SPSSAU_问卷研究_结构方程模型SEM2.pdf

结构方程模型不达标调整

目录

1.不达标原因1

2.处理思想2

3.SPSSAU操作2

3.1建立协方差关系（MI调整法）3

3.2建立影响关系（MI调整法）4

3.3模型拆分法（模型调整法）6

3.4路径分析法（模型调整法）6

3.5线性回归法（模型调整法）7

1.不达标原因

在实际研究中，结构方程模型容易出现不达标现象，比如卡方自由度，RMSEA，CFI值等

不达标，至于出现不达标的原因，可能包括几点，分别是‘不正确使用’、‘测量关系不好’、‘模

型不好’和‘数据质量差’，如下表格所述：

原因说明

不正确使用结构方程模型通常是量表类问卷研究时使用。如果仅研究多个X和多个Y

之间的关系，需要使用结构方程模型的特例形式即路径分析。

如果不是问卷量表类数据，比如经济指标数据，研究上也可以使用，有时

候也能得到良好的结构，但多数情况下会出现拟合指标不好的现象。

测量关系不好结构方程模型包括测量关系和影响关系两种结构，测量关系不在分析范畴

但其会影响模型拟合指标。

比如A维度包括A1~A5共5个指标，但A1这个指标就不能很好的测量A

维度。

模型不好模型不好是指影响关系结构不佳，可能是其理论依据不足。

比如想研究A维度影响B维度，但事实上本身就没有影响关系。

数据质量差数据质量差包括‘样本不足’和‘不真实数据’。

通常情况下结构方程模型希望样本量大于200，经验上最好是分析项个数的

10倍以上较好。

‘不真实数据’会带来‘测量关系不好’或‘模型不好’。

关于‘不正确使用’，准确来讲是在结构方程模型有一定适用性，并非所有测量数据均能很

好的使用该模型。比如性别一类的类别数据，其放入结构方程模型中，通常只会得到糟糕的结

果。因而研究者需要有提前预知，以免出现数据完成后无法进行分析的尴尬。

关于‘测量关系不好’，此种情况的处理，通常是基于前期的预判和处理。包括前期通常需

要进行探索性因子分析，接着使用验证性因子分析，确实测量关系没有问题后再进行结构方程

模型，减少‘测量关系不好’对模型带来的干扰。

关于‘模型不好’，其是指模型设置的影响关系与实际数据出现较大偏差，此种情况可结合

研究者自身专业知识进行判断，也可结合MI指标进行修正，也或者进行下述的‘模型调整法’处

理等。

关于‘数据质量差’，如果样本较少建议加大样本量，如果是‘不真实数据’，那么其会带来

‘测量关系不好’，因而会带来一系列连锁问题。

2.处理思想

上述中的四大原因时，不正确使用和数据质量差不在考虑范畴。本部分主要是针对‘测量关

系不好’和‘模型不好’两种情况，阐述如何进行调整，便于得到科学的模型结果。经验上看，结

构方程模型的调整可分为两大方式，分别是‘MI指标调整法’和‘模型调整法’，如下表格说明：

调整方式说明

MI指标调整法结合MI指标进行模型调整，具体可再分为两种，分别是：

✓建立协方差关系

✓建立影响关系

模型调整法直接针对模型进行调整，具体可再分为以下方式，分别是：

✓模型拆分法

✓路径分析法

✓线性回归法

MI指标调整法是指让SPSSAU输出MI修正指标建议值，然后结合该指标进行模型的优

化，具体模型优化又包括建立协方差关系和建立影响关系，此种做法的目的在于优化‘测量关系

不好’和‘模型不好’。多数情况下结合MI修正指标值是进行协方差关系调整。

MI修正指标表示固定或约束参数时，其可为模型带来的预期卡方减少量，因而