結(jié)構(gòu)方程模型出現(xiàn)問題如何辦？目錄TOC\o"1-5"\h\z1結(jié)構(gòu)方程模型SEM的擬合指標(biāo)1解決辦法1：梳理建模流程（因子分析）33解決辦法2：調(diào)整模型（MI指數(shù)調(diào)整和手工調(diào)整）3解決辦法3：換用模型（路徑分析或線性回歸）4結(jié)構(gòu)方程模型SEM是一種多元數(shù)據(jù)分析方法，其包括測量模型和結(jié)構(gòu)模型，類似如下圖:A2A4B1Factor2熾知價(jià)值Faetorl感知質(zhì)At結(jié)構(gòu)方程模型SEM是一種多元數(shù)據(jù)分析方法，其包括測量模型和結(jié)構(gòu)模型，類似如下圖:A2A4B1Factor2熾知價(jià)值Faetorl感知質(zhì)AtFattor3-顧客満意Factor4顧稗忠誠IR廠HC1C2C3上圖中紅框即為測量模型，F(xiàn)actori是A1~A4共4項(xiàng)表示；類似還有Factor2,Factor3和Factor4。而結(jié)構(gòu)模型是指影響關(guān)系情況，比如模型中Factori和Factor2影響Factor3；Factor3影響Factor4。如果說只研究測量模型，那么通常是指驗(yàn)證性因子分析CFA；如果說只研究結(jié)構(gòu)模型，則稱作路徑分析pathanalysis。驗(yàn)證性因子分析和路徑分析均是結(jié)構(gòu)方程模型的特殊形式。結(jié)構(gòu)方程模型由測量模型和結(jié)構(gòu)模型構(gòu)成，如果進(jìn)行結(jié)構(gòu)方程模型構(gòu)建時(shí)想達(dá)到良好的模型效果。那么就需要保證測量模型和結(jié)構(gòu)模型均有著良好的擬合性，否則最終結(jié)構(gòu)方程模型擬合效果都不會(huì)太好。同時(shí)，結(jié)構(gòu)方程模型有著非常多的擬合指標(biāo)，比如卡方自由度比，RMSEA,CFA,RMR等幾十種，但在實(shí)際研究中會(huì)發(fā)現(xiàn)基本上很難所有指標(biāo)均達(dá)標(biāo)，而且很多指標(biāo)都不達(dá)標(biāo)。那怎么辦呢？接下來針對結(jié)構(gòu)方程模型的擬合指標(biāo)、擬合效果不好時(shí)的3種解決辦法等分別進(jìn)行說明，期許得到最佳模型。結(jié)構(gòu)方程模型SEM的擬合指標(biāo)結(jié)構(gòu)方程模型擬合時(shí)，會(huì)有非常多的指標(biāo)。SPSSAU默認(rèn)提供常用的15類指標(biāo)，說明如下:擬合指標(biāo)中文名稱標(biāo)準(zhǔn)x2/df卡方自由度比嚴(yán)格是小于3,不嚴(yán)格是小于5（甚至8）GFI擬合優(yōu)度指數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受RMSEA近似誤差均方根嚴(yán)格是小于0.05，不嚴(yán)格是小于0.1（或0.08）RMR均方根誤差嚴(yán)格是小于0.05，不嚴(yán)格是小于0.1CFI比較擬合指數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受NFI規(guī)范擬合指數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受NNFI不規(guī)范擬合指數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受TLITucker-Lewis扌旨數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受AGFI調(diào)整的擬合優(yōu)度指數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受IFI增值擬合指數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受PGFI節(jié)儉擬合指數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受PNFI節(jié)儉規(guī)范擬合指數(shù)通常需要大于0.9,SPSSAU認(rèn)為接受0.9基本可接受SRMR標(biāo)準(zhǔn)化均方根誤差嚴(yán)格是小于0.05，不嚴(yán)格是小于0.1AIC赤池信息量準(zhǔn)則用于不冋模型選擇時(shí)對比，該值越小越好BIC一致性赤池信息量準(zhǔn)則用于不冋模型選擇時(shí)對比，該值越小越好在已有文獻(xiàn)中，還會(huì)出現(xiàn)各類擬合指標(biāo)，但基本上都是上述擬合指標(biāo)的一種變型而已。一般來說，模型擬合效果越好，各類指標(biāo)越容易達(dá)標(biāo)，但即使模型已經(jīng)擬合非常好，也不能保證所有的參數(shù)均在標(biāo)準(zhǔn)范圍內(nèi)。為什么會(huì)出現(xiàn)這種情況呢，比如卡方自由度值使用較多，但是該指標(biāo)容易受到樣本量的影響，樣本量越大時(shí)，該指標(biāo)越可能更小，有的指標(biāo)在標(biāo)準(zhǔn)范圍內(nèi)，那么對應(yīng)有的指標(biāo)就可能不在標(biāo)準(zhǔn)范圍內(nèi)，沒有一個(gè)指標(biāo)可以完全性地確定模型的好或壞。也就是說不同的擬合指標(biāo)并不能完全的測量模型的擬合效果，而應(yīng)該綜合著分析模型效果水平。SPSSAU提供了各類常用的擬合指標(biāo)共計(jì)15個(gè)，但現(xiàn)在研究中，使用最為常見的指標(biāo)RMSEA,CFI,NNFI,AGFI,RMR，TLI，卡方自由度比等。如果研究時(shí)發(fā)現(xiàn)最常用的幾個(gè)指標(biāo)在標(biāo)準(zhǔn)范圍內(nèi)（或者多數(shù)指標(biāo)基本均接近或明顯在標(biāo)準(zhǔn)范圍內(nèi)），而有其它一些指標(biāo)并不在標(biāo)準(zhǔn)范圍內(nèi)，相信模型擬合也是較好的，因此不用完全考慮所有的擬合指標(biāo)均達(dá)標(biāo)，幾乎也不可能所有的指標(biāo)均達(dá)標(biāo)。特別說明一點(diǎn)即：卡方自由度比值是卡方值除以自由度值，卡方值容易受到樣本量的影響，樣本越大時(shí)該值越可能更小，所以小樣本時(shí)卡方自由度比值容易偏大。另外，如果是飽和模型則自由度為0,此時(shí)模型無法得到卡方自由度值，這是正常現(xiàn)象，如果自由度值為0,SPSSAU默認(rèn)會(huì)以“-”標(biāo)識出卡方自由度值。除此之外，很多時(shí)候還會(huì)出現(xiàn)擬合指標(biāo)數(shù)值為1.000的現(xiàn)象，這也是正?，F(xiàn)象。如果說模型擬合出現(xiàn)大面積的不達(dá)標(biāo)，而且明顯偏離標(biāo)準(zhǔn)范圍內(nèi)，那么這種模型需要進(jìn)行調(diào)整才行。接下來從3個(gè)方面進(jìn)行說明，第1點(diǎn)是梳理建模流程，用于解決掉測量模型不好的問題；第2點(diǎn)是調(diào)整模型，可用于降低卡方自由度值，并同時(shí)對其它擬合指標(biāo)有一定幫助；第3點(diǎn)是換用模型，如果說無論如何模型均不達(dá)標(biāo)，那么此時(shí)可換用模型，比如改為路徑分析Pathanalysis，線性回歸等。解決辦法1：梳理建模流程（因子分析）如果出現(xiàn)模型擬合大面積不達(dá)標(biāo)時(shí)，首先應(yīng)該從模型本身找原因。結(jié)構(gòu)方程模型包括測量模型和結(jié)構(gòu)模型，而我們正常情況下只會(huì)關(guān)注于結(jié)構(gòu)模型即影響關(guān)系等，而完全忽略掉還有測量模型。如果說測量模型不好，那擬合指標(biāo)肯定不會(huì)好。但是測量模型是我們?nèi)菀缀鲆暤牡胤健Ｒ蚨谝稽c(diǎn)是查看測量模型是否有問題。如何查看呢，一是查看載荷系數(shù)值，是否有出現(xiàn)標(biāo)準(zhǔn)化載荷系數(shù)值較低（比如小于0.7），也或者出現(xiàn)共線性問題（此時(shí)標(biāo)準(zhǔn)化載荷系數(shù)值會(huì)大于1）。如果有出現(xiàn)此類問題，那么就會(huì)影響到最終的擬合效果。出現(xiàn)此種問題時(shí)如何解決呢，SPSSAU建議從頭開始，按照測量模型的規(guī)范進(jìn)行。先進(jìn)行探索性因子分析（SPSSAU-〉進(jìn)階方法），然后再做驗(yàn)證性因子分析（SPSSAU-〉問卷研究里面的驗(yàn)證性因子分析）。探索性因子分析做了再做驗(yàn)證性因子分析，保證刪除掉不合理的項(xiàng)，保證最終的測量模型良好。也只有這樣才能保證模型擬合達(dá)到預(yù)期。如果在結(jié)構(gòu)方程模型分析前已經(jīng)進(jìn)行了探索性因子分析和驗(yàn)證性因子分析等，也可以直接查看標(biāo)準(zhǔn)化載荷系數(shù)，并且對不合理的項(xiàng)進(jìn)行刪除處理等。特別提示在于，通常不是直接開始就進(jìn)行結(jié)構(gòu)方程模型，而是在之前做很多的準(zhǔn)備工作，即包括探索性因子和驗(yàn)證性因子分析等。還有一種情況即，一個(gè)變量僅由一項(xiàng)表示，此種情況相當(dāng)于直接沒有測量模型，建議此種情況可考慮進(jìn)行路徑分析，即結(jié)構(gòu)方程模型的特殊形式（不帶測量關(guān)系）的模型。解決辦法2：調(diào)整模型（MI指數(shù)調(diào)整和手工調(diào)整）如果出現(xiàn)模型大面積不達(dá)標(biāo)，相信通過梳理建模流程，刪除不合理項(xiàng)之后，可以讓很多指標(biāo)均正常。本小節(jié)說明第二種調(diào)整模型的方式，即調(diào)整模型。調(diào)整模型包括兩種，一是MI指數(shù)調(diào)整和手工模型調(diào)整MI指數(shù)調(diào)整MI指數(shù)調(diào)整一般是為了解決卡方自由度比值而存在，根據(jù)MI指標(biāo)調(diào)整是指建立各類協(xié)方差關(guān)系，以減少模型的卡方值，同時(shí)也會(huì)減少自由度值，MI調(diào)整一般會(huì)對卡方自由度值指標(biāo)有著明顯的影響，但對于其它指標(biāo)的影響相對會(huì)較小。實(shí)際研究中，可能需要手工的調(diào)整，SPSSAU默認(rèn)提供自動(dòng)調(diào)整方式，可以按照MI大于20，MI大于10，或者M(jìn)I>5這三種方式進(jìn)行批量調(diào)整,比如批量將MI值大于5時(shí)，建立協(xié)方差關(guān)系（即相關(guān)關(guān)系）。但特別提示一點(diǎn)，此種方式非常便捷，但并不精細(xì)，很可能一次性建立了很多協(xié)方差關(guān)系。樟型胡I調(diào)韓v0姮型Ml退魁A1]按MI>1O調(diào)整A?」按Mla30調(diào)整按Ml>50凋整B1▼C2D1D2除了讓SPSSAU進(jìn)行批量式的模型調(diào)整（使用MI指標(biāo)值建立協(xié)方差關(guān)系）夕卜，還可以手工模型調(diào)整。?手工模型調(diào)整手工模型調(diào)整是指結(jié)合自身專業(yè)知識情況對模型進(jìn)行調(diào)整，包括2種情況。分別是模型的拆分和模型的優(yōu)化。一般來說，模型越簡單，此時(shí)模型越容易達(dá)標(biāo)。那么是否可以把模型拆分成幾個(gè)呢，把一個(gè)復(fù)雜的結(jié)構(gòu)方程模型拆分成幾個(gè)，分別進(jìn)行建模。如果是這樣相信擬合效果會(huì)明顯更好。以及模型是否可以進(jìn)行刪減呢，復(fù)雜的模型關(guān)系中，是否有個(gè)別關(guān)系可以進(jìn)行刪減，也或者嘗試性地進(jìn)行刪減，以擬合出更優(yōu)的模型。手工模型調(diào)整是一個(gè)多次嘗試對比的過程，非絕對模式化的調(diào)整方式，但此種調(diào)整方式在很大程度上均能解決掉模型擬合不好的效果。解決辦法3：換用模型（路徑分析或線性回歸）如果說經(jīng)過上述的處理后，依舊無法讓模型達(dá)標(biāo)。說明模型確實(shí)擬合效果不好，也或者基于當(dāng)前樣本下時(shí)模型擬合不佳。那么建議換用模型方法，包括使用路徑分析和線性回歸模型。?使用路徑分析（SPSSAU->問卷研究）模型路徑分析是結(jié)構(gòu)方程模型的特殊形式，它完全不涉及測量模型，因此模型變