【摘要】：结构方程模型是一种常用的线性统计的建模工具、技术，是经济学、社会学、心理学等领域的统计分析方法的综合集成，广泛应用于经济学、行为科学等领域的科学研究。结构方程模型在应用中不断成熟和发展，获得了学术界的普遍认可，被称为“第二代多元统计”方法。进行结构方程模型分析的途径如图8.2所示。
结构方程模型(Structural Equation Modeling，SEM)是一种常用的线性统计的建模工具、技术，是经济学、社会学、心理学等领域的统计分析方法的综合集成，广泛应用于经济学、行为科学等领域的科学研究。在结构方程的使用过程中，包含有多元回归(Multiple Regression)、因子分析(Factor Analysis)和路径分析(Path Analysis)等方法。结构方程模型在应用中不断成熟和发展，获得了学术界的普遍认可，被称为“第二代多元统计”方法。进行结构方程模型分析的途径如图8.2所示。
图8.2 结构方程分析路径图
可见，结构方程模型分析是通过联立方程组进行求解。结构方程模型的联立方程组包括以下两类方程:
(1)测量方程
测量方程(measurement equation)描述潜变量与指标之间的关系。
(2)结构方程
结构方程(structural equation)描述潜变量之间的关系。
两组方程式中，
:由外生(exgenous)指标组成的向量
:外生指标与外生潜变量之间的关系
:内生指标与内生潜变量之间的关系
:外生指标
的误差项;
:内生指标
的误差项;
:内生潜变量;
外生潜变量;
内生潜变量之间的关系;
外生潜变量对内生潜变量的影响;
结构方程的残差项。
由这两组方程，再加上一些模型，通过迭代求解，方程中的各参数就能确定了。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
