0.206
2.562
-0.212
-1.575
-0.378
-2.857
注：t检验值>1.96表示通过显著性检验，且在0.05的显著水平下
（3）模型评价（model assessment）
• 结构方程的解是否恰当，（相关系数应在+1和-1之间）；
变量
工作自主权 工作负荷 工作单调性
变量间关系
ε1—η1 ε3—η1 εபைடு நூலகம்—η1
（二）结构模型
• 对于潜变量间（如工作自主权与工作满意度）的 关系，通常写成如下结构方程：
B • 其中：B——内生潜变量间的关系（如其它内生潜
变量与工作满意度的关系）；
• ——外源潜变量对内生潜变量的影响（如工作
自主权对工作满意度的影响）； • ——结构方程的残差项，反映了在方程中未能
10
结构化模型基本概念（续）
结构化方程模型典型组成图示。
E rro r
L a te n t Va ria b le
F1
D is tu rb a n c e
F2
F3
M e a s u re m e n t M o d e l
S tru c tu ra l M o d e l
结构化方程模型建模步骤：
多元统计方法中的相关解决方法
• 针对1）：路径分析（Path Analysis）
– 缺点：分开考察不同的因变量，无法考察因变量之间 的关系且缺少整体的视角
• 针对2）：偏最小二乘法（PLS）
– 缺点：相关理论尚不完善，解释力较弱。
– 《王惠文，偏最小二乘法理论与应用，国防工业出版社》
• 针对3）：指标赋予权重，进行综合评价，得出一 个量化的指标
• 结构方程（structural equation）， 描述潜变量之间的关系，如工作 自主权与工作满意度的关系。
工作自主权
工作满意度
（一）测量模型
• 对于指标与潜变量（例如两个工作自主权指标与工作自主权）间的关系，通常 写为以下测量方程：
x x y y
• 其中：x——外源指标（如两个工作自主权指标）组成的向量；
• 这时，只能退而求其次，用一些外显指标，去间接 测量这些潜变量。如用工作方式选择、工作目标调 整作为工作自主权（潜变量）的指标，以目前工作 满意度、工作兴趣、工作乐趣、工作厌恶程度（外 显指标）作为工作满意度的指标。
• 传统的统计分析方法不能妥善处理这些潜变量，而 结构方程模型则能同时处理潜变量及其指标。
因子模型部分成为测量模型（Measurement model），其 中的方程成为测量方程（ Measurement equation），描述 了潜变量与指标之间的关系。
结构化方程模型包含的因果模型部分成为潜变量（Latent variable model），也称为结构模型，其中的方程成为结构 方程（structural equation）。
（1）对工作本身的满意度。包括工作内容的奖励价值、多样性、学习机会、 困难性以及对工作的控制等。因此，假设：
假设1：工作自主权越高，工作满意度越高。工作自主权是指员工可以运用 相关工作权利的程度。有较高工作自主权的员工，将具有较高的工作满意 度。
假设2：工作负荷越高，工作满意度越低。工作负荷是指工作职责不能被实 现的程度。工作压力会使员工处于有害身心健康的状况中，有碍于员工对 工作的积极态度（House,1980），工作压力会降低工作满意度。
概念模型 Ma
模型拟合结果输出
模型拟合结果输出
Modification Indices for LAMBDA-X 修正指数
KSI 1
KSI 2
KSI 3
KSI 4
KSI 5
-------- -------- -------- -------- --------
VAR 1
--
0.06
0.66
0.09
－ 未通过t 检验
假设3：工作单调性越高，工作满意度越低。 － √
（3）模型评价（model assessment）
• 检验不同类型的整体拟合指数，（各项拟 合优度指标是否达到要求）；
表2 模型拟合优度结果
指标 DF Χ2 P NFI NNFI CFI IFI GFI AGFI RFI RMR RMSEA
被解释的部分。
潜变量间的关系，即结构模型，是研究的兴趣重点， 所以整个分析也称结构方程模型。
三、建模过程
• （1）模型建构（model specification） • （2）模型拟合（model fitting） • （3）模型评价（model assessment） • （4）模型修正（model modification）
P=0.0
第二个指标是P值，P值要求小于0.1。
（3）模型评价（model assessment）
• 规范拟合指数（NFI），不规范拟合指数 （NNFI），比较拟合指数（CFI），增量拟合指 数（IFI），拟合优度指数（GFI），调整后的拟 合优度指数（AGFI），相对拟合指数（RFI）， 均方根残差（RMR），近似均方根残差（RMSEA） 等指标用来衡量模型与数据的拟合程度。
回归分析与结构方程模型
一个回归分析和结构方程比较的例子：
• 假如有五道题目来测量外向型性格，还有四道题目 来测量自信。研究自信与外向型性格的关系。假如 是你，你将怎样来进行研究？
• 回归分析的做法：先分别计算外向题目的总分（或 平均分）和自信题目的总分（或平均分），在计算 两个总分的相关。
• 这样的计算所得的两个潜变量（性格与自信）的关 系，恰当吗？
--
3.66 22.02
4.78
VAR 9
0.40
指标值 687 1386.64 0.0 0.901 0.937 0.950 0.951 0.861 0.817 0.861 0.0584 0.0457
（3）模型评价（model assessment）
Χ2/DF= 1386.64/ 687=2.018
• 第一个指标是卡方统计量与自由度的比值，美国 社会统计学家卡米尼斯和马克依维尔认为，卡方 值与自由度之比在2：1到3：1之间是可以接受的
结构方程模型
Structural Equation Models
目录
• 一、为何要用结构方程模型？ • 二、模型原理简介 • 三、模型建模 • 四、例子：员工流失动因模型
一、为何要用结构方程模型？
• 很多社会、心理研究中所涉及到的变量，都不能准 确、直接地测量，这种变量称为潜变量，如工作自 主权、工作满意度等。
2.53
VAR 2
--
0.38
0.53
0.23
0.11
VAR 3
--
0.72
0.01
0.03
1.49
VAR 4
--
0.00
0.03
0.01
0.03
VAR 5
7.73
--
9.62
9.23
1.50
VAR 6
0.01
--
3.29
1.07
1.50
VAR 7
0.12
--
0.25
0.12
2.26
VAR 8
41.35
探索性因子分析)、ｔ检验、方差分析、比较各 组因子均值、交互作用模型、实验设计
结构化模型基本概念
计量回归分析研究的是显变量之间的关系，并且是直接效应的 关系。
在社会科学以及经济、市场、管理等研究领域，有时要处理多 个原因、多个结果的关系，或者会碰到不可直接观测的变量 （定义为潜变量，如智力、学习动机等），变量间的间接效应， 这些都是传统的多元回归分析统计方法不好解决的问题。
• 检查潜变量（因子）与指标（题目）间的关系， 建立测量模型，有时可能增删或重组题目；
• 对每一个模型，检查标准误、t值、标准化残差、 修正指数、及各种拟合指数，据此修改模型并重 复这一步；
• 最好用另外一个样本进行检验；
模型修正举例
17个题目: 学习态度及取向 A、B、C、D、E 4、4、3、3、3题 350个学生
• 测量方程（measurement equation）测量方程描述潜变 量与指标之间的关系，如工 作方式选择等指标与工作自 主权的关系；
工作方式选择 工作目标调整
工作满意度
工作自主权
目前工作满意度 工作兴趣 工作乐趣
工作厌恶程度
二、结构方程简介
• 简单来说，结构方程模型分 为：
• 测量方程（measurement equation）测量方程描述潜变 量与指标之间的关系，如工 作方式选择等指标与工作自 主权的关系；
工作满意度
标准化路径系数
t检验值
0.206 -0.212
2.562 -1.575
-0.378
-2.857
（ -1 ，+1 ）
（3）模型评价（model assessment）
• 参数与预计模型的关系是否合理，（与模型 假设相符）；
假设1：工作自主权越高，工作满意度越高。 + √
假设2：工作负荷越高，工作满意度越低。
•
y——内生指标（如四个工作满意度指标）组成的向量；
• ——外源潜变量（如工作自主权等）组成的向量；
• ——内生潜变量（如工作满意度等）组成的向量；
• x ——外源指标与外源变量之间的关系（如两个工作自主权指标与工作自主
权的关系），是外源指标在外源潜变量上的因子负荷矩阵；
• y ——内生指标与内生变量之间的关系（如四个工作满意度指标与工作满意 度的关系），是内生指标在内生潜变量上的因子负荷矩阵；
• 学术界普遍认为在大样本情况下： NFI 、NNFI 、 CFI 、IFI 、GFI、AGFI 、RFI 大于0.9，RMR小于 0.035，RMSEA值小于0.08，表明模型与数据的拟 合程度很好。