一、理论原理
结构方程模型(structural equation modeling,简称SEM),有学者也成称之为潜在变量模型(latent
variable models,LVM)。通常结构方程模型属于多变量统计(multivariate
statistics),它整合了因素分析(factor analysis)与路径分析(path
analysis)两种统计方法,同时检验模型中包含的显性变量、潜在变量、干扰或误差变量间的关系,进而获得自变量对因变量的直接效果、间接效果或总效果。【1】
(一)结构方程模型的类型
结构方程模型基本上是一种验证性的方法,通常必须有理论或经验法则支持,由理论来引导,在理论导引的前提下才能建构假设模型图。即使模型的修正,也必须依据相关理论而来,它特表强调理论的合理性。结构方程模型中有两个基本的模型:测量模型和结构模型。【1】
1. 测量模型
2. 结构模型
- 结构方程模型的关系中,单箭头表示变量间的因果关系,双箭头表示两个潜在变量间的相关(共变关系),二者之间无因果关系。
- 变量间关系的建立要有坚强的理论为根据,在既有的解释程度之下,能够以越少的概念和关系来呈现现象的理论越佳。
- 模型界定时必须遵循简约原则,即能以一个比较简单的模型来解释复杂的关系。
(二)结构方程模型的案例
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。从影响关系来看:Factor1和Factor2对于Factor3产生影响关系;Factor3对Factor4产生影响关系。【3】
(三)结构方程模型的参数估计方法
1. 样本大小
2. 估计方法
(四)模型的概念化与修正
1.模型的概念化
2. 模型的修正
(五)模型适配度的统计量
模型的适配(fit)指的是假设的理论模型与实际数据的一致性程度。在结构方程模型中,所期望获得的结果是“接受虚无假设”,因为不显著的检验结果,表示样本协方差矩阵与假设理论模型隐含的矩阵越接近,表示理论模型越能契合实证数据的结构,模型的适配度越好。假设模型与实际数据是否契合,需要同时考虑三个方面:基本适配指标(preliminary fit criteria)、整体性模型适配度指标(overall model fit)、模型内在结构适配度指标(fit of internal structural model)。【2】1. 模型基本适配指标
- 估计参数中不能有负的误差方差;
- 所有误差变异必须达到显著水平(t>1.96);
- 估计参数统计量彼此间相关的绝对值不能太接近1(标准化参数系数不能≥1);
- 潜在变量与其测量指标间的因子载荷量,最好介于0.50-0.95之间。
- 不能有很大的标准误。
2. 整体模型适配度指标(模型外在质量的评估)
- X2(卡方值)越小,表示整体模型的因果关系与实际数据越匹配。一个统计不显著(p>0.05)的卡方值,表示接受虚无假设,表示模型的因果路径图模型与实际数据契合。
- χ2 /df <1,表示模型过度适配;>3(较宽松值为5),表示模型适配度不佳;若值介于1-3,表示模型适配度良好。
- SRMR(standardized root mean square residual)为标准化残差均方和平方根,其值介于0-1之间,数值越大表示模型的契合度越差,一般而言模型契合度可以接受的值<0.05。
- RMSEA为渐进残差均方和平方根(root mean square error of approximation)为最重要的适配度指标,RMSEA<0.05,表示模型适配度非常好(good fit);介于0.05-0.08之间,表示模型良好,有合理适配(reasonable fit);在0.08-0.10之间,模型尚可,具有普通适配(modiocre fit);>0.10,表示模型适配欠佳(poor fit)。
- GFI(goodness-of-fit index)为良适性适配指标,GFI介于0-1之间,相当于回归分析中的系数R2,其数值越接近1,表示模型的适配度越好。通常,GFI>0.9,表示模型路径图与实际数据有良好的适配度。
- AGFI(adjusted goodness-of-fit index)为调整后良适性适配指标,类似于调整后R2。AGFI数值也介于0-1之间,当AGFI>0.9,表示模型路径图与实际数据有良好的适配度。
- CFI(comparative fit index)为比较适配指数,属于增值适配度统计(假设模型与基准线模型的适配度比较),介于0(模型完全不适配)和1(模型完全适配)之间。通常CFI>0.9,表示模型路径图与实际数据有良好的适配度。
- 其它增值适配度指标,包括NFI(normed fit index)、RFI(relative fit model)、IFI(incremental fit index)、TLI(tracker-Lewis index)也都类似于CFI,当>0.9时,适配度良好。
3. 模型内在结构适配度的评估(模型内在质量的检验)
- 潜在变量间路径系数所代表的参数的符号(正数或负数),是否与原先理论模型所假设的期望的影响方向相同。路径系数为正表示自变量对因变量有正向的影响,为负表示自变量对因变量有负向的影响。
- 假设模型的所有路径系数的参数估计值均必须达到统计显著水平,即|t|>1.96,路径系数达到显著(p<0.05),表示变量间的影响存在实质性意义。
- 多元相关的平方值(R2),越高越好,并且达到显著水平。R2越大,表示因变量被自变量解释的变异量越高。