结构方程模型

什么是结构方程模型

结构方程模型是被广泛认可的研究可观测变量与潜在变量，以及潜在变量之间关系的重要工具。 结构方程模型包括两个基本模型，分别为测量模型和结构模型，测量模型由潜在变量、观测变量以及测量误差项组成，主要分析潜在变量与观测变量的共变效果。

结构方程模型对样本量如何要求

常见的标准是需要是测量项的10倍以上，最少也是5倍，一般的样本量大于200个。

结构方程应该如何做

SPSSAU【问卷研究】→结构方程模型；

模型不好怎样调整

1.输出MI指标，建立关系

比如选择输出MI＞10；

发现A3、A4MI值相对较大，所以建立协方差关系时优先建立A3和A4。

2.加大样本量

一般情况来讲，样本量越大，说服能力越强，一般样本量要大于200个，测量项的10倍以上，最少是5倍（加大样本量，也许会对卡方自由度指标更有帮助）。

3.确保测量关系良好

（1）尽量使用经典量表

（2）删除载荷系数较低的测量项

（3）一般是一个Factor（潜变量）最好有4~7个测量项（便于后续调整模型处理，若为两个测量项需要删除测量项进行处理，则不好处理）。

3.更换模型

（1）拆解模型

拆解模型，拆分成几个进行分析，从而打到模型简化的效果，帮助较大。

（2）路径分析

路径分析不考虑测量关系，从而简化模型。

（3）换成线性回归模型

模型进一步简化。