結(jié)構(gòu)方程模型（SEM）結(jié)構(gòu)方程模型（SEM）1結(jié)構(gòu)方程模型的原理結(jié)構(gòu)方程模型的原理2一、結(jié)構(gòu)方程模型概述1

結(jié)構(gòu)方程模型是應用線性方程表示觀測變量與潛變量之間，以及潛在變量之間關(guān)系的一種多元統(tǒng)計方法，其實質(zhì)是一種廣義的一般線性模型。

2

發(fā)展歷程20世紀70年代，一些學者（Joreskog,1973;Wiley,1973）將因子分析、路徑分析等統(tǒng)計方法整合，提出結(jié)構(gòu)方程初步概念。Joreskog與其合作者進一步發(fā)展矩陣模型的分析技術(shù)來處理共變結(jié)構(gòu)的分析問題，提出測量模型與結(jié)構(gòu)模型的概念，促成SEM的發(fā)展。Ullman（1996）定義結(jié)構(gòu)方程為“一種驗證一個或多個自變量與一個或多個因變量之間一組相關(guān)關(guān)系的多元分析程式，其中自變量和因變量既可以是連續(xù)的，也可以是離散的”，突出其驗證多個自變量與多個因變量之間關(guān)系的特點。

一、結(jié)構(gòu)方程模型概述33SEM與幾種多元方法的比較①SEM與傳統(tǒng)多元統(tǒng)計方法（多元統(tǒng)計）傳統(tǒng)多元統(tǒng)計方法：檢驗自變量和因變量的單一關(guān)系（多元方差分析可以處理多個，但是關(guān)系也是單一的）SEM:綜合多種方法，驗證性分析，允許測量誤差的存在②SEM與典型相關(guān)分析（多個自變量與多個因變量之間關(guān)系）典型相關(guān)分析：兩組隨機變量（定性或定量）之間線性密切程度；高維列聯(lián)表各邊際變量的線性關(guān)系；探索性分析SEM:估計多元和相互關(guān)聯(lián)的因變量之間的線性關(guān)系；處理不可觀測的假設概念；說明測量誤差③SEM與聯(lián)立方程模型（聯(lián)立方程組、變量之間雙向影響）聯(lián)立方程模型：方程數(shù)量取決于內(nèi)生變量的數(shù)量；只能處理有觀察值的變量，假定不存在測量誤差SEM:處理測量誤差；分析潛在變量之間結(jié)構(gòu)關(guān)系結(jié)構(gòu)方程模型ppt課件4④SEM與人工神經(jīng)網(wǎng)絡（針對不可觀測或潛在變量建模）人工神經(jīng)網(wǎng)絡：執(zhí)行數(shù)據(jù)分析時，模型的隱含層接點仍然沒有被明確標識出來；數(shù)據(jù)從輸入層通過隱含變量流向輸出層（輸出向輸入回流的網(wǎng)絡拓撲結(jié)構(gòu)）SEM:數(shù)據(jù)分析之前，已經(jīng)標識潛在變量并構(gòu)建起假設路徑；觀測變量都與中心潛在變量相關(guān)，潛在變量之間也可能發(fā)生關(guān)系。⑤

SEM與偏最小二乘法（PLS）（集成多種分析方法，對因變量進行測量）PLS：對觀測變量協(xié)方差矩陣的對角元素擬合較好，適用于對數(shù)據(jù)點的分析，預測準確度較高SEM:對觀測變量協(xié)方差矩陣的非對角元素的擬合較好，適合于對協(xié)方差結(jié)構(gòu)的分析，參數(shù)估計更準確④SEM與人工神經(jīng)網(wǎng)絡（針對不可觀測或潛在變量建模）54SEM的技術(shù)特性具有理論先驗性同時處理因素的測量關(guān)系和因素之間的結(jié)構(gòu)關(guān)系以協(xié)方差矩陣的運用為核心適用于大樣本分析（樣本數(shù)<100，分析不穩(wěn)定；一般要>200）包含不同的統(tǒng)計技術(shù)重視多重統(tǒng)計指標的運用5樣本規(guī)模大小資料符合常態(tài)、無遺漏值及例外值(Bentler&Chou,1987)下，樣本比例最小為估計參數(shù)的5倍、10倍則更為適當。當原始資料違反常態(tài)性假設時，樣本比例應提升為估計參數(shù)的15倍。以ML法評估，Loehlin(1992)建議樣本數(shù)至少為100，

200較為適當。當樣本數(shù)為400~500時，此法會變得過于敏感，而使得模式不適合。4SEM的技術(shù)特性6結(jié)構(gòu)方程模型ppt課件7

二、結(jié)構(gòu)方程模型的基本原理(一)模型構(gòu)成1變量觀測變量：能夠觀測到的變量(路徑圖中以長方形表示)潛在變量：難以直接觀測到的抽象概念，由測量變量推估出來的變量（路徑圖中以橢圓形表示）內(nèi)生變量：模型總會受到任何一個其他變量影響的變量（因變量；路徑圖會受到任何一個其他變量以單箭頭指涉的變量外生變量：模型中不受任何其他變量影響但影響其他變量的變量（自變量；路徑圖中會指向任何一個其他變量，但不受任何變量以單箭頭指涉的變量）中介變量：當內(nèi)生變量同時做因變量和自變量時，表示該變量不僅被其他變量影響，還可能對其他變量產(chǎn)生影響。內(nèi)生潛在變量：潛變量作為內(nèi)生變量外生觀測變量：外生潛在變量的觀測變量外生潛在變量：潛變量作為外生變量外生觀測變量：外生潛在變量的觀測變量中介潛變量：潛變量作為中介變量中介觀測變量：中介潛在變量的觀測變量

二、結(jié)構(gòu)方程模型的基本原理(一)模型構(gòu)成82參數(shù)（“未知”和“估計”）潛在變量自身：總體的平均數(shù)或方差變量之間關(guān)系：因素載荷，路徑系數(shù)，協(xié)方差參數(shù)類型：自由參數(shù)：參數(shù)大小必須通過統(tǒng)計程序加以估計固定參數(shù)：模型擬合過程中無須估計（1）為潛在變量設定的測量尺度①將潛在變量下的各觀測變量的殘差項方差設置為1②將潛在變量下的觀測變量的因子負荷固定為1（2）為提高模型識別度人為設定限定參數(shù)：多樣本間比較（半自由參數(shù)）結(jié)構(gòu)方程模型ppt課件93路徑圖（1）含義：路徑分析的最有用的一個工具，用圖形形式表示變量之間的各種線性關(guān)系，包括直接的和間接的關(guān)系。（2）常用記號：①矩形框表示觀測變量②圓或橢圓表示潛在變量③小的圓或橢圓，或無任何框，表示方程或測量的誤差單向箭頭指向指標或觀測變量，表示測量誤差單向箭頭指向因子或潛在變量，表示內(nèi)生變量未能被外生潛在變量解釋的部分，是方程的誤差④單向箭頭連接的兩個變量表示假定有因果關(guān)系，箭頭由原因（外生）變量指向結(jié)果（內(nèi)生）變量⑤兩個變量之間連線的兩端都有箭頭，表示它們之間互為因果⑥弧形雙箭頭表示假定兩個變量之間沒有結(jié)構(gòu)關(guān)系，但有相關(guān)關(guān)系⑦變量之間沒有任何連接線，表示假定它們之間沒有直接聯(lián)系3路徑圖10（3）路徑系數(shù)含義：路徑分析模型的回歸系數(shù)，用來衡量變量之間影響程度或變量的效應大小（標準化系數(shù)、非標準化系數(shù)）類型：①反映外生變量影響內(nèi)生變量的路徑系數(shù)②反映內(nèi)生變量影響內(nèi)生變量的路徑系數(shù)路徑系數(shù)的下標：第一部分所指向的結(jié)果變量第二部分表示原因變量（4）效應分解①直接效應：原因變量（外生或內(nèi)生變量）對結(jié)果變量（內(nèi)生變量）的直接影響，大小等于原因變量到結(jié)果變量的路徑系數(shù)②間接效應：原因變量通過一個或多個中介變量對結(jié)果變量所產(chǎn)生的影響，大小為所有從原因變量出發(fā)，通過所有中介變量結(jié)束于結(jié)果變量的路徑系數(shù)乘積③總效應：原因變量對結(jié)果變量的效應總和

總效應=直接效應+間接效應（3）路徑系數(shù)11結(jié)構(gòu)方程模型ppt課件123矩陣方程式（1）和（2）是測量模型方程，（3）是結(jié)構(gòu)模型方程

是外生觀測變量向量，

為外生潛在變量向量，外生觀測變量在外生潛在變量上的因子負荷矩陣，外生觀測變量的殘差項向量；為內(nèi)生觀測變量向量，為內(nèi)生潛在變量向量，為內(nèi)生觀測向量在內(nèi)生潛在變量上的因子負荷矩陣，為內(nèi)生觀測向量的殘差項向量；和都是路徑系數(shù)，表示內(nèi)生潛在變量之間的關(guān)系，表示外生潛在變量對內(nèi)生潛在變量的影響，為結(jié)構(gòu)方程的誤差項

結(jié)構(gòu)方程模型ppt課件13測量模型：反映潛在變量和觀測變量之間的關(guān)系方程式：結(jié)構(gòu)模型：反映潛在變量之間因果關(guān)系方程式：測量模型：反映潛在變量和觀測變量之間的關(guān)系方程式：結(jié)構(gòu)模型：14結(jié)構(gòu)方程模型的八種矩陣概念符號代表意義結(jié)構(gòu)模型矩陣

B內(nèi)生潛在變量被內(nèi)生潛在變量解釋之回歸矩陣（回歸系數(shù)）內(nèi)生潛在變量被外生潛在變量解釋之回歸矩陣（回歸系數(shù)）測量模型矩陣外生觀測變量被外生潛在變量解釋之回歸矩陣（因素載荷）內(nèi)生觀測變量被內(nèi)生潛在變量解釋之回歸矩陣（因素載荷）外生潛在變量之協(xié)方差矩陣（因素共變）殘差矩陣內(nèi)生潛在變量被外生潛在變量解釋之誤差項協(xié)方差矩陣（解釋殘差）外生觀測變量被外生觀測變量解釋之誤差項協(xié)方差矩陣（X變量殘差）內(nèi)生觀測變量被內(nèi)生潛在變量解釋之誤差項協(xié)方差矩陣（Y變量殘差）結(jié)構(gòu)方程模型的八種矩陣概念符號代表意義結(jié)構(gòu)模型矩陣B內(nèi)生15（二）模型識別1模型整體識別性（1）t法則數(shù)據(jù)資料點數(shù)DP=(p+q)*(p+q+1)/2（p+q）表示觀測變量個數(shù)待估參數(shù)數(shù)目（自由參數(shù)）t=參數(shù)總數(shù)–固定參數(shù)t<DP，模型過度識別t>DP，模型識別不足t=DP，模型充分識別（2）虛無B矩陣模型中沒有任何內(nèi)生變量去影響其他內(nèi)生變量，無結(jié)構(gòu)關(guān)系假設，沒有任何結(jié)構(gòu)參數(shù)（）的估計，B矩陣為0，模型自動識別。（3）遞歸法則B矩陣呈現(xiàn)三角形狀態(tài)（對稱矩陣，所有變量間的結(jié)構(gòu)參數(shù)均加以估計），而呈現(xiàn)對角線狀態(tài)（僅估計干擾項的方差，干擾項的相關(guān)不列入估計），此時為遞歸模型且為飽和模型，模型自動識別（二）模型識別162測量模型的識別性只有一個潛在變量，至少要有三個測量變量，其因素載荷必須不等于0，測量殘差之間沒有任何相關(guān)假設超過一個以上的潛在變量，每一個潛在變量只要有至少三個測量變量來估計，每一個測量變量只用以估計單一一個潛在變量，殘差之間沒有共變假設潛在變量只以兩個測量變量來估計，殘差無相關(guān)，每一個測量變量只用以估計單一一個潛在變量且沒有任何一個潛在變量的共變或方差為03結(jié)構(gòu)模型的識別性虛無B矩陣法則遞歸法則每一個方程式至少要有（q-1）個變量不屬于非遞歸模型用以計算標準誤的訊息矩陣必須可以被完全估計，并可以求出倒置信息矩陣2測量模型的識別性17（三）參數(shù)估計1假設條件測量模型誤差項，的均值為零結(jié)構(gòu)模型的殘差項的均值為零誤差項，與因子，之間不相關(guān)，誤差項與不相關(guān)殘差項與，，之間不相關(guān)2共變推導

（1）協(xié)方差協(xié)方差：利用兩個變量間觀測值與其均值離差的期望觀測兩個變量間的關(guān)系強弱。（2）運算定理①②③④（三）參數(shù)估計①②③④18(3)導出矩陣兩個具有相關(guān)的潛在變量的CFA圖(3)導出矩陣兩個具有相關(guān)的潛在變量的CFA圖19(3)導出矩陣觀測變量方程式：同一潛在變量的兩個觀測變量的協(xié)方差：不同潛在變量的兩個觀測變量的協(xié)方差：觀測變量的方差：(3)導出矩陣同一潛在變量的兩個觀測變量的協(xié)方差：不同潛在變20逐一計算六個觀測變量的方差與配對協(xié)方差，參數(shù)的方差與協(xié)方差導出矩陣（）S矩陣：樣本觀測值的方差與協(xié)方差矩陣（6*6）殘差矩陣=S–估計協(xié)方差矩陣與觀測協(xié)方差矩陣的差異極小化逐一計算六個觀測變量的方差與配對協(xié)方差，參數(shù)的方差與協(xié)方差導21（4）參數(shù)估計策略加權(quán)最小平方策略（WLS）擬合函數(shù)：表示估計協(xié)方差矩陣與觀察協(xié)方差矩陣的差異最大概似法(ML)基本假設：觀察數(shù)據(jù)都是從總體中抽取得到的數(shù)據(jù)，且所抽取的樣本必須是所有可能樣本中被選擇的幾率最大者無加權(quán)最小平方法(ULS)一般化最小平方法（GLS）漸進分布自由法（ADF）（5）迭代運算停止條件達到計算機預計的疊代次數(shù)，如25次模式收斂完成，亦即達到計算機預設標準（4）參數(shù)估計策略22（四）模型擬合評價1參數(shù)檢驗（1）參數(shù)的顯著性檢驗t=參數(shù)估計值/標準誤t的絕對值大于2，則參數(shù)即可達到.05的顯著水平樣本數(shù)低于30時，樣本數(shù)越小，t值要越大才能超越顯著水平的門檻（2）參數(shù)的合理性檢驗參數(shù)估計值是否有合理的實際意義：參數(shù)的符號是否符合理論假設參數(shù)的取值范圍是否合理參數(shù)是否可以得到合理解釋（四）模型擬合評價232模型整體評價指標名稱指標含義接受標準適用情形殘差分析未標準化殘差RMR未標準化假設模型整體殘差越小越好了解殘差特性標準化殘差SRMR標準化模型整體殘差<.08了解殘差特性擬合效果指標絕對擬合效果指標卡方值導出矩陣與觀測矩陣的整體相似程度卡方自由度比卡方值/自由度<2不受模型復雜程度影響擬合指數(shù)GFI模型可解釋觀測數(shù)據(jù)的方差與協(xié)方差比>.90說明模型解釋力調(diào)整擬合指數(shù)AGFI用模型自由度和參數(shù)數(shù)目調(diào)整的GFI>.90不受模型復雜程度影響簡效擬合指數(shù)PGFI用模型自由度和參數(shù)數(shù)目調(diào)整的GFI>.50說明模型的簡單程度相對擬合效果指標正規(guī)擬合指數(shù)NFI假設模型與獨立模型的卡方差異>.90說明模型較虛無模型的改善程度非正規(guī)擬合指數(shù)NNFI用模型自由度和參數(shù)數(shù)目調(diào)整的NFI>.90不受模型復雜程度的影響替代性指標非集中性參數(shù)NCP假設模型的卡方值距離中央卡方值分布的離散程度越小越好說明假設模型矩陣中央卡方值的程度相對擬合指數(shù)CFI假設模型與獨立模型的非中央性差異>.95說明模型較虛無模型的改善程度，特別適合小樣本2模型整體評價指標名稱指標含義接受標準適用情形殘差分析未標24指標名稱指標含義接受標準適用情形平均概似平均誤根系數(shù)RMSEA比較理論模型與飽和模型的差距<.05不受樣本數(shù)與模型復雜度影響訊息指數(shù)AIC經(jīng)過減效調(diào)整的模型擬合度的波動性越小越好適用效度復核非嵌套模型比較一致信息指數(shù)CAIC從樣本量方面對AIC進行調(diào)整越小越好適用效度復核非嵌套模型比較關(guān)鍵樣本指數(shù)CN接受假設模型所需的樣本數(shù)目>200反映樣本規(guī)模的適切性指標名稱指標含義接受標準適用情形平均概似平均誤根系數(shù)RMSE25(五)模型修正1參考標準模型所得結(jié)果是適當?shù)乃媚Ｐ偷膶嶋H意義、模型變量間的實際意義和所得參數(shù)與實際假設的關(guān)系是合理的參考多個不同的整體擬合指數(shù)2修正原則①省儉原則兩個模型擬合度差別不大的情況下，應取兩個模型中較簡單的模型擬合度差別很大，應采取擬合更好的模型，暫不考慮模型的簡潔性最后采用的模型應是用較少參數(shù)但符合實際意義，且能較好擬合數(shù)據(jù)的模型②等同模式等同模式：用不同的方法表示各個潛在變量之間的關(guān)系，能得出基本相同的結(jié)果，參數(shù)個數(shù)相同，擬合程度相同的模式。實際意義多次驗證(五)模型修正263模型修正方向①模型擴展方面（放松一些路徑系數(shù)，提高擬合度）修正指數(shù)MI反映的是一個固定或限制參數(shù)被恢復自由時，卡方值可能減少的最小的量。如果MI變化很小，則修正沒有意義；通常認為MI>4,模型修正才有意義。（顯著水平為0.05時，臨界值為3.84）②模型簡約方面（刪除或限制一些路徑系數(shù)，使模型變簡潔）臨界比率CR通過自由度調(diào)整卡方值，以供選擇參數(shù)不是過多，又能滿足一定擬合度的模型，尋找CR比率最小者單個參數(shù)調(diào)整設為0兩個變量之間路徑系數(shù)關(guān)系進行調(diào)整，設為相等4模型修正內(nèi)容（1）測量模型修正添加或刪除因子載荷添加或刪除因子之間的協(xié)方差添加或刪除測量誤差的協(xié)方差（2）結(jié)構(gòu)模型修正增加或減少潛在變量數(shù)目添加或刪減路徑系數(shù)添加或刪除殘差項的協(xié)方差3模型修正方向27EFACFA探索式(data-driven)驗證式(theory-driven)因素個數(shù)由資料決定因素個數(shù)由研究者指定問卷設計的前端問卷應用的后端PCA是常用的估計法ML法是常用的估計法只提供標準化結(jié)果提供標準及非標準化結(jié)果沒有l(wèi)oading顯著性報告有l(wèi)oading顯著性報告EFA無法做額外的設定CFA模型設定有彈性無法執(zhí)行跨群組比較可執(zhí)行跨群組(時間)的比較1驗證性因子分析（CFA）EFACFA探索式(data-driven)驗證式(th28F1e1F2e2e3e4e5e6x1x2x3x4x5x611一階驗證性因子分析F1e1F2e2e3e4e5e6x1x2x3x4x5x61129F1e1F2e2e3e4e5e6x1x2x3x4x5x611F31二階（高階）驗證性因子分析F1e1F2e2e3e4e5e6x1x2x3x4x5x61130績效期望滿意度忠誠度2路徑分析遞歸模型D1D2非遞歸模型績效期望滿意度忠誠度2路徑分析遞歸模型D1D2非遞歸模型31自我效能感社會期待成就動機學業(yè)表現(xiàn)D1D20.290.630.210.020.130.16路徑分析參數(shù)估計圖自我效能對于學業(yè)表現(xiàn)的模型衍生相關(guān)：（軌跡法則）1直接效應：自我效能學業(yè)表現(xiàn)=0.292間接效應：自我效能成就動機學業(yè)表現(xiàn)=0.133相關(guān)間接效應：自我效能社會期待學業(yè)表現(xiàn)=0.13*0.16=0.02自我效能社會期待成就動機學業(yè)表現(xiàn)=0.13*0.02*0.21=0.000546衍生相關(guān)為0.29+0.13+0.02+0.00=0.44自我效能感社會期待成就動機學業(yè)表現(xiàn)D1D20.290.63032Y1X2X1Y2D1D2時間延宕非遞歸模型工具型變量模型Y1X2X1Y2D1D2時間延宕非遞歸模型工具型變量模型333統(tǒng)合模型分析x1x2x3F1滿意度F2忠誠度y1y2y3e１e4Lx1bDe5e6e２e３測量殘差外生觀察變量因素負荷量外生潛在變量結(jié)構(gòu)參數(shù)內(nèi)生潛在變量因素負荷量內(nèi)生觀察變量結(jié)構(gòu)模式測量(CFA)模式測量殘差Lx2Lx3Ly1Ly2Ly3測量(CFA)模式3統(tǒng)合模型分析x1x2x3F1滿意度F2忠誠度y1y2y334結(jié)構(gòu)方程模型的AMOS實現(xiàn)趙新棟M0301091

結(jié)構(gòu)方程模型的AMOS實現(xiàn)趙新棟M030109135Amos學習網(wǎng)址網(wǎng)址說明/download/index.htm提供amos學生版和amosusers’guide使用手冊（PDF版本）/cata/docs/docroom/spss/提供amosusers’guide使用手冊（PDF版本）/its/rc/tutorials/stat/amos圖解說明結(jié)構(gòu)方程模型和amos/users/p/a/pat1004/amos.html圖解說明amos,共9個PDF/software/amos.htm對amos的功能及操作，有詳盡的說明/garson/pa765/semamos1.htm對amos輸出報表的解讀，詳盡的說明Amos學習網(wǎng)址網(wǎng)址說明www.amosdevelopme36SPSS與Amos

一般的研究論文的數(shù)據(jù)分析部分少不了對樣本的描述、對變量進行探索性因子分析（EFA），然后再利用多變量分析技術(shù)或SEM進行數(shù)據(jù)分析，最后提出研究結(jié)論（驗證假說），提出建議。基于這樣的了解，我們來看看SPSS與Amos所發(fā)揮的功能：SPSSAmos樣本描述√（非常詳盡）√因子分析EFACFA多變量分析方差分析、判別分析、回歸分析、多元尺度法等建立SEM，進行路徑分析。多群組分析、BootstrappingSPSS與Amos

一般的研究論文的數(shù)據(jù)分析部分少不了對樣本37利用amos做統(tǒng)計檢驗利用amos，所得到的值是顯著性（p值），我們要用顯著性和我們所設的顯著水平α值做比較，如果顯著性大于α值，未達到顯著水平，則接受虛無假說；如果顯著性小于α值，達到顯著水平，則拒絕虛無假說（即發(fā)現(xiàn)有統(tǒng)計上的顯著性）。在統(tǒng)計檢驗時，本書所設定的顯著性水平皆是0.05（α=0.05）利用amos做統(tǒng)計檢驗利用amos，所得到的值是顯著性（p值38Amos操作環(huán)境Amos操作環(huán)境39結(jié)構(gòu)方程模型ppt課件40啟動AmosGraphics，映入眼簾的是Amos的操作環(huán)境。左邊是工具箱，中間是顯示區(qū)，右邊是繪圖區(qū)。如圖

啟動AmosGraphics，映入眼簾的是Amos的操作41二、建立模型——建立路徑圖二、建立模型——建立路徑圖421制作潛在變量：在工具箱中選“”，然后在繪圖區(qū)從左上到右下拉出一個橢圓。1制作潛在變量：在工具箱中選“”，然后在繪圖區(qū)432制作指標變量指標變量包括觀察變量和誤差變量。在工具箱中選“”，然后在繪圖區(qū)中的橢圓“

”上點一下。就會出現(xiàn)指標變量，每多點一下，就出現(xiàn)一個指標變量。要改變指標變量的方向，可以按“

”。2制作指標變量指標變量包括觀察變量和誤差變量。在工具箱中選443建立潛在變量之間的關(guān)系“

”表示影響，因果關(guān)系。“”表示相關(guān)性。3建立潛在變量之間的關(guān)系“”表示影響，因果關(guān)系。454讀取數(shù)據(jù)文件注意：在讀取數(shù)據(jù)之前，要對數(shù)據(jù)的完整性（如遺漏值的處理、觀察變量的信度等）進行處理。）在工具箱中選選擇數(shù)據(jù)文件“

”，在出現(xiàn)的“DataFiles”窗口中，點擊“FileName”，在出現(xiàn)的“開啟”窗口中，選擇要讀取的文件。數(shù)據(jù)的讀入方式有兩種：以觀察變量的原始數(shù)據(jù)或者以觀察變量相關(guān)系數(shù)矩陣讀入。4讀取數(shù)據(jù)文件注意：在讀取數(shù)據(jù)之前，要對數(shù)據(jù)的完整性（如遺465交代變量名稱觀察變量：在工具箱中選“”，就會出現(xiàn)“VariablesinDataset”窗口。此時，先點住變量名稱，然后拖動到適當?shù)挠^察變量上后松手，這個變量名稱就獨到觀察變量上了。潛在變量名稱：在對象上雙擊就會出現(xiàn)“objectproperties”窗口，在“variablename”上鍵入文字即可。誤差變量名稱，可以按【plugins】、【nameUnobservedVariables】。5交代變量名稱觀察變量：在工具箱中選“”，就會出476完整模型：如圖6完整模型：如圖48顯示重要參數(shù)：在工具箱中選“”，然后在繪圖區(qū)點一下，出現(xiàn)下圖顯示重要參數(shù)：在工具箱中選“”，然后在繪圖區(qū)點一下，49然后在FigureCaption窗口中輸入ChiSquare=\cmindf=\dfp=\p然后在FigureCaption窗口中輸入50點擊ok，就會出現(xiàn)一下情況：點擊ok，就會出現(xiàn)一下情況：51在工具箱中點擊Calculateestimates的圖示“”，產(chǎn)生估計值，在點擊顯示區(qū)的viewtheoutputpathdiagram圖示“”。結(jié)果如圖顯示：在工具箱中點擊Calculateestimates的圖示“52三、分組如果數(shù)據(jù)文件有必要分組，自讀取數(shù)據(jù)文件之后，要分別交代GroupVariable、GroupValue三、分組如果數(shù)據(jù)文件有必要分組，自讀取數(shù)據(jù)文件之后，要分別交53四、分析輸出報表1.違反估計2.正態(tài)性檢驗與異常值處理3.擬合度四、分析輸出報表1.違反估計541.違反估計違反估計是指模型內(nèi)統(tǒng)計所輸出的估計系數(shù)，超出了可接受的范圍。違反估計的項目有：負的誤差方差的存在標準化洗漱超過或太接近1（通常以0.95為門檻）1.違反估計違反估計是指模型內(nèi)統(tǒng)計所輸出的估計系數(shù)，超出了可552.正態(tài)性檢驗與異常值處理Asessmentofnormality表中的c.r.掉膘偏度系數(shù)或者峰度系數(shù)除以標準誤的臨界值，最后一行為Mardis多變量峰度系數(shù)c.r.。當c.r.大于2時，則暗示有些單變量可能具有異常值。Observationsfarthestfrom

thecentroid表中通?？磒2值，當p2值很小時（例如小于0.05）即表示該觀察值為異常值。2.正態(tài)性檢驗與異常值處理Asessmentofnorm563.擬合度AMOS是以卡方統(tǒng)計量來進行檢驗的，一般以卡方值p大于0.05判斷模型是否具有良好的擬合度。但是卡方統(tǒng)計量容易受到樣本大小的影響，因此還要參考其他擬合指標。如下圖：3.擬合度AMOS是以卡方統(tǒng)計量來進行檢驗的，一般以卡方值p57擬合指標判斷準則絕對擬合指標X2

P＞0.05表明擬合度較好GFI越接近1表示模型擬合度越好，通常采用GFI＞0.9RMR越接近0表示模型擬合度越好，通常采用RMR＜0.05RMSEA越接近0表示模型擬合度越好，通常采用RMSER＜0.1增值擬合指標AGFI越接近1表示模型擬合度越好，通常采用AGFI＞0.9NFI越接近1表示模型擬合度越好CFI越接近1表示模型擬合度越好IFI越接近1表示模型擬合度越好精簡擬合指標AICAIC越小表示該模型那個較好CAICCAIC越小表示該模型那個較好擬合指標判斷準則絕對擬合指標X2P＞0.05表明擬合度較好58四、模型修正在regressionweights表中，可看到ModificationIndices（M.I.）值，找出誤差變量之間最大的項目，是卡方值減少，p值增加，是我們修正模型的主要目標。四、模型修正在regressionweights表中，可看59五、探索最佳模型點【analyze】，在出現(xiàn)的“specificationsearch”工具列中，點擊最左邊的虛線“makearrowoptional”的圖標，然后在個變量之間的箭頭上分別加以點選，使他們呈現(xiàn)出虛線。五、探索最佳模型點【analyze】，在出現(xiàn)的“specif60五、探索最佳模型在“specificationsearch”工具列中，點“option”圖示，在出現(xiàn)的“options”，其currentresults選“zero-based(min=0)”,dian[nextsearch],在”retainonlythebestmodel”左邊方格中，將數(shù)值設為10。五、探索最佳模型在“specificationsearch61五、探索最佳模型在“specificationsearch”工具列中點“performspecificationsearch”圖標，就會產(chǎn)生“擬合指標匯總表”根據(jù)BCC與BIC來決定最佳模型。在specificationsearch窗口中，先點r圖示，再在模型所代表的數(shù)字上點兩下，就會出現(xiàn)該模型的路徑系數(shù)。五、探索最佳模型在“specificationsearch62六、遞歸與非遞歸模型PA-VO的路徑分析有兩種應用模型：遞歸與非遞歸。遞歸與非遞歸模型可以從兩個角度來判別：1.變量之間有無回溯關(guān)系2.殘差之間是否具有殘差相關(guān)。六、遞歸與非遞歸模型PA-VO的路徑分析有兩種應用模型：遞歸63七、直接效果與間接效果直接效果是某一變量對另一變量的直接影響。間接效果是某一變量通過某一中介變量對另一變量的直接影響?？傂Ч扔谥苯有Ч由祥g接效果。通常：如果直接效果大于間接效果，表示中介變量不發(fā)揮作用，可以忽略；如果直接效果小于間接效果，表示中介變量具有影響力，要重視中介變量七、直接效果與間接效果直接效果是某一變量對另一變量的直接影響64結(jié)構(gòu)方程模型的文獻綜述焦?jié)齅0301091

結(jié)構(gòu)方程模型的文獻綜述焦?jié)齅030109165結(jié)構(gòu)方程在各領域的應用1結(jié)構(gòu)方程在醫(yī)療衛(wèi)生領域的應用1.1生育保險

楊樹東，閔捷，沈其君等《生育保險病種費用影響因素結(jié)構(gòu)方程模型分析》（2008）通過建立結(jié)構(gòu)模型研究了生育保險病種費用影響因素，為生育保險按病種付費提供依據(jù)。抽取了南京市4家醫(yī)院2002年——2004年生育保險參保人員病歷首頁以及財務結(jié)算帳單1525份，用結(jié)構(gòu)方程模型(SEM)方法進行分析。結(jié)構(gòu)模型中的外生的顯在變量包括醫(yī)院等級，病種，年齡，職業(yè)，術(shù)前住院天數(shù)，入院病情和主要診斷程度，內(nèi)生的顯在變量包括病種實際住院天數(shù)和住院費用。隱變量包括社會經(jīng)濟特征，臨床特征，醫(yī)院管理和醫(yī)護質(zhì)量。其中社會經(jīng)濟特征用醫(yī)院等級、年齡和職業(yè)顯變量來估計，病種、入院病情和主要診斷程度可以估計臨床特征這個隱變量，術(shù)前住院天數(shù)和實際住院天數(shù)可以估計醫(yī)院管理和醫(yī)護質(zhì)量這個隱變量。最后的擬合結(jié)果，三個隱變量對住院費用的影響看，臨床特征對住院費用的影響最大，系數(shù)為0．9334，醫(yī)護質(zhì)量和社會經(jīng)濟特征對住院費用的影響系數(shù)分別為0．3194和0．2230，而病種對臨床特征的影響最大，這對研究的生育病種付費標準有很大意義，即確定病種付費標準時要充分考慮臨床特征的影響，把付費標準的差異最大化的歸于臨床特征的不同。結(jié)構(gòu)方程在各領域的應用1結(jié)構(gòu)方程在醫(yī)療衛(wèi)生領域的應用661.2農(nóng)村醫(yī)療衛(wèi)生

張英沽，李士雪，成昌慧《參合農(nóng)民住院概率影響因素的結(jié)構(gòu)方程模型分析》（2008）通過采用結(jié)構(gòu)方程模型分析參合農(nóng)民住院概率的影響因素，并進行模型擬合與評估。調(diào)查對象為山東省濟南市3個新型農(nóng)村合作醫(yī)療試點縣的全體農(nóng)民，以戶為抽樣單位，每個縣按經(jīng)濟狀況和新農(nóng)合覆蓋率的不同隨機抽取6個鄉(xiāng)鎮(zhèn)，共抽取l8個鄉(xiāng)鎮(zhèn)，每個鄉(xiāng)鎮(zhèn)再按經(jīng)濟狀況和新農(nóng)合覆蓋率不同隨機抽取6個村，共108個村，每個村再隨機抽取30戶家庭組成訶查的樣本，共計調(diào)查戶數(shù)為3240戶。調(diào)查內(nèi)容主要涉及家庭基本狀況、家庭收支情況、各層次醫(yī)療機構(gòu)的住院衛(wèi)生服務利用情況及其影響因素。住院人群的人口學特征包括住院病人的年齡、性別(生理狀態(tài))，文化程度、婚姻狀況（社會因素），經(jīng)濟狀況、是否患有慢性病以及兩周是否患病等。通過結(jié)構(gòu)方程模型得出的結(jié)果顯示：結(jié)構(gòu)方程模型顯示健康狀況直接影響住院率(直接影響權(quán)重為0.26)；生理狀態(tài)不僅直接影響住院率(直接影響權(quán)重為0.19)，而且通過健康狀況和社會因素間接影響住院率(間接影響權(quán)重為一0.30)；衛(wèi)生服務可得性對住院率的影響最小(影響權(quán)重僅為0.02)。本文中線性結(jié)構(gòu)方程模型較好的分析了參合農(nóng)民住院概率的影響因素。1.2農(nóng)村醫(yī)療衛(wèi)生張英沽，李士雪，成昌慧《參合農(nóng)民住院概67陳琦，梁萬年，盂群《農(nóng)村衛(wèi)生人力培訓效果的結(jié)構(gòu)方程模型研》（2004）為了研究分折農(nóng)村衛(wèi)生人力培訓效果的影響因素，為進一步提高培訓效果提供理論依據(jù)，從中部4省(山西省、安徽省、河南省、河北省)的鄉(xiāng)村醫(yī)生中選出800名作為研究調(diào)查對象，運用結(jié)構(gòu)方程模型方法進行分析。在研究中共設了8個潛在變量，即由行醫(yī)資歷、培訓形式因子、服務人口因子、培訓需求因子和教育程度因子組成的5個外生潛在變量(潛在的自變量)和反映培訓效果的工作技能、工作適應性、考核成績組成的3個內(nèi)生潛在變量(潛在的因變量)。最后的得出的結(jié)論是，影響培訓前后工作技能提高的因素主要有：培訓形式、被培訓者教育程度、被培訓者行醫(yī)的資歷及其服務人口的多少。影響工作適應性的有兩個因子，培訓形式和被培訓者培訓需求。對考核成績產(chǎn)生影響的有兩個因素即培訓形式和被培訓者教育程度。最后作者講到本研究沒有對培訓費用和培訓內(nèi)容的指標進行調(diào)查，如果引入的話可能使結(jié)構(gòu)模型更加完善。陳琦，梁萬年，盂群《農(nóng)村衛(wèi)生人力培訓效果的結(jié)構(gòu)方程模型研681.3長期護理舒勤，朱京慈《護理研究中結(jié)構(gòu)方程模型應用情況的元分析》（2009）回顧了國內(nèi)外護理研究中運用結(jié)構(gòu)方程模型進行研究分析的歷史，分為三個階段：第一階段從1980年一1989年，屬于SEM在護理研究領域應用的萌芽階段。第二個階段從1990年—1999年，屬于發(fā)展階段。。第三個階段從2000年至今，屬于應用推廣階段。指出了國內(nèi)外護理研究學者常運用SEM進行護理相關(guān)理論的研究：探索各個因素間的相互關(guān)系；對護理理論模型的構(gòu)建、擬合調(diào)整及驗證；制定各種護理量表等，涉及的領域包括護理管理、護理心理、家庭護理社區(qū)護理、臨床護理等方面；研究方法多采用問卷法、量表法、訪談法等；研究層面從個體、家庭、社區(qū)、地區(qū)到國家，層面較為豐富。SEM為護理研究工作者提供了一個比較強大的分析和驗證工具；SEM多因素分析技術(shù)在護理領域的研究為研究者打開了思路。SEM可以從微觀個體出發(fā)探討宏觀規(guī)律，對現(xiàn)有的可能存在測量誤差的隨機變量或不可直接測量的潛在隨機變量進行參數(shù)估計，在多指標間關(guān)系復雜、潛在因子之間存在一定關(guān)聯(lián)或依存關(guān)系的情況下建立模型，幫助研究者了解元素間的相互影響和相互作用，探討護理方案的改進措施，使研究問題得到恰當?shù)慕獯稹?.3長期護理舒勤，朱京慈《護理研究中結(jié)構(gòu)方程模型應用情況的692結(jié)構(gòu)方程在經(jīng)濟管理領域的應用

2.1食品安全領域劉艷秋，周星《QS認證與消費者食品安全信任關(guān)系的實證研究》（2008）采用結(jié)構(gòu)方程模型，研究QS認證相關(guān)因素影響消費者信任的途徑、消費者信任與購買意愿之間的關(guān)系，在研究結(jié)果基礎上對構(gòu)建基于QS認證的消費者食品安全信任提出相應的對策建議。作者在文章中總結(jié)歸納了八個影響QS認證信任的因素：消費者食品安全意(CSA)、企業(yè)能力(CA)、企業(yè)可信性(CC)、企業(yè)可靠性(CR)、企業(yè)誠信(CI)、政府和企業(yè)及消費者的三方信息交流(IC)、政府執(zhí)行QS認證的力GE)、政府監(jiān)管QS認證的水平(GS)。本文假設這八個因素與消費者對QS認證信任呈正相關(guān)關(guān)系。問卷是在福州和廈門地區(qū)四個大型超市，采取路上攔截調(diào)查，在不同的時問發(fā)放問卷400份，有效為346份。通過結(jié)構(gòu)方程模型(SEM)方法來識別QS認證的影響因素與消費者信任以及購買意愿之間的關(guān)系，得出的結(jié)論是：消費者安全意識、企業(yè)可信性、企業(yè)能力、政府監(jiān)管以及信息交流這五個因素對QS認證信任有顯著的影響。針對結(jié)論提出了政策建議：（1）加強消費者食品安全教育，提高安全意識（2）政府部門要做好QS認證監(jiān)管工作，為消費者信任QS認證提供長期政策保證（3）政府部門、企業(yè)應及時與消費者應進行信息交流，增加消費者對食品安全的信任，保證QS認證制度順利實施（4）企業(yè)要不斷改進其生產(chǎn)安全食品的能力，進而提高消費者的信任（5）食品企業(yè)應不斷提高企業(yè)誠信，創(chuàng)造食品安全誠信文化，打好消費者信任QS認證的基礎。2結(jié)構(gòu)方程在經(jīng)濟管理領域的應用

2.1食品安全領域70梁一鳴,張鈺爛,董西釧《基于結(jié)構(gòu)方程模型的杭州城鎮(zhèn)居民食品安全滿意度統(tǒng)計評估》（2009）采用杭州城鎮(zhèn)居民食品安全滿意度的樣本數(shù)據(jù)，運用探索性因子分析和結(jié)構(gòu)方程模型，考察了杭州城鎮(zhèn)居民對食品安全的滿意程度，探索其影響因素及薄弱之處，針對得出的結(jié)論提出政策建議。根據(jù)食品安全的定義，以及結(jié)合杭州食品市場的有關(guān)現(xiàn)實狀況，作者歸納了20個可能影響食品安全的因素，作為食品安全滿意度評價體系的單項指標如：技術(shù)認證、有關(guān)法律、執(zhí)法力度、政府政策、監(jiān)管體系、許可認證等。將20個指標分為5個滿意度因子①治理監(jiān)管因子②生產(chǎn)加工因子③有害物質(zhì)因子④質(zhì)量狀況因子⑤社會監(jiān)督因子。將居民食品安全滿意度作為一級指標，5個因子作為二級指標，上文提到的20個指標作為三級指標。通過對杭州多個城區(qū)的居民進行問卷調(diào)查獲得數(shù)據(jù)來源，發(fā)放400份有效問卷383份。最后通過結(jié)構(gòu)方程建立模型，進行模型修正得出結(jié)論：（1）杭州城鎮(zhèn)居民食品安全滿意度總指數(shù)為63.89。（2）居民對社會監(jiān)督因子的滿意度最高，而對有害物質(zhì)因子的滿意度最低。在對有害物質(zhì)因子滿意度進行分析后，發(fā)現(xiàn)居民對添加劑使用的滿意度最低。（3）成熟的監(jiān)管體系、合理的執(zhí)法力度對于維護食品消費市場的安全至關(guān)重要。提出的建議是：（1）增強食品信息透明度，建立食品安全信息發(fā)布平臺（2）宣傳《食品安全法》，普及食品安全知識（3）加大食品安全問題的懲處和法律制裁的力度。梁一鳴,張鈺爛,董西釧《基于結(jié)構(gòu)方程模型的杭州城鎮(zhèn)居民食品安713.2土地、住房領域武文杰，劉志林，張文忠《基于結(jié)構(gòu)方程模型的北京居住用地價格影響因素評價》（2010）

選取了北京市2004-2008年土地交易的微觀數(shù)據(jù)，基于結(jié)構(gòu)方程模型構(gòu)建了地價估計模型，定量分析了生活、交通、環(huán)境設施便利性和工作便利性這4類外生潛變量對居住用地出讓價格的影響程度，從而測度出房地產(chǎn)開發(fā)商對它們的偏好差異度。文中作者指出，目前，主要有兩大類估計技術(shù)來求解結(jié)構(gòu)方程模型?！N是基于最大似然估計(ML)的協(xié)方差結(jié)構(gòu)分析方法，該方法被稱為“硬模型”(HardModeling)，以LISREL方法為代表；另一種則是基于偏最小二乘(PLS)的結(jié)構(gòu)方程模型，被稱為“軟模型”(SoftModeling)，以PLS方法為代表。這是一種檢驗觀測變量和潛變量、潛變量和潛變量之間關(guān)系的多元先驗模型。帶有潛變量的結(jié)構(gòu)方程模型由測量模型和結(jié)構(gòu)模型兩部分組成。本文的研究目的是反映對于居住用地價格具有重要影響的各種因素以及這些變異量對居住用地價格影響程度的解釋，因而選用PLS方法來求解結(jié)構(gòu)方程模型，從而得到相對穩(wěn)健的評估。居住用地價格影響因素的結(jié)構(gòu)方程模型包括一個測量模型和一個結(jié)構(gòu)模型。其中，測量模型反映了4類外生潛變量（生活、交通、環(huán)境設施便利性和工作便利性）和其觀測變量（居住地離醫(yī)院、政府、郵局、學校、銀行、公園、商場、地鐵站、公共廣場的距離）之間的關(guān)系，結(jié)構(gòu)模型用于表示四種外生潛變量和內(nèi)生潛變量(居住用地出讓價格)之間的關(guān)系。研究結(jié)論顯示，生活、交通、環(huán)境設施便利性和工作便利性這4類外生潛變量對觀測變量的解釋能力均較強。其中，這4類外生潛變量分別對學校、地鐵站、公園和企業(yè)單位聚集中心的可達性的解釋能力相對較好。另一方面，生活、交通、環(huán)境設施便利性和工作便利性均顯著性地影響北京市居住用地出讓價格，但其影響力程度不同。其中，工作便利性對居住用地價格的影響程度相對最強，而交通、生活和環(huán)境設施便利性對居住用地價格的影響程度依次減弱。作者還指出，本文只是從居住用地價格的影響因素——居住用地地塊與各種影響因素的可達性關(guān)系而設定了評價模型，因而所構(gòu)建的結(jié)構(gòu)方程模型還有許多有待研究的問題，例如，模型的指標體系可能設置的不夠全面和準確，還有更多的因素應考慮在內(nèi)。而且，隨著時間、地點和房地產(chǎn)調(diào)控政策的變化，評價結(jié)果也會發(fā)生變化。但是本文對房地產(chǎn)開發(fā)商制定住宅開發(fā)戰(zhàn)略有較好的借鑒意義。同時，也將有助于政府規(guī)劃部門了解目前北京市公共服務設施的空間布局結(jié)構(gòu),改善居住用地周邊公共服務設施的可達性有一定的參考價值。3.2土地、住房領域武文杰，劉志林，張文忠《基于結(jié)構(gòu)方程模型72孔榮，王亞軍《農(nóng)戶集中居住意愿的影響因素分析》(2010)

利用對徐州市4個縣的320戶農(nóng)戶的調(diào)查數(shù)據(jù)，在理論上進行分析和假設，認為農(nóng)戶是否愿意集中居住(參與農(nóng)村居民點用地的集約利用)，主要取決于以下六類因素：1．被調(diào)查農(nóng)民自身特征：如年齡、受教育程度、有無技術(shù)專長等。2．農(nóng)戶家庭特征：如家中有無黨員、有無村干部、有無小孩等。3．農(nóng)戶現(xiàn)居住情況：人均住房面積、住房安全狀況、住址離城鎮(zhèn)距離等。4．農(nóng)戶家庭經(jīng)濟特征：如人均純收入、收入主要來源渠道(收入主要來源于是農(nóng)業(yè)產(chǎn)業(yè)還是非農(nóng)產(chǎn)業(yè))等。5．當?shù)厣鐣顩r：如交通、通訊、治安、鄰里關(guān)系等。6．政府政策：住房補助金額、集中居住地點的選址、集中居住后的住房和基礎設施狀況等。在問卷調(diào)查中根據(jù)六種影響因素設計18個指標，比如年齡、受教育程度、有無技術(shù)專長、家中有無黨員、人均住房面積、人均純收入等。通過結(jié)構(gòu)方程模型分析顯示：在所選取的18個指標中除了通訊外，其余指標對農(nóng)民參與居民點集中利用都有明顯的影響，除了年齡外其余指標對集中居住意愿的路徑系數(shù)均為正值，表明其他17個指標對集中居住意愿都起到正向作用。針對分析結(jié)果提出的建議是，1．提高集中居住地的居住條件，并改善配套的基礎設施，如學校、醫(yī)院等。2．在正式推行集中居住之前，可以先搞試點，而試點區(qū)域就可以選擇那些交通不便的、離城鎮(zhèn)較遠的村莊。3．引導和支持農(nóng)戶非農(nóng)就業(yè)，如通過職業(yè)培訓、介紹外出打工、支持農(nóng)戶創(chuàng)業(yè)等，減少農(nóng)民對農(nóng)地的依賴，這樣有利于農(nóng)地集中利用，規(guī)模經(jīng)營。孔榮，王亞軍《農(nóng)戶集中居住意愿的影響因素分析》(2010)734教育領域中的應用劉彪，舒劍萍《基于結(jié)構(gòu)方程模型的高校教職工心理癥狀及其影響因素的相關(guān)分析》（2009）對1132名高校教職工進行問卷調(diào)查,探討了高校教職工應激生活事件、社會支持、領悟社會支持、應對方式與心理癥狀的關(guān)系。運用驗證性因子分析得出指標對應的因子負荷顯著。用結(jié)構(gòu)方程模型對數(shù)據(jù)進行擬合,發(fā)現(xiàn)應激生活事件、社會支持、領悟社會支持、消極應對、積極應對對癥狀總分有直接影響。在建立結(jié)構(gòu)方程模型時，將應激生活事件作為外生潛變量,癥狀總分、積極應對、消極應對、社會支持、領悟社會支持作為內(nèi)生潛變量。其中應激事件的指標為家庭、工作學習、社交及其它因子得分，積極應對的指標為解決問題、求助的因子得分,消極應對的指標為退避、幻想、發(fā)泄、忍耐的得分。社會支持的指標為主觀支持、客觀支持、支持利用度的因子得分。領悟社會支持的指標為家庭支持、朋友支持、其它支持的因子得分。癥狀總分的指標為10個因子的因子得分。4教育領域中的應用劉彪，舒劍萍《基于結(jié)構(gòu)方程模型的高校教74林彥蕓《于結(jié)構(gòu)方程模型的廣東省中學教師參與體育活動影響因素分析》（2010）運用結(jié)構(gòu)方程模型來研究中學教師參與體育活動的影響因素。在此基礎上尋找對策,將參與體育活動最大限度地納入到中學教師生活方式當中。數(shù)據(jù)獨立地采用了2008年廣東省中學教師參與體育鍛煉調(diào)查的1527個樣本,從調(diào)查者的性格特征、興趣愛好、家庭影響、體育氛圍、生理因素、壓力因素、余暇時間、經(jīng)濟收入八個方面來研究其對參與體育鍛煉的影響。依據(jù)這個八個方面建立結(jié)構(gòu)方程反應各個因素對體育鍛煉影響的程度，通過擬合性檢驗后得出結(jié)論，對參與體育鍛煉影響最大的是家庭影響,模型中對參與體育活動的總影響為0.621，性格特征、生理因素及興趣愛好對參與體育活動積極程度的總影響氛圍為0.467、0.458和0.395,相對影響較大，體育氛圍、余暇時間及經(jīng)濟收入對參與體育活動積極性影響程度值分別為0.121、0.089、0.116,對中學體育教師參與體育活動影響較小。建議:1、要以家庭為單位,而非單一地面向教師群體,倡導中學教師群體主動參與體育。2、要關(guān)心中學教師群體的心理健康。3、要根據(jù)中學教師的興趣愛好、性格特征,因地而異、有針對性地在學校、社會修建一些投資少、鍛煉效果好、管理方便又能吸引人的體育設施,包括公共體育設施以及社區(qū)體育設施,為中學教師參與體育提供良好的外在環(huán)境。林彥蕓《于結(jié)構(gòu)方程模型的