结构方程模型的研究进展与应用

　　结构方程模型是一种融合了因素分析和路径分析的多元统计技术，是社会科学研究中的一个非常好的方法，下面是小编搜集的一篇研究结构方程模型应用的论文范文，供大家阅读参考。

　　引言

　　从大量事件样本进行统计分析，由事件的表象获得本质性的事件规律，是科研人员特别是管理工作者常见的研究工作方法，也是很有效的科学研究方法。

　　统计分析方法众多，深浅不一，效果各异。对于复杂事件而言，其牵涉的层面复杂，影响和制约因子众多，这些影响或制约因子往往又非孤立，而是相互牵涉、相互影响。故需要剖析事件的内在层面结构关系，分析事件的影响显在因子，并构建一定的结构方程模型，进而挖掘出事件的影响潜在因子，综合分析并构建一个或若干个事件发展的判断指标，且设定某一程度的判断标准，判断事件的发展动态。这样的统计分析方法就是结构方程模型。结构方程模型因其优越性得到飞快的发展和广泛的应用。

　　1 结构方程模型的研究

　　1.1 基本概念、思想及本质阐述

　　人们对于结构方程模型(StructuralEquationModeling简称为 SEM)的概念的阐述也是变化的，有从含糊到明确、由片面到全面、由肤浅到不断深入、由定格到扩充和发展的过程。

　　20 世纪二三十年代，结构方程模型思想刚刚起源、萌芽时，起初确定为由 Sewll Wright[1]最初提出了路径分析的概念，这种路径分析当时还没有定义为结构方程模型。之后的数十年中，对于路径分析的方法和内涵不断扩充与展开。直到 20 世纪 70 年代，一些学者以 Joreskog 和 Wiley 为代表，将因子分析和路径分析等统计方法加以整合，明确提出结构方程模型的概念[2],结构方程模型的概念明确提出后，立即得到迅猛发展，内容进一步充实，方法扩充，针对实际研究对象的具体模式不断涌现，应用的范围迅速扩展。早期的结构方程模型跟数学中的数理统计方法不是很融合，结合不大，也没有注重数理统计方法的重要性和运用的.实效性。结构方程模型所包含的内容也很少，结构较为简单，方法较为单一，所列出的影响因子较少，全为显性因子，对于潜在因子的重视和提出要求是在 21 世纪初的事情了。

　　进入 21 世纪后，人们对于结构方程模型的内在本质进一步明确，对其内涵进一步加以扩充，其模型结构图的构建越来越复杂，因子越列越多，潜在因子被明确提出并作为结构方程模型必须要求的内容。如今明确阐述结构方程模型为当代行为和社会领域量化研究的重要统计方法，是传统数理统计方法与一定的计算机技术相结合的产物(这一点对于现代和未来的结构方程模型的发展来说更为确切)。

　　当今学者[3,4]强调结构方程模型中包含显性指标、潜在变量、干扰或误差变量间的关系，进而获得自变量对因变量的直接效果、间接效果或总效果。其基本上是一种验证性方法，通常必须有理论或经验法则的支持，在理论引导的前提下才能构建模型结构图，并进行后续工作。即便是对于模型的修正，也必须依据相关理论进行，强调理论的合理性，故结构方程模型是较为严谨的一种统计分析方法和理论。如今人们普遍认为结构方程模型的本质是一种验证式模型分析，它是利用研究者所搜集到的实证资料来确认假设的潜在变量间的可能关系，以及潜在变量与指标的一致性程度。即比较研究者所提供假设模型的协方差矩阵与实际搜集数据导出的协方差矩阵之间的差异性[4].

　　1.2 目前结构方程模型的特点分析

　　结构经过近一个世纪的发展与丰富，由简单到复杂，由雏形到成熟，由单一到多元化，由片面狭窄到全面宽广。目前的结构方程模型克服了先前一系列的弊端，而拥有以下公认的特点，这些特点包含优越性也包含局限性。

　　(1)理论的先验性。

　　结构方程模型分析假设的因果模型必须建立在一定的理论上，因而结构方程模型是一种验证某一模型或假设模型适应性与否的统计技术，故被视为验证性而非探索性的统计方法。

　　(2)结构方程模型的多元性。