假设检验：结构方程模型分析.pdfVIP

假设检验：结构方程模型分析

5.6假设检验：结构方程模型分析。

KarlJoreskog和DagSordorm在20世纪70年代提出结构

方程模型（structureequationmodeling,SEM）是应用线性方程表示观

测变量与潜变量之间的关系以及潜变量之间关系的一种统计分析方

法，试图通过实验数据验证理论模型假设中潜变量之间的关系，结构

方程模型通过结合路径分析及因素分析的方法对观测变量与潜变量

之间的关系进行验证，最终得出自变量与因变量之间的总体效应、直

接效应及间接效应。结构方程模型主要用于检验理论模型与样本数据

之间的匹配度。结构方程模型的应用软件很多，且各有特点，这些软

件包括Lisrel（LinearStructuralRelations）、AMOS（Analysisof

MomentStructures）、EQS（E-quations）和Mplus等。本研究中采用

的是AMOS软件对数据进行分析。结构方程模型通常包括测量模型

和结构模型两种模型，其中测量模型描述的是潜在变量经由观测指标

如何经过测量或概念化形成的，潜在变量和观测变量之间的关系共同

构成了测量模型概念的内涵；而结构模型主要描述的是潜在变量之间

的相关关系及模型中无法解释的变异量。本研究采用的是结构模型，

实际上包括了测量关系和结构关系两种关系。

在结构方程模型中，结构模型主要用于处理潜变量之间的相

关关系，方程中包含三种随机变量：观测变量、潜变量及误差变量。

通过对外生变量、内生变量及中介变量进行区分厘清变量之间的结构

关系。结构方程模型可以通过矩阵方程式和路径图两种方式反映各变

量之间的测量关系及结构关系，采用矩阵方程式的形式来反映模型关

系如下所示：

5.6.1模型识别。

模型识别主要是通过模型拟合过程中的参数数目及可获得的

数据资料反映模型是否具有可操作性以及是否能够得到合理的结果。

模型识别包括恰好识别、过渡识别和识别不足三种情况，可用模型自

由度（DF）来鉴别模型识别情况，当DFlt;0,模型为识别不足；DF=0,

模型为恰好识别；DFgt;0模型为过渡识别。本研究中采用自由度来

对模型进行识别：Degreesoffreedom=512gt;0,因此模型属于过渡

识别，可以进行下一步分析。

5.6.2模型拟合。

模型拟合实际上就是对模型进行参数估计的过程，通过将收

集到的样本数据代入理论模型中，对模型参数进行求解，在此过程中，

本研究考虑到变量的属性及样本数据的分布特征决定采用最大似然

法对参数进行估计。

从模型拟合输出结果中P值一栏可以看出五条假设的C.R.

的绝对值均大于1.96,且显著性水平均小于0.05,因此创业意识、创业

品质、创业知识、创业能力及创业态度对创业意愿均有显著的正向影

响。

5.6.3模型评价。

学者Hair等人（1998）建议在检验理论模型与样本数据的

适配度之前，应先检验模型参数估计是否有下列违规的现象存在：有

无负的误差方差存在、标准化参数系数是否大于等于1、是否有太大

的标准误存在；结构方程模型评价使用适配统计量来评估理论模型与

样本数据的适配度。整体模型适配度指标分为三类：（1）绝对拟合指

标，用来检验理论模型与样本数据的拟合程度，例如卡方值、卡方自

由度比、RMSEA、GFI、AGFI、ECVI等；（2）相对拟合指标，通过

将待检验的建设理论模型与基准线模型的适配度进行比较，用以判断

模型的契合度，其中相对拟合指标包括NFI、RFI、IFI、NNFI、CFI等；

（3）简约拟合指标，是绝对拟合指标与相对拟合指标的派生指标，

包括AIC、PNFI、PGFI和CN值。

模型评价指标包括绝对拟合指标、相对拟合指标、简约拟合

指标，选取以下指标作为模型拟合结果的评价指标。

绝对评价指标中通过卡方值的P值的大小来检验模型，当P

值大于0.05时，不显著的卡方值表明模型与样本数据的不一致可能

性较小，认为模型拟合效果良好，但是由于卡方值受自由度与样本数

据量的影响较大，自由度越大，卡方值越大，样本量越大，卡方值越

大，本研究中自由度