晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

轉錄自網路文章～流浪的魚

1． 結構方程模式
結構方程模式是在已有的因果理論基礎基礎上，用與之相應的線性方程系統表該因果理論的一種統計分析技術.目的在於探索事物間因果關係並將這種關係用因果模式 、 路徑圖等表述(Kline，R．B1998)。 一般，結構方程模式由測量和潛在變量兩部分組成：測量部分求出觀察指標與潛在變量之間的關係；潛在變量部分求出潛在變量與潛在變量之間關係。 因此，結構方程模式分為測量模式與潛在結構模式(侯傑泰，1994)。

 測量模式的方程 ：
 X、Y分別是外源和內源指標；η、ε分別是內源和外源變量，δ、e分別是X、Y的測量誤差；Λx是X指標與外源潛在變量ζ的關係；Λy是Y指標與內源潛在變量η的關係。

 結構模式的方程 ：η=βη+Γε+ζ
 η是內源潛在變量，ε是外源潛在變量間關係，ζ是內源潛在變量間關係，Γ是外源潛在變量對內源潛在變量影響，是模式內未能解釋的部分。

 
2． 結構方程模式的建構
 (1)模式構想出發點是為觀察變量問候設的基本因果關係建立具體的模式。 這就需要清晰地說明變量間的因果聯繫，即通過路徑圖的方式，對變量間假定的因果聯繫予以描述。 但同時我們應該認識到． 模式的建立必須以正確的理論為基礎，如果某一路徑缺乏理論依據，則它無法正確解釋變量間的因果聯繫。

 (2 )模式限定可以用代表因果理論的線性方程系統表示理論上的模式。 在從概念理論到統計模式的過渡． 可形成假設。
一假設是：線性模式可完全代表觀察數據餘假設分為：有關觀察指標與潛在變量關係的假設；有關潛在變量或觀察指標因果關係的方向及屬性的假設。

 (3) 模式識別的判定模式形成的重要階段是判定模式能否被識別。 要能識別某個模式，就需要說明線性方程的各個系統參數。 這些系統參數可根據觀察分數的方差和協方差矩陣所提供的資訊進行估計。 模式識別的必要但非充分條件是模式的參數個數不多於觀察的方差和協方差數目(Duncan，1975；Everitt，1984)。

 (4) 模式擬合把統計模式與觀察數據相擬合。 根據研究者的需要，可選用適當的擬合指標以考察模式與數據的擬合程度。 由於對觀察變量的分佈和屬性所作的假設不同，因而擬台的規則與估計方法也有所差異ollen，1989；Joreskog&Sorbom，1993)

 (5) 模式擬合檢驗對於一個模式，只要它滿足模式識別的基本條件，就可以對該模式與數據的擬合度進行檢驗。 模式的擬合檢驗可採用多種指標(Bentler，P．M，1990)，研究者可以根據不同的目的選用不同的擬合指標加以檢驗(下文將作詳細闡述)。 但模式擬合度只表明模式與觀察數據的一致性程度，至於這個模式是否能完全代表觀察數據，這首先還得聯繫到模式建立的理論基礎及其它一些重要方面。

 (6) 模式評價 ，遠遠比單純地確定模式與數據的擬合程度更為複雜，因模式評價需要表明在現有證據和知識限度內，所提出的模式是否是數據最好的或信息量最大的解釋(Bollen．1989：Joreskog＆Sorbom．1993)。 這就要求把結構方程分析置於一個更廣泛的證據和理論之中． 同時還要討論模式的現實可能性，並進行參數估計。