型开始运用于在教育学、心理学等研究领域，并逐渐受到研究者的重视。本文旨在对结构方程模型及其分析模型做出简要概述。

【关键词】结构方程模型 分析模型 心理学

【中图分类号】G642.3 【文献标识码】A 【文章编号】2095-3089（2018）15-0016-03

社会科学的发展离不开研究方法的发展，传统的研究方法诸如因素分析、回归分析和经典测量理论等已经满足不了现代学科的专业发展。所以新一代的统计分析方法便应运而生，其中最突出的发展就是结构方程的发展和应用。在众多的研究领域中，结构方程弥补了传统统计方法的不足，它可以处理多个原因和结果的关系，也可以测量不可以直接观测的变量。正因为结构方程的这些优点，结构方程分析便迅速发展起来，并成为多元数据分析的重要工具。

一、结构方程模型概述

结构方程模型（Structural Equation Models， SEM）作为一门基于统计分析技术的研究方法，它能够用来处理复杂的多变量研究数据的探究和分析，而且SEM能同时进行潜在变量的估计与复杂自变量、因变量预测模型的参数估计。

完整的结构方程模型包含测量模型和结构模型两部分。测量模型描述潜变量与实际测量变量之间的关系，而结构模型则描述潜变量之间的关系。所以完整的SEM模型的参数图如图1。

其中，λ表示观察变量与潜变量的关系；γ表示外源变量与内生潜变量的关系；β表示内生潜在变量的关系；δ表示外源变流量被潜变量解释不完全的测量残差；ε表示内生变量被潜变量解释不完全的测量残差；ζ表示内生潜变量无法被完全解释的估计残差。完整的图中左侧为外源变量的关系，右侧则是内生变量的关系。由γ和β参数所构成的就是结构模型。而且图1中涉及的各种变量与参数的关系，最终都可以用一般线性方程进行描述。方程表达式为：

x=Λxξ+δ

y=Λyη+ε

η=Вη+Γξ+ζ

着三个方程式代表着一般的方程式，对于特定变量与特定参数的关系则无法反映出来。但是特定的关系也可以用方程式来变现，如图1中的结构模式就可以用下面两个方程式来说明。

η1=β12η2+ζ1 η2=γ21ξ1+γ22ξ2+ζ2

以上的简要概述中不难发现，如果一个结构方程模型中没有潜变量的假设，只有测量变量，那么它与传统的路径分析模型是没有差别的。所以总体来说，结构方程模型除了可以同时处理多组的回归方程式的估计，更重要的是使得变量关系的处理更具弹性。

总之，结构方程模式遵循多变量分析的一般线性模式进行验证型分析，可以把方差分析、回归分析、路径分析、因子分析等传统统计方法包含在结构方程模式的模式中，并且调查研究和实验分析研究都可以使用，因此适用性更加广泛。

二、结构方程模型的应用及分析过程

1.结构方程模型的应用

结构方程模式虽然较传统统计方法优势明显，但仍然是有局限性的，它在心理学研究中是有条件的。

第一，不同的理论假设，如果是相同的变量，则可以构建出多个模型。但是变量越多则组合而成的模型也越多。这样会给模型拟合性检验带来难度。所以运用结构方程模型要更加注重理论探讨，要以确切的理论或者合理的逻辑推理为基础。

第二，在心理学研究中，如果没有特殊设计仅使用数据来探讨潜变量之间因果关系，包括结构方程模型在内的任何统计方法，都不能证明变量间是否存在因果关系。所以要想用结构方程模型变量之间的因果关系，就需要通过控制设计纵贯性的结构方程模式来帮助确定因果关系。

第三，在结构方程中引入潜变量本来是结构方程模型的优点，可以解决过去运用单变量测量的不足，然而这种测量是否真正反映了潜在变量或者说指标是否能够真正表示潜变量，是一个值得重视的问题。

第四，结构方程模式分析中要求变量之间是线性关系，但在很多情况下这种要求难以保证，而且即使变量之间确定是线性关系，研究者也不可能把所有变量和变量间的关系纳入理论建构之中，所以数据的拟合在于它对理论建构的支持，但不能证明理论建构的正确性。

2.结构方程模型分析过程

结构方程模型的分析过程一般包括以下几个步骤：

（1）模型建构

模型建构包括指定：① 观测变量与潜变量的关系；② 各潜变量之间的相互关系；③ 在复杂的模型中，可以限制因子负荷或因子相关系数等参数的数值或关系。

（2）模型识别

识别所指定的模型是建立SEM模型的重要阶段。模型识别重点关注就是能否从观察数据得到唯一估计值。模型中如果有一个非识别参数，模型就是非识别模型，模型便无法估计。为了使得模型能够识别，通常需要检查两个必要条件：一是自由度不能为负数；二是模型中的每一个潜变量都必须设立一个测量尺度

（3）模型拟合

有了新模型之后，就要求出模型的解，其中主要的就是模型参数的估计，这个过程就是模型拟合。拟合指数达到标准则模型拟合良好。

（4）模型評价

结构方程模型中如果每一个参数顺利估计后就可以进行整体模型的评估。模型的评估就是通过不同的统计程序或拟合指数的计算来分析假设模型与实际观察数据的拟合情况。如果模型的拟合度不理想，则代表提出的假设模型存在问题，这时候就需要调整假设模型的参数估计内容重新加以拟合，直到模型拟合度达到理想水平。

三、结构方程模型在心理学研究的应用

结构方程模型（SEM）作为统计方法中的一个大发展，被研究者们使用的越来越广泛，下面就简单介绍一下结构方程模型中常见的模型。

1.验证性因素分析

（1）验证性因素的基本概念

验证性因素分析（Confirmatory Factor Analysis，CFA）是用于检验假设或理论所定义的因子结构能够能拟合相应的数据。简单来说就是检验测量变量与潜变量的假设关系，这是结构方程模型中最基础的测量部分。如果假设的CFA模型与数据拟合则认为理论上的因子结构是有效的。

（2）验证性因素分析实例

在一个结构方程模型中，如果仅涉及测量模型的检验就是验证性因素分析。我们以主观幸福感的测量为例，进行验证性因素分析的操作。主观幸福感的测量量表包含四个维度，其中每一个维度包含3个题目，共12题。测量模型的假设模型如图2。

验证性因素分析就是验证假设模型的拟合度，利用相关软件进行分析之后，路径系数用来衡量变量之间的影响程度或是效应大小。所得的拟合指数诸如

GFI值、RMSEA值，NFI值等符合所要求的适配标准，则该模型拟合好，题目质量良好。如果拟合指数不符合则修改模型并重新进行分析。

2. 路径分析

（1） 路径分析的基本概念

路径分析是一种分析因果模型的技术。它的主要特色就是可以利用测量变量间的共变情形，同时估计模型中的所有参数，并配合提出的特定假设模型，检验理论模型与观察数据的拟合性，找出最佳的模型。

（2）路径分析实例

有研究者曾指出路径分析就是一连串中介效应的组合形成的复杂模型。举例说明，影响主观幸福感的因素有很多，我們将依恋风格作为影响因素X，主观幸福感为因变量Y。在X对Y的关系中至少还存在着一个中介变量M（孤独感），形成X M Y的中介效应。即自变量X在影响了中介变量M后进而影响到了因变量Y。见图3。

3.统合模型分析

（1） 统合分析模型的基本概念

统合模型分析是指同时具有测量模型和结构模型的结构方程模型分析，简单的说统合模型分析可以认为是验证性因素分析和路径分析的综合，它内外兼顾，整合了二者的核心概念。

（2）统合模型分析实例

通常一个统合模型分析包含有多个潜变量，这些潜变量不仅可以作为外源与内生变量，还可以作为中介变量。路径分析的举例说明中我们提出了因变量X通过影响中介变量M影响自变量Y。也就是说孤独感的高低会主观幸福感水平，但是孤独感的高低会受到依恋风格的影响。因此可以得到如图4的概念图。

假设模型之后需要进行模型界定，参数估计与分析。分析后若各项拟合指数均达到适配标准则模型良好，若有一项不符合，则模型仍需修正。

四、结论

结构方程模型已经成为一个最为重要的分析工具，它的发展体现了统计方法的进步。这种数据分析的新方法，可以帮助深入的研究心理学现象。但是不能盲目的使用，应该在全面掌握了结构方程模型的基本原理、适用条件后去运用这种方法，才能把这种方法的优势真正的发挥出来。本文简单介绍了结构方程模型及其三个分析模型，希望在今后的研究中能够学会并运用更多的分析模型来进行数据处理，更加精确的掌握这个全面的分析方法。

参考文献：

[1]侯杰泰，温忠麟，成子娟.结构方程模型及其应用[M].北京：教育科学出版社，2004，07.

[2]王济川，王小倩，姜宝法.结构方程模型：方法与应用[M].北京：高等教育出版社，2011，05.

[3]邱皓政，林碧芳.结构方程模型的原理与应用[M].北京：中国轻工业出版社，2009.02.

[4]温忠麟，刘红云，侯杰泰.调节效应和中介效应分析[M].北京：教育科学出版社，2012.01.

[5]方杰，温忠麟，张敏强等.基于结构方程模型的多重中介效应分析[]J.心理科学，2014，37（3）：735—741.

[6]方平，熊端琴，蔡红.结构方程模型在心理学研究中的应用[J].心理科学，2001，24（04）.

[7]柳恒超，许燕，王力.结构方程模型应用中模型选择的原理与方法[J].心理学27（01）.

[8]龙力荣.结构方程模型；心理学方法变革的逻辑[J].2001，23（05）.

[9]李顺勇，岳利梅.基于成分数据的多元结构方程模型[J].河南理工大学学报（Z自然科学版，2017.03.

[10]郑海珠.英语学习成绩影响因素的结构方程模型研究[J].校园英语（上旬），2017.09.

[11]温学兵，刘洋.结构方程模型在科技期刊量化指标研究中的应用[J].沈阳师范大学学报（自然科学版），2017.03.