spssau结构方程模型

结构方程模型｛15现问题如何办？

目录

1结构方程模型SEM的拟合指标 ...................................................... 1 2解决办法1：梳理建模流程（因子分析） ............................................. 2 3解决办法2：调整模型（MI指数调整和手工调整） .................................... 3 3解决办法3：换用模型（路径分析或线性回归） ....................................... 4

上图中红框即为测量模型，Factorl是A广A4共4项衣示;类似还有Factor2, Factor3和

Factor40而结构模型是指影响关系情况，比如模型中Factorl和Factor?影响Factor3： Factor3 影响 Factor4o

如果说只研究测量模型，那么通常是指验证性因了?分析CFA：如果说只研究结构模型，则称 作路径分析path analysis。验证性因/分析和路径分析均是结构方程模型的特殊形式。

结构方程模型由测虽模型和结构模型构成，如果进行结构方程模型构建时想达到良好的模型 效果。那么就需要保证测量模型和结构模型均有着良好的拟合性，否则最终结构方程模型拟合效 果都不会太好。

同时，结构方程模型有着非常多的拟合指标，比如卡方自由度比，RMSEA, CFA, RMR等几十种， 但在实际研究中会发现展本上很难所有指标均达标，而且很多指标都不达标。那怎么办呢？接下 来针对结构方程模型的拟合指标、拟合效果不好时的3种解决办法等分别进行说明，期许得到最 住模型。 结构方程模型SEM的拟合指标

结构方程模型拟合时，会有非常多的指标。SPSSAU默认提供常用的15类指标，说明如下: 拟合指标 中文名称 x2/df 标准 严格是小于3,不严格是小于5 （甚至8） 通常需要人于0. 9, SPSSAU认为接受0. 9基本可接受 严格是小于0.05,不严格是小于0?1 （或0. 08） 严格是小于0. 05,不严格是小于0. 1 通常需耍人于0.9, SPSSAU认为接受0.9基本可接受 卡方自由度比 拟合优度指数 近似误差均方根 均方根误差 比较拟合指数 GFI RMSEA RMR CFI XFI XNFI TLI AGFI IFI PGFI PNFI SRMR AIC BIC 规范拟合指数 不规范拟合指数 Tucker-Lewis 指数 调整的拟合优度指数 增值拟合指数 节俭拟合指数 节俭规范拟合指数 标准化均方根误差 赤池信息量准则 ?致性赤池信息量准 则 通常需要人于0.9, SPSSAU认为接受0.9基本可接受 通常需要大于0.9, SPSSAU认为接受0.9基本可接受 通常需要大于0.9, SPSSAU认为接受0.9基本可接受 通常需要人于0. 9. SPSSAU认为接受0. 9基本可接受 通常需要大于0.9, SPSSAU认为接受0.9基本可接受 通常需要人于0.9, SPSSAU认为接受0.9基本可接受 通常需要人于0. 9, SPSSAU认为接受0. 9基本可接受 严格是小于0.05,不严格是小于0.1 用于不同模型选择时对比，该值越小越好 用于不同模型选择时对比，该值越小越好 在已有文献中，还会出现各类拟合指标，但基本上都是上述拟合指标的?种变型而已。?般 来说，模型拟合效果越好，各类指标越容易达标，但即使模型已经拟合非常好，也不能保证所有 的参数均在标准范围内。为什么会出现这种情况呢，比如卡方自由度值使用较多，但是该指标容 易受到样本量的影响，样本量越人时，该指标越可能更小，有的指标在标准范圉内，那么对应有 的指标就可能不在标准范围内，没有?个指标可以完全性地确定模型的好或坏。也就是说不同的 拟合指标并不能完全的测量模型的拟合效果，而应该综合着分析模型效果水平。

SPSSAU捉供了各类常用的拟合指标共计15个，但现在研丸中，使用最为常见的指标RMSEA, CFI, XNFI, AGFI, RMR, TLI,卡方自由度比等。如果研究时发现最常用的几个指标在标准范围 内（或者多数指标基本均接近或明显在标准范圉内），而有其它-些指标并不在标准范围内，相 信模型拟合也是较好的，因此不用完全考虑所有的拟合指标均达标，几乎也不可能所有的指标均 达标。

特别说明?点即：卡方自由度比值是卡方值除以自由度值，卡方值容易受到样本量的影响， 样本越大时该值越可能更小，所以小样本时卡方自由度比值容易偏人。另外，如果是饱和模型则 自由度为0,此时模型无法得到卡方自由度值，这是正常现象，如果自由度值为0, SPSSAU默认 会以标识出卡方自由度值。除此之外，很多时候还会出现拟合指标数值为1.000的现象， 这也是正常现象。

如果说模型拟合出现人而积的不达标，而且明显偏离标准范圉内，那么这种模型需要进行调 整才行。接下来从3个方而进行说明，第1点是梳理建模流程，用于解决掉测量模型不好的问 题：第2点是调整模型，可用于降低卡方自由度值，并同时对其它拟合指标有-定帮助：第3点 是换用模型，如果说无论如何模型均不达标，那么此时可换用模型，比如改为路径分析Path analysis,线性回归等。

开鏗析 模型Ml调整 逸Ml调整 按MIAIO调整 按M卜20调峑 按M卜50凋整

A1

A；

除了让SPSSAU进行批量式的模型调整（使用MI指标值建立协方差关系）夕卜，还可以手工模 型调整。

/ 手工模型调整

手工模型调整是指结合自身专业知识情况对模型进行调整，包括2种情况。分别是模型的拆 分和模型的优化。?般来说，模型越简单，此时模型越容易达标。那么是否可以把模型拆分成几 个呢，把?个复杂的结构方程模型拆分成几个，分别进行建模。如果是这样相信拟合效果会明显 更好。以及模型是否可以进行删减呢，复杂的模型关系中，是否有个别关系可以进行删减，也或 者尝试性地进行删减，以拟合出更优的模型。手工模型调整是?个多次尝试对比的过程，非绝对 模式化的调整方式，但此种调整方式在很大程度上均能解决掉模型拟合不好的效果。

解决办法3：换用模型（路径分析或线性回归）

如果说经过上述的处理后，依I口无法让模型达标。说明模型确实拟合效果不好，也或者基 于当前样本下时模型拟合不佳。那么建议换用模型方法，包括使用路径分析和线性回归模型。

/ 使用路径分析（SPSSAU-〉问卷研究）模型

路径分析是结构方程模型的特殊形式，它完全不涉及测量模型，因此模型变得非常简洁，而 且完全不考虑测量模型。因此在实际研究中，它很容易比结构方程模型拟合的更好。