结构方程模型入门指南：定义、操作步骤与结果解读
结构方程模型入门指南：定义、操作步骤与结果解读
文章目录
- 定义
- 操作步骤
- 结果解读
定义
结构方程模型（SEM）是一种多元数据分析方法，其可用于研究多个潜变量之间的影响关系情况。结构方程模型共包括两部分结构，分别是测量关系和影响关系。比如下面这个结构方程模型，其包括四个潜变量，分别是Factor1感知质量、Factor2感知价值、Factor3顾客满意和Factor4顾客忠诚。
从测量关系来看：Factor1感知质量由A1-A4共4项测量；Factor2感知价值由B1-B3共3项测量；Factor3顾客满意由C1-C3共3项测量；Factor4顾客忠诚由D1~D2共2项测量。
类似上述，如果研究中包括测量关系和影响关系时，此类研究均可称作结构方程模型。当然研究者的重心在于研究影响关系，并且进行假设验证等；测量关系并不在重点关注范围，但是测量关系的质量会对模型拟合情况产生很大的影响，因此研究者需要首先保证测量关系的质量情况。
注意：结构方程模型中还有量表二阶结构，量表二阶结构是指多个题型对应一个因子，多个因子又对应一个维度，这种情况。如图：
操作步骤
首先把对应的题项配置到对应的Factor上，如图：
如果存在二阶结构的量表需要把多个Factor配置到一个Scale上如图；本次示例不涉及
然后配置各位Factor(维度）的名称如图：
设置影响关系，根据我们的模型可知本次共有3条影响关系，分别是感知质量影响顾客满意，感知价值影响顾客满意，顾客满意影响顾客忠诚。
此外还有个MI指标，这个是在模型不符合要求的情况下调整数据的时候看的默认是不输出，本次选择不输出
点击开始分析
结果解读
首先第一个是回归分析的结果，这里包含各个维度之间的回归结果还包含各个维度与对应题型的回归，注意各个维度与对应题型的回归，会选择某个题型作为这个维度来和其他题型进行回归分析。这里主要看各个维度之间的影响关系，指标主要看P值和标准化回归系数的正负这些。
其次看模型拟合指标，就像做回归分析要有保障正态性，非共线性等前提条件，进行结构方程模型也要保障有些指标达到要求我们的结果才有意义。这里比较核心的指标已标红。这里不要求所有的指标都达标，只要大部分指标达标，或者有些指标接近达标也可以。
这个是R方，主要看前两个的R方，这个R方就是回归分析里面的R2
接下来是模型图，这个模型图是自动生成的，不好看一般需要在PPT里面重新画，不过要求不严的话也可以通过拖拽调整之后也可以用
这个是模型结果图，里面的系数都是上面表里面的标准化回归系数