结构方程模型-(2)市公开课一等奖省赛课获奖

结构方程模型（SEM）第1页结构方程模型原理

第2页一、结构方程模型概述1

结构方程模型是应用线性方程表示观察变量与潜变量之间，以及潜在变量之间关系一个多元统计方法，其实质是一个广义普通线性模型。

2

发展历程20世纪70年代，一些学者（Joreskog,1973;Wiley,1973）将因子分析、路径分析等统计方法整合，提出结构方程初步概念。Joreskog与其合作者深入发展矩阵模型分析技术来处理共变结构分析问题，提出测量模型与结构模型概念，促成SEM发展。Ullman（1996）定义结构方程为“一个验证一个或多个自变量与一个或多个因变量之间一组相关关系多元分析程式，其中自变量和因变量既能够是连续，也能够是离散”，突出其验证多个自变量与多个因变量之间关系特点。

第3页3SEM与几个多元方法比较①SEM与传统多元统计方法（多元统计）传统多元统计方法：检验自变量和因变量单一关系（多元方差分析能够处理多个，不过关系也是单一）SEM:综合各种方法，验证性分析，允许测量误差存在②SEM与经典相关分析（多个自变量与多个因变量之间关系）经典相关分析：两组随机变量（定性或定量）之间线性亲密程度；高维列联表各边际变量线性关系；探索性分析SEM:预计多元和相互关联因变量之间线性关系；处理不可观察假设概念；说明测量误差③SEM与联立方程模型（联立方程组、变量之间双向影响）联立方程模型：方程数量取决于内生变量数量；只能处理有观察值变量，假定不存在测量误差SEM:处理测量误差；分析潜在变量之间结构关系第4页④SEM与人工神经网络（针对不可观察或潜在变量建模）人工神经网络：执行数据分析时，模型隐含层接点依然没有被明确标识出来；数据从输入层经过隐含变量流向输出层（输出向输入回流网络拓扑结构）SEM:数据分析之前，已经标识潜在变量并构建起假设路径；观察变量都与中心潜在变量相关，潜在变量之间也可能发生关系。⑤

SEM与偏最小二乘法（PLS）（集成各种分析方法，对因变量进行测量）PLS：对观察变量协方差矩阵对角元素拟合很好，适合用于对数据点分析，预测准确度较高SEM:对观察变量协方差矩阵非对角元素拟合很好，适合于对协方差结构分析，参数预计更准确第5页4SEM技术特征含有理论先验性同时处理原因测量关系和原因之间结构关系以协方差矩阵利用为关键适合用于大样本分析（样本数<100，分析不稳定；普通要>200）包含不一样统计技术重视多重统计指标利用5样本规模大小资料符合常态、无遗漏值及例外值(Bentler&Chou,1987)下，样本百分比最小为预计参数5倍、10倍则更为适当。当原始资料违反常态性假设时，样本百分比应提升为预计参数15倍。以ML法评定，Loehlin(1992)提议样本数最少为100，

200较为适当。当样本数为400~500时，此法会变得过于敏感，而使得模式不适合。第6页第7页

二、结构方程模型基本原理(一)模型组成1变量观察变量：能够观察到变量(路径图中以长方形表示)潜在变量：难以直接观察到抽象概念，由测量变量推估出来变量（路径图中以椭圆形表示）内生变量：模型总会受到任何一个其它变量影响变量（因变量；路径图会受到任何一个其它变量以单箭头指涉变量外生变量：模型中不受任何其它变量影响但影响其它变量变量（自变量；路径图中会指向任何一个其它变量，但不受任何变量以单箭头指涉变量）中介变量：当内生变量同时做因变量和自变量时，表示该变量不但被其它变量影响，还可能对其它变量产生影响。内生潜在变量：潜变量作为内生变量外生观察变量：外生潜在变量观察变量外生潜在变量：潜变量作为外生变量外生观察变量：外生潜在变量观察变量中介潜变量：潜变量作为中介变量中介观察变量：中介潜在变量观察变量第8页2参数（“未知”和“预计”）潜在变量本身：总体平均数或方差变量之间关系：原因载荷，路径系数，协方差参数类型：自由参数：参数大小必须经过统计程序加以预计固定参数：模型拟合过程中无须预计（1）为潜在变量设定测量尺度①将潜在变量下各观察变量残差项方差设置为1②将潜在变量下观察变量因子负荷固定为1（2）为提升模型识别度人为设定限定参数：多样本间比较（半自由参数）第9页3路径图（1）含义：路径分析最有用一个工具，用图形形式表示变量之间各种线性关系，包含直接和间接关系。（2）惯用记号：①矩形框表示观察变量②圆或椭圆表示潜在变量③小圆或椭圆，或无任何框，表示方程或测量误差单向箭头指向指标或观察变量，表示测量误差单向箭头指向因子或潜在变量，表示内生变量未能被外生潜在变量解释部分，是方程误差④单向箭头连接两个变量表示假定有因果关系，箭头由原因（外生）变量指向结果（内生）变量⑤两个变量之间连线两端都有箭头，表示它们之间互为因果⑥弧形双箭头表示假定两个变量之间没有结构关系，但有相关关系⑦变量之间没有任何连接线，表示假定它们之间没有直接联络第10页（3）路径系数含义：路径分析模型回归系数，用来衡量变量之间影响程度或变量效应大小（标准化系数、非标准化系数）类型：①反应外生变量影响内生变量路径系数②反应内生变量影响内生变量路径系数路径系数下标：第一部分所指向结果变量第二部分表示原因变量（4）效应分解①直接效应：原因变量（外生或内生变量）对结果变量（内生变量）直接影响，大小等于原因变量到结果变量路径系数②间接效应：原因变量经过一个或多个中介变量对结果变量所产生影响，大小为全部从原因变量出发，经过全部中介变量结束于结果变量路径系数乘积③总效应：原因变量对结果变量效应总和

总效应=直接效应+间接效应第11页第12页3矩阵方程式（1）和（2）是测量模型方程，（3）是结构模型方程

是外生观察变量向量，

为外生潜在变量向量，外生观察变量在外生潜在变量上因子负荷矩阵，外生观察变量残差项向量；为内生观察变量向量，为内生潜在变量向量，为内生观察向量在内生潜在变量上因子负荷矩阵，为内生观察向量残差项向量；和都是路径系数，表示内生潜在变量之间关系，表示外生潜在变量对内生潜在变量影响，为结构方程误差项

第13页测量模型：反应潜在变量和观察变量之间关系方程式：结构模型：反应潜在变量之间因果关系方程式：第14页结构方程模型八种矩阵概念符号代表意义结构模型矩阵

B内生潜在变量被内生潜在变量解释之回归矩阵（回归系数）内生潜在变量被外生潜在变量解释之回归矩阵（回归系数）测量模型矩阵外生观察变量被外生潜在变量解释之回归矩阵（原因载荷）内生观察变量被内生潜在变量解释之回归矩阵（原因载荷）外生潜在变量之协方差矩阵（原因共变）残差矩阵内生潜在变量被外生潜在变量解释之误差项协方差矩阵（解释残差）外生观察变量被外生观察变量解释之误差项协方差矩阵（X变量残差）内生观察变量被内生潜在变量解释之误差项协方差矩阵（Y变量残差）第15页（二）模型识别1模型整体识别性（1）t法则数据资料点数DP=(p+q)*(p+q+1)/2（p+q）表示观察变量个数待估参数数目（自由参数）t=参数总数–固定参数t<DP，模型过分识别t>DP，模型识别不足t=DP，模型充分识别（2）虚无B矩阵模型中没有任何内生变量去影响其它内生变量，无结构关系假设，没有任何结构参数（）预计，B矩阵为0，模型自动识别。（3）递归法则B矩阵展现三角形状态（对称矩阵，全部变量间结构参数均加以预计），而展现对角线状态（仅预计干扰项方差，干扰项相关不列入预计），此时为递归模型且为饱和模型，模型自动识别第16页2测量模型识别性只有一个潜在变量，最少要有三个测量变量，其原因载荷必须不等于0，测量残差之间没有任何相关假设超出一个以上潜在变量，每一个潜在变量只要有最少三个测量变量来预计，每一个测量变量只用以预计单一一个潜在变量，残差之间没有共变假设潜在变量只以两个测量变量来预计，残差无相关，每一个测量变量只用以预计单一一个潜在变量且没有任何一个潜在变量共变或方差为03结构模型识别性虚无B矩阵法则递归法则每一个方程式最少要有（q-1）个变量不属于非递归模型用以计算标准误讯息矩阵必须能够被完全预计，并能够求出倒置信息矩阵第17页（三）参数预计1假设条件测量模型误差项，均值为零结构模型残差项均值为零误差项，与因子，之间不相关，误差项与不相关残差项与，，之间不相关2共变推导

（1）协方差协方差：利用两个变量间观察值与其均值离差期望观察两个变量间关系强弱。（2）运算定理①②③④第18页(3)导出矩阵两个含有相关潜在变量CFA图第19页(3)导出矩阵观察变量方程式：同一潜在变量两个观察变量协方差：不一样潜在变量两个观察变量协方差：观察变量方差：第20页逐一计算六个观察变量方差与配对协方差，参数方差与协方差导出矩阵（）S矩阵：样本观察值方差与协方差矩阵（6*6）残差矩阵=S–预计协方差矩阵与观察协方差矩阵差异极小化第21页（4）参数预计策略加权最小平方策略（WLS）拟合函数：表示预计协方差矩阵与观察协方差矩阵差异最大约似法(ML)基本假设：观察数据都是从总体中抽取得到数据，且所抽取样本必须是全部可能样本中被选择几率最大者无加权最小平方法(ULS)普通化最小平方法（GLS）渐进分布自由法（ADF）（5）迭代运算停顿条件到达计算机预计叠代次数，如25次模式收敛完成，亦即到达计算机预设标准第22页（四）模型拟合评价1参数检验（1）参数显著性检验t=参数预计值/标准误t绝对值大于2，则参数即可到达.05显著水平样本数低于30时，样本数越小，t值要越大才能超越显著水平门槛（2）参数合理性检验参数预计值是否有合理实际意义：参数符号是否符合理论假设参数取值范围是否合理参数是否能够得到合了解释第23页2模型整体评价指标名称指标含义接收标准适用情形残差分析未标准化残差RMR未标准化假设模型整体残差越小越好了解残差特征标准化残差SRMR标准化模型整体残差<.08了解残差特征拟合效果指标绝对拟合效果指标卡方值导出矩阵与观察矩阵整体相同程度卡方自由度比卡方值/自由度<2不受模型复杂程度影响拟合指数GFI模型可解释观察数据方差与协方差比>.90说明模型解释力调整拟合指数AGFI用模型自由度和参数数目调整GFI>.90不受模型复杂程度影响简效拟合指数PGFI用模型自由度和参数数目调整GFI>.50说明模型简单程度相对拟合效果指标正规拟合指数NFI假设模型与独立模型卡方差异>.90说明模型较虚无模型改进程度非正规拟合指数NNFI用模型自由度和参数数目调整NFI>.90不受模型复杂程度影响替换性指标非集中性参数NCP假设模型卡方值距离中央卡方值分布离散程度越小越好说明假设模型矩阵中央卡方值程度相对拟合指数CFI假设模型与独立模型非中央性差异>.95说明模型较虚无模型改进程度，尤其适合小样本第24页指标名称指标含义接收标准适用情形平均概似平均误根系数RMSEA比较理论模型与饱和模型差距<.05不受样本数与模型复杂度影响讯息指数AIC经过减效调整模型拟合度波动性越小越好适用效度复核非嵌套模型比较一致信息指数CAIC从样本量方面对AIC进行调整越小越好适用效度复核非嵌套模型比较关键样本指数CN接收假设模型所需样本数目>200反应样本规模适切性第25页(五)模型修正1参考标准模型所得结果是适当所得模型实际意义、模型变量间实际意义和所得参数与实际假设关系是合理参考多个不一样整体拟合指数2修正标准①省俭标准两个模型拟合度差异不大情况下，应取两个模型中较简单模型拟合度差异很大，应采取拟合更加好模型，暂不考虑模型简练性最终采取模型应是用较少参数但符合实际意义，且能很好拟合数据模型②等同模式等同模式：用不一样方法表示各个潜在变量之间关系，能得出基本相同结果，参数个数相同，拟合程度相同模式。实际意义屡次验证第26页3模型修正方向①模型扩展方面（放松一些路径系数，提升拟合度）修正指数MI反应是一个固定或限制参数被恢复自由时，卡方值可能降低最小量。假如MI改变很小，则修正没有意义；通常认为MI>4,模型修正才有意义。（显著水平为0.05时，临界值为3.84）②模型简约方面（删除或限制一些路径系数，使模型变简练）临界比率CR经过自由度调整卡方值，以供选择参数不是过多，又能满足一定拟合度模型，寻找CR比率最小者单个参数调整设为0两个变量之间路径系数关系进行调整，设为相等4模型修正内容（1）测量模型修正添加或删除因子载荷添加或删除因子之间协方差添加或删除测量误差协方差（2）结构模型修正增加或降低潜在变量数目添加或删减路径系数添加或删除残差项协方差第27页EFACFA探索式(data-driven)验证式(theory-driven)原因个数由资料决定原因个数由研究者指定问卷设计前端问卷应用后端PCA是惯用预计法ML法是惯用预计法只提供标准化结果提供标准及非标准化结果没有loading显著性汇报有loading显著性汇报EFA无法做额外设定CFA模型设定有弹性无法执行跨群组比较可执行跨群组(时间)比较1验证性因子分析（CFA）第28页F1e1F2e2e3e4e5e6x1x2x3x4x5x611一阶验证性因子分析第29页F1e1F2e2e3e4e5e6x1x2x3x4x5x611F31二阶（高阶）验证性因子分析第30页绩效期望满意度忠诚度2路径分析递归模型D1D2非递归模型第31页自我效能感社会期待成就动机学业表现D1D20.290.630.210.020.130.16路径分析参数预计图自我效能对于学业表现模型衍生相关：（轨迹法则）1直接效应：自我效能学业表现=0.292间接效应：自我效能成就动机学业表现=0.133相关间接效应：自我效能社会期待学业表现=0.13*0.16=0.02自我效能社会期待成就动机学业表现=0.13*0.02*0.21=0.000546衍生相关为0.29+0.13+0.02+0.00=0.44第32页Y1X2X1Y2D1D2时间延宕非递归模型工具型变量模型第33页3统合模型分析x1x2x3F1满意度F2忠诚度y1y2y3e１e4Lx1bDe5e6e２e３测量残差外生观察变量原因负荷量外生潜在变量结构参数内生潜在变量原因负荷量内生观察变量结构模式测量(CFA)模式测量残差Lx2Lx3Ly1Ly2Ly3测量(CFA)模式第34页结构方程模型AMOS实现赵新栋M0301091

第35页Amos学习网址网址说明/download/index.htm提供amos学生版和amosusers’guide使用手册（PDF版本）/cata/docs/docroom/spss/提供amosusers’guide使用手册（PDF版本）/its/rc/tutorials/stat/amos图讲解明结构方程模型和amos/users/p/a/pat1004/amos.html图讲解明amos,共9个PDF/software/amos.htm对amos功效及操作，有详尽说明/garson/pa765/semamos1.htm对amos输出报表解读，详尽说明第36页SPSS与Amos

普通研究论文数据分析部分少不了对样本描述、对变量进行探索性因子分析（EFA），然后再利用多变量分析技术或SEM进行数据分析，最终提出研究结论（验证假说），提出提议。基于这么了解，我们来看看SPSS与Amos所发挥功效：SPSSAmos样本描述√（非常详尽）√因子分析EFACFA多变量分析方差分析、判别分析、回归分析、多元尺度法等建立SEM，进行路径分析。多群组分析、Bootstrapping第37页利用amos做统计检验利用amos，所得到值是显著性（p值），我们要用显著性和我们所设显著水平α值做比较，假如显著性大于α值，未到达显著水平，则接收虚无假说；假如显著性小于α值，到达显著水平，则拒绝虚无假说（即发觉有统计上显著性）。在统计检验时，本书所设定显著性水平皆是0.05（α=0.05）第38页Amos操作环境第39页第40页开启AmosGraphics，映入眼帘是Amos操作环境。左边是工具箱，中间是显示区，右边是绘图区。如图

第41页二、建立模型——建立路径图1制作潜在变量2制作指标变量3建立潜在变量之间的关系4读取数据文件5交代变量名称6完整模型7显示重要参数第42页1制作潜在变量：在工具箱中选“”，然后在绘图区从左上到右下拉出一个椭圆。第43页2制作指标变量指标变量包含观察变量和误差变量。在工具箱中选“”，然后在绘图区中椭圆“

”上点一下。就会出现指标变量，每多点一下，就出现一个指标变量。要改变指标变量方向，能够按“

”。第44页3建立潜在变量之间关系“

”表示影响，因果关系。“”表示相关性。第45页4读取数据文件注意：在读取数据之前，要对数据完整性（如遗漏值处理、观察变量信度等）进行处理。）在工具箱中选选择数据文件“

”，在出现“DataFiles”窗口中，点击“FileName”，在出现“开启”窗口中，选择要读取文件。数据读入方式有两种：以观察变量原始数据或者以观察变量相关系数矩阵读入。第46页5交代变量名称观察变量：在工具箱中选“

”，就会出现“VariablesinDataset”窗口。此时，先点住变量名称，然后拖动到适当观察变量上后松手，这个变量名称就独到观察变量上了。潜在变量名称：在对象上双击就会出现“objectproperties”窗口，在“variablename”上键入文字即可。误差变量名称，能够按【plugins】、【nameUnobservedVariables】。第47页6完整模型：如图第48页显示主要参数：在工具箱中选“”，然后在绘图区点一下，出现下列图第49页然后在FigureCaption窗口中输入ChiSquare=\cmindf=\dfp=\p第50页点击ok，就会出现一下情况：第51页在工具箱中点击Calculateestimates图示“”，产生预计值，在点击显示区viewtheoutputpathdiagram图示“”。结果如图显示：第52页三、分组假如数据文件有必要分组，自读取数据文件之后，要分别交代GroupVariable、GroupValue第53页四、分析输出报表1.违反预计2.正态性检验与异常值处理3.拟合度第54页1.违反预计违反预计是指模型内统计所输出预计系数，超出了可接收范围。违反预计项目有：负误差方差存在标准化洗漱超出或太靠近1（通常以0.95为门槛）第55页2.正态性检验与异常值处理Asessmentofnormality表中c.r.掉膘偏度系数或者峰度系数除以标准误临界值，最终一行为Mardis多变量峰度系数c.r.。当c.r.大于2时，则暗示有些单变量可能含有异常值。Observationsfarthestfrom

thecentroid表中通常看p2值，当p2值很小时（比如小于0.05）即表示该观察值为异常值。第56页3.拟合度AMOS是以卡方统计量来进行检验，普通以卡方值p大于0.05判断模型是否含有良好拟合度。不过卡方统计量轻易受到样本大小影响，所以还要参考其它拟合指标。以下列图：第57页拟合指标判断准则绝对拟合指标X2

P＞0.05表明拟合度很好GFI越靠近1表示模型拟合度越好，通常采取GFI＞0.9RMR越靠近0表示模型拟合度越好，通常采取RMR＜0.05RMSEA越靠近0表示模型拟合度越好，通常采取RMSER＜0.1增值拟合指标AGFI越靠近1表示模型拟合度越好，通常采取AGFI＞0.9NFI越靠近1表示模型拟合度越好CFI越靠近1表示模型拟合度越好IFI越靠近1表示模型拟合度越好精简拟合指标AICAIC越小表示该模型那个很好CAICCAIC越小表示该模型那个很好第58页四、模型修正在regressionweights表中，可看到ModificationIndices（M.I.）值，找出误差变量之间最大项目，是卡方值降低，p值增加，是我们修正模型主要目标。第59页五、探索最正确模型点【analyze】，在出现“specificationsearch”工具列中，点击最左边虚线“makearrowoptional”图标，然后在个变量之间箭头上分别加以点选，使他们展现出虚线。第60页五、探索最正确模型在“specificationsearch”工具列中，点“option”图示，在出现“options”，其currentresults选“zero-based(min=0)”,dian[nextsearch],在”retainonlythebestmodel”左边方格中，将数值设为10。第61页五、探索最正确模型在“specificationsearch”工具列中点“performspecificationsearch”图标，就会产生“拟合指标汇总表”依据BCC与BIC来决定最正确模型。在specificationsearch窗口中，先点r图示，再在模型所代表数字上点两下，就会出现该模型路径系数。第62页六、递归与非递归模型PA-VO路径分析有两种应用模型：递归与非递归。递归与非递归模型能够从两个角度来判别：1.变量之间有没有回溯关系2.残差之间是否含有残差相关。第63页七、直接效果与间接效果直接效果是某一变量对另一变量直接影响。间接效果是某一变量经过某一中介变量对另一变量直接影响。总效果等于直接效果加上间接效果。通常：假如直接效果大于间接效果，表示中介变量不发挥作用，能够忽略；假如直接效果小于间接效果，表示中介变量含有影响力，要重视中介变量第64页结构方程模型文件综述焦涛M0301091

第65页第66页结构方程在各领域应用1结构方程在医疗卫生领域应用1.1生育保险

杨树东，闵捷，沈其君等《生育保险病种费用影响原因结构方程模型分析》（）经过建立结构模型研究了生育保险病种费用影响原因，为生育保险按病种付费提供依据。抽取了南京市4家医院年——年生育保险参保人员病历首页以及财务结算帐单1525份，用结构方程模型(SEM)方法进行分析。结构模型中外生显在变量包含医院等级，病种，年纪，职业，术前住院天数，入院病情和主要诊疗程度，内生显在变量包含病种实际住院天数和住院费用。隐变量包含社会经济特征，临床特征，医院管理和医护质量。其中社会经济特征用医院等级、年纪和职业显变量来预计，病种、入院病情和主要诊疗程度能够预计临床特征这个隐变量，术前住院天数和实际住院天数能够预计医院管理和医护质量这个隐变量。最终拟合结果，三个隐变量对住院费用影响看，临床特征对住院费用影响最大，系数为0．9334，医护质量和社会经济特征对住院费用影响系数分别为0．3194和0．2230，而病种对临床特征影响最大，这对研究生育病种付费标准有很大意义，即确定病种付费标按时要充分考虑临床特征影响，把付费标准差异最大化归于临床特征不一样。第67页1.2农村医疗卫生

张英沽，李士雪，成昌慧《参合农民住院概率影响原因结构方程模型分析》（）经过采取结构方程模型分析参合农民住院概率影响原因，并进行模型拟合与评定。调查对象为山东省济南市3个新型农村合作医疗试点县全体农民，以户为抽样单位，每个县按经济情况和新农合覆盖率不一样随机抽取6个乡镇，共抽取l8个乡镇，每个乡镇再按经济情况和新农合覆盖率不一样随机抽取6个村，共108个村，每个村再随机抽取30户家庭组成诃查样本，共计调查户数为3240户。调查内容主要包括家庭基本情况、家庭收支情况、各层次医疗机构住院卫生服务利用情况及其影响原因。住院人群人口学特征包含住院病人年纪、性别(生理状态)，文化程度、婚姻情况（社会原因），经济情况、是否患有慢性病以及两周是否患病等。经过结构方程模型得出结果显示：结构方程模型显示健康情况直接影响住院率(直接影响权重为0.26)；生理状态不但直接影响住院率(直接影响权重为0.19)，而且经过健康情况和社会原因间接影响住院率(间接影响权重为一0.30)；卫生服务可得性对住院率影响最小(影响权重仅为0.02)。本文中线性结构方程模型很好分析了参合农民住院概率影响原因。第68页陈琦，梁万年，盂群《农村卫生人力培训效果结构方程模型研》（）为了研究分折农村卫生人力培训效果影响原因，为深入提升培训效果提供理论依据，从中部4省(山西省、安徽省、河南省、河北省)乡村医生中选出800名作为研究调查对象，利用结构方程模型方法进行分析。在研究中共设了8个潜在变量，即由行医资历、培训形式因子、服务人口因子、培训需求因子和教育程度因子组成5个外生潜在变量(潜在自变量)和反应培训效果工作技能、工作适应性、考评成绩组成3个内生潜在变量(潜在因变量)。最终得出结论是，影响培训前后工作技能提升原因主要有：培训形式、被培训者教育程度、被培训者行医资历及其服务人口多少。影响工作适应性有两个因子，培训形式和被培训者培训需求。对考评成绩产生影响有两个原因即培训形式和被培训者教育程度。最终作者讲到本研究没有对培训费用和培训内容指标进行调查，假如引入话可能使结构模型愈加完善。第69页1.3长久护理舒勤，朱京慈《护理研究中结构方程模型应用情况元分析》（）回顾了国内外护理研究中利用结构方程模型进行研究分析历史，分为三个阶段：第一阶段从1980年一1989年，属于SEM在护理研究领域应用萌芽阶段。第二个阶段从1990年—1999年，属于发展阶段。。第三个阶段从年至今，属于应用推广阶段。指出了国内外护理研究学者常利用SEM进行护理相关理论研究：探索各个原因间相互关系；对护理理论模型构建、拟合调整及验证；制订各种护理量表等，包括领域包含护理管理、护理心理、家庭护理小区护理、临床护理等方面；研究方法多采取问卷法、量表法、访谈法等；研究层面从个体、家庭、小区、地域到国家，层面较为丰富。SEM为护理研究工作者提供了一个比较强大分析和验证工具；SEM多原因分析技术在护理领域研究为研究者打开了思绪。SEM能够从微观个体出发探讨宏观规律，对现有可能存在测量误差随机变量或不可直接测量潜在随机变量进行参数预计，在多指标间关系复杂、潜在因子之间存在一定关联或依存关系情况下建立模型，帮助研究者了解元素间相互影响和相互作用，探讨护理方案改进办法，使研究问题得到恰当解答。第70页2结构方程在经济管理领域应用

2.1食品安全领域刘艳秋，周星《QS认证与消费者食品安全信任关系实证研究》（）采取结构方程模型，研究QS认证相关原因影响消费者信任路径、消费者信任与购置意愿之间关系，在研究结果基础上对构建基于QS认证消费者食品安全信任提出对应对策提议。作者在文章中总结归纳了八个影响QS认证信任原因：消费者食品安全意(CSA)、企业能力(CA)、企业可信性(CC)、企业可靠性(CR)、企业诚信(CI)、政府和企业及消费者三方信息交流(IC)、政府执行QS认证力GE)、政府监管QS认证水平(GS)。本文假设这八个原因与消费者对QS认证信任呈正相关关系。问卷是在福州和厦门地域四个大型超市，采取路上拦截调查，在不一样时问发放问卷400份，有效为346份。经过结构方程模型(SEM)方法来识别QS认证影响原因与消费者信任以及购置意愿之间关系，得出结论是：消费者安全意识、企业可信性、企业能力、政府监管以及信息交流这五个原因对QS认证信任有显著影响。针对结论提出了政策提议：（1）加强消费者食品安全教育，提升安全意识（2）政府部门要做好QS认证监管工作，为消费者信任QS认证提供长久政策确保（3）政府部门、企业应及时与消费者应进行信息交流，增加消费者对食品安全信任，确保QS认证制度顺利实施（4）企业要不停改进其生产安全食品能力，进而提升消费者信任（5）食品企业应不停提升企业诚信，创造食品安全诚信文化，打好消费者信任QS认证基础。第71页梁一鸣,张钰烂,董西钏《基于结构方程模型杭州城镇居民食品安全满意度统计评定》（）采取杭州城镇居民食品安全满意度样本数据，利用探索性因子分析和结构方程模型，考查了杭州城镇居民对食品安全满意程度，探索其影响原因及微弱之处，针对得出结论提出政策提议。依据食品安全定义，以及结合杭州食品市场相关现实情况，作者归纳了20个可能影响食品安全原因，作为食品安全满意度评价体系单项指标如：技术认证、相关法律、执法力度、政府政策、监管体系、许可认证等。将20个指标分为5个满意度因子①治理监管因子②生产加工因子③有害物质因子④质量情况因子⑤社会监督因子。将居民食品安全满意度作为一级指标，5个因子作为二级指标，上文提到20个指标作为三级指标。经过对杭州多个城区居民进行问卷调查取得数据起源，发放400份有效问卷383份。最终经过结构方程建立模型，进行模型修正得出结论：（1）杭州城镇居民食品安全满意度总指数为63.89。（2）居民对社会监督因子满意度最高，而对有害物质因子满意度最低。在对有害物质因子满意度进行分析后，发觉居民对添加剂使用满意度最低。（3）成熟监管体系、合理执法力度对于维护食品消费市场安全至关主要。提出提议是：（1）增强食品信息透明度，建立食品安全信息公布平台（2）宣传《食品安全法》，普及食品安全知识（3）加大食品安全问题惩处和法律制裁力度。第72页3.2土地、住房领域武文杰，刘志林，张文忠《基于结构方程模型北京居住用地价格影响原因评价》（）

选取了北京市-年土地交易微观数据，基于结构方程模型构建了地价预计模型，定量分析了生活、交通、环境设施便利性和工作便利性这4类外生潜变量对居住用地出让价格影响程度，从而测度出房地产开发商对它们偏好差异度。文中作者指出，当前，主要有两大类预计技术来求解结构方程模型。—种是基于最大似然预计(ML)协方差结构分析方法，该方法被称为“硬模型”(HardModeling)，以LISREL方法为代表；另一个则是基于偏最小二乘(PLS)结构方程模型，被称为“软模型”(SoftModeling)，以PLS方法为代表。这是一个检验观察变量和潜变量、潜变量和潜变量之间关系多元先验模型。带有潜变量结构方程模型由测量模型和结构模型两部分组成。本文研究目标是反应对于居住用地价格含有主要影响各种原因以及这些变异量对居住用地价格影响程度解释，因而选取PLS方法来求解结构方程模型，从而得到相对稳健评定。居住用地价格影响原因结构方程模型包含一个测量模型和一个结构模型。其中，测量模型反应了4类外生潜变量（生活、交通、环境设施便利性和工作便利性）和其观察变量（居住地离医院、政府、邮局、学校、银行、公园、商场、地铁站、公共广场距离）之间关系，结构模型用于表示四种外生潜变量和内生潜变量(居住用地出让价格)之间关系。研究结论显示，生活、交通、环境设施便利性和工作便利性这4类外生潜变量对观察变量解释能力均较强。其中，这4类外生潜变量分别对学校、地铁站、公园和企业单位聚集中心可达性解释能力相对很好。另首先，生活、交通、环境设施便利性和工作便利性均显著性地影响北京市居住用地出让价格，但其影响力程度不一样。其中，工作便利性对居住用地价格影响程度相对最强，而交通、生活和环境设施便利性对居住用地价格影响程度依次减弱。作者还指出，本文只是从居住用地价格影响原因——居住用地地块与各种影响原因可达性关系而设定了评价模型，因而所构建结构方程模型还有许多有待研究问题，比如，模型指标体系可能设置不够全方面和准确，还有更多原因应考虑在内。而且，伴随时间、地点和房地产调控政策改变，评价结果也会发生改变。不过本文对房地产开发商制订住宅开发战略有很好借鉴意义。同时，也将有利于政府规划部门了解当前北京市公共服务设施空间布局结构,改进居住用地周围公共服务设施可达性有一定参考价值。第73页孔荣，王亚军《农户集中居住意愿影响原因分析》()

利用对徐州市4个县320户农户调查数据，在理论上进行分析和假设，认为农户是否愿意集中居住(参加农村居民点用地集约利用)，主要取决于以下六类原因：1．被调查农民本身特征：如年纪、受教育程度、有没有技术专长等。2．农户家庭特征：如家中有没有党员、有没有村干部、有没有小孩等。3．农户现居住情况：人均住房面积、住房安全情况、住址离城镇距离等。4．农户家庭经济特征：如人均纯收入、收入主要起源渠道(收入主要起源于是农业产业还是非农产业)等。5．当地社会情况：如交通、通讯、治安、邻里关系等。6．政府政策：住房补助金额、集中居住地点选址、集中居住后住房和基础设施情况等。在问卷调查中依据六种影响原因设计18个指标，比如年纪、受教育程度、有没有技术专长、家中有没有党员、人均住房面积、人均纯收入等。经过结构方程模型分析显示：在所选取18个指标中除了通讯外，其余指标对农民参加居民点集中利用都有显著影响，除了年纪外其余指标对集中居住意愿路径系数均为正值，表明其它17个指标对集中居住意愿都起到正向作用。针对分析结果提出提议是，1．提升集中居住地居住条件，并改进配套基础设施，如学校、医院等。2．在正式推行集中居住之前，能够先搞试点，而试点区域就能够选择那些交通不便、离城镇较远村庄。3．引导和支持农户非农就业，如经过职业培训、介绍外出打工、支持农户创业等，降低农民对农地依赖，这么有利于农地集中利用，规模经营。第74页4教育领域中应用刘彪，舒剑萍《基于结构方程模型高校教职员心理症状及其影响原因相关分析》（）对1132名高校教职员进行问卷调查,探讨了高校教职员应激生活事件、社会支持、领悟社会支持、应对方式与心理症状关系。利用验证性因子分析得出指标对应因子负荷显著。用结构方程模型对数据进行拟合,发觉应激生活事件、社会支持、领悟社会支持、消极应对、主动应对对症状总分有直接影响。在建立结构方程模型时，将应激生活事件作为外生潜变量,症状总分、主动应对、消极应对、社会支持、领悟社会支持作为内生潜变量。其中应激事件指标为家庭、工作学习、社交及其它因子得分，主动应正确指标为处理问题、求援因子得分,消极应正确指标为退避、幻想、发泄、忍耐得分。社会支持指标为主观支持、客观支持、支持利用度因子得分。领悟社会支持指标为家庭支持、朋友支持、其它支持因子得分。症状总分指标为10个因子因子得分。第75页林彦芸《于结构方程模型广东省中学教师参加体育活动影响原因分析》（）利用结构方程模型来研究中学教师参加体育活动影响原因。在此基础上寻找对策,将参加体育活动最大程度地纳入到中学教师生活方式当中。数据独立地采取了年广东省中学教师参加体育锻炼调查1527个样本,从调查者性格特征、兴趣兴趣、家庭影响、体育气氛、生理原因、压力原因、余暇时间、经济收入八个方面来研究其对参加体育锻炼影响。依据这个八个方面建立结构方程反应各个原因对体育锻炼影响程度，经过拟合性检验后得出结论，对参加体育锻炼影响最大是家庭影响,模型中对参加体育活动总影响为0.621，性格特征、生理原因及兴趣兴趣对参加体育活动主动程度总影响气氛为0.467、0.458和0.395,相对影响较大，体育气氛、余暇时间及经济收入对参加体育活动主动性影响程度值分别为0.121、0.089、0.116,对中学体育教师参加体育活动影响较小。提议:1、要以家庭为单位,而非单一地面向教师群体,提倡中学教师群体主动参加体育。2、要关心中学教师群体心理健康。3、要依据中学教师兴趣兴趣、性格特征,因地而异、有针对性地在学校、社会修建一些投资少、锻炼效果好、管理方便又能吸引人体育设施,