结构方程模型（SEM）是研究变量复杂关系的常用方法，但传统软件如AMOS、Mplus或R语言操作较复杂，对新手不够友好。使用SPSSAU，无需编程和安装软件，只需简单操作即可完成SEM分析并得到模型路径图。今天一文带大家学会SEM模型及模型不达标处理方式。
一、SEM结构方程模型
1、SEM到底是什么？
结构方程模型是一种建立、估计和检验因果关系模型的分析方法。它最核心的特点在于同时包含两个组成部分：
- 测量模型------即验证性因子分析（CFA），用于描述潜变量（无法直接测量的抽象概念）与观测变量（问卷题项）之间的关系，评价结构效度并考察测量误差。
- 结构模型------即潜变量之间的路径分析，用来分析潜变量之间的影响关系。
可以这样理解：结构方程模型 = 验证性因子分析+ 路径分析 。测量模型回答"测量的东西对不对"的问题，结构模型回答"变量之间有什么关系"的问题。在SEM中，变量分为两类：观测变量 vs 潜变量
- **观测变量：**可直接获取测量数据的具体指标，例如某人的专利数量、论文发表量等可直接统计的数据。
- **潜变量：**无法通过直接观测获得数值，需借助多个观测指标组合推导得出。例如"创新能力"这种抽象特质，需通过论文、专利等成果指标综合评估。
2、模型路径图
结构方程模型路径图能清晰地表达观测题项与潜变量、潜变量之间的关系。下面是一个简单的路径图：
- 矩形框表示观测变量
- 椭圆形表示潜变量
- 单箭头表示影响关系，即一个变量对另一个变量的直接影响
- 双箭头表示相关关系，表示变量间的协方差或相关关系
上图是一个典型的顾客满意度SEM路径图框架：A1~A4测量"感知质量"，B1~B3测量"感知价值"，C1~C3测量"顾客满意"，D1~D2测量"顾客忠诚"。其中红框部分为测量模型（观测变量→潜变量），中间部分为结构模型（潜变量→潜变量）。
二、结构方程模型分析顺序
很多人一拿到数据就想直接跑SEM，但更稳妥的做法通常是下面这条路线。
（1）先构建理论模型，明确潜变量、测量题项和路径关系；
（2）再检查数据质量，比如缺失值、异常值、样本量和反向题处理；
（3）如果量表结构还不够明确，先做EFA探索维度；
（4）在此基础上做CFA，验证测量模型是否合理；
（5）最后再做SEM，检验潜变量之间的路径关系和整体模型拟合。
很多人觉得SEM难，并不是因为方法本身太复杂，而是把本该前面完成的工作，全堆到了最后一步。
三、SPSSAU进行SEM分析
SPSSAU进行结构方程模型分析可分为以下步骤：
理论模型构建→ 设置测量关系→ 设置影响关系→ 变量名称设置→MI 指标输出。
1、理论模型构建
根据专业知识和文献，建立初步的理论模型。以顾客满意度研究为例：
- **测量模型：**A1~A4测量"感知质量"，B1~B3测量"感知价值"，C1~C3测量"顾客满意"，D1~D2测量"顾客忠诚"
- 结构模型："感知质量"和"感知价值"影响"顾客满意"，"顾客满意"进而影响"顾客忠诚"
2、设置测量关系
在SPSSAU【问卷研究】模块选择【结构方程模型SEM】，将题项拖入对应的因子框。将A1～A4题拖拽至右侧Factor1分析框中，B1～B3题拖拽至Factor2分析框中、C1～C3题拖拽至Factor3分析框中、D1～D2题拖拽至Factor4分析框中，设定好测量模型，操作如下图：
3、设置影响关系
接着在SPSSAU页面右侧【设置模型关系】，设定4个潜变量间的影响关系。在【第1项】下拉列表中选择【Factor1】，中间的关系类型下拉列表选择【影响→】，在【第2项】下拉列表中选择【Factor3】，即表示 Factor1→Factor3。单击【＋】按钮能增加更多关系设定。同样的操作，设定 Factor1→Factor2、Factor2→Factor3、Factor3→Factor4 的影响关系。操作如下图：
**提示：**设置测量关系的潜变量，一定需要在 '影响关系'中出现；比如若测量关系中有Factor5，但是影响关系中却没有出现Factor5，此时一定会出错。
4 、变量名称设置
SPSSAU默认潜变量的名称分别是Factor1，Factor2......，用户可以在设置名称中按模型设置潜变量名称，操作如下图：
本案例无二阶结构关系，因此无须设定【设置量表二阶结构】，点击【开始分析】按钮，即可得到结构方程模型分析结果。
5、MI指标输出
模型检验发现拟合效果不理想时，可以结合理论依据和MI指标对模型进行调整。返回模型设置界面后，在顶部选择MI指标，并设置如"MI>10"。这样系统会筛选出修正指数较高的参数关系，帮助研究者更快定位需要重点关注的调整项。具体操作如下图所示：
常见的调整方式主要有两类：一是协方差关系调整，二是影响关系调整。
- **协方差关系调整：**通常是指在理论支持下，根据MI结果为部分测量误差项补充协方差关系，或为理论上应存在相关关系的潜变量补充协方差关系，其目的在于优化测量模型。
- **影响关系调整：**则是结合专业知识和MI指标，重新判断模型中是否遗漏了合理的路径关系，并在必要时补充影响路径，以优化结构模型。
需要注意的是，模型调整不能只机械参考MI数值，而应始终以理论合理性为前提。
四、SPSSAU输出分析结果
SPSSAU共输出7个表格以及最终模型结果图，7个表格的作用汇总如下：
|-------------|------------------------------------|
| 名称 | 作用 |
| 模型回归系数汇总表格 | 潜变量之间的影响关系结果，以及测量关系结果，包括是否显著及回归系数等 |
| 模型拟合指标 | 模型拟合效果判断指标等 |
| 协方差关系-MI指标 | 用于辅助判断是否进行模型协方差相关关系调整的MI指标表格 |
| 影响关系- MI指标 | 用于辅助判断是否进行模型影响关系调整的MI指标表格 |
| 模型拟合度R方汇总表格 | 用于查看各项的R方值 |
| 协方差表格 | 用于查看协方差关系结果表格 |
| 残差项估计值 | 展示各项的残差项等，意义较小 |
例如SPSSAU输出部分结果如下：
更多分析结果及详细解读可点击下方查看SPSSAU帮助手册：
SPSSAU会直接输出结构方程模型路径图如下：
可选择模型路径图是否展示残差、*号标识、协方差、数值、显变量。
五、SEM模型不达标如何调整
当结构方程模型分析完成后，如果发现卡方自由度比（χ²/df）、GFI、RMSEA、CFI、NFI等拟合指标未达到推荐标准，不建议立即根据MI值大量增加路径、建立协方差或删除题项。更合理的思路是：先定位问题，再选择对应的调整方式。
1、先判断问题出在哪里
模型拟合不佳，并不一定意味着需要立即修改模型，而应首先判断问题来源。
（1 ）测量模型存在问题
若题项因子载荷较低、信度或聚合效度、区分效度未达到要求，应优先检查测量模型，例如：
- 题项设计是否合理；
- 是否存在反向题未正确处理；
- 是否存在低载荷题项；
- 是否需要重新修订量表。
只有测量模型达到基本要求后，再进入结构模型分析。
（2 ）结构模型存在问题
若测量模型已经通过检验，而整体拟合指标仍然较差，则需要进一步检查结构模型，例如：
- 是否遗漏了重要路径；
- 理论关系是否设定合理；
- 是否存在不必要的路径；
- 是否存在数据质量或样本量问题。
需要强调的是，MI指标仅作为辅助参考，任何模型修改都应建立在理论依据之上，而不能仅依据MI数值进行机械调整。此外，如果一个模型只能依靠不断删题、频繁增加误差相关才能达到拟合标准，通常说明真正的问题并非拟合指标，而可能来自量表设计、理论框架、样本质量或数据本身。
5、根据问题选择调整方法
明确问题来源后，再选择合适的调整方式。一般可分为MI 指标调整法和模型调整法两类，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： |
| MI指标调整法 | √ 建立协方差关系 |
| MI指标调整法 | √ 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： |
| 模型调整法 | √ 模型拆分法 |
| 模型调整法 | √ 路径分析法 |
| 模型调整法 | √ 线性回归法 |
其中：
- MI 指标调整法适用于理论框架基本正确，仅有少量参数需要优化的情况。
- 模型调整法适用于测量模型或结构模型存在较大问题，需要重新验证变量关系或重新构建模型的情况。
关于结构方程模型不达标处理的更多内容，可以点击查看下方SPSSAU帮助手册：
六、易混淆方法辨析
在学术研究中，结构方程模型（ SEM ）、路径分析（Path Analysis ）、探索性因子分析（EFA ）、验证性因子分析（CFA **）**这四种方法经常被放在一起讨论。
需要注意的是，这四个方法并不是平级关系，而是一个递进结构：
探索性因子分析（EFA ）→验证性因子分析（CFA ）→路径分析→结构方程模型（SEM ）
- EFA：用于"找结构"。当量表维度还不明确时，先用EFA看看题项大致可以分成几个因子。
- CFA：用于"验结构"。当你已经有理论假设时，用CFA检验题项是否真的对应预设的潜变量，并判断量表质量是否达标。
- 路径分析：用于"看关系"。它主要分析显变量之间的影响路径，比如直接效应和间接效应，但不涉及潜变量测量。
- SEM：用于"整体检验"。它同时包含测量模型和结构模型，既看潜变量怎么测量，也看潜变量之间怎么影响。
|--------------|--------------|------------|------------|
| 方法 | 核心作用 | 处理变量类型 | 包含内容 |
| 探索性因子分析（EFA） | 探索因子与题项的对应关系 | 观测变量→潜变量 | 仅测量模型（探索版） |
| 验证性因子分析（CFA） | 验证因子与题项的对应关系 | 观测变量→潜变量 | 仅测量模型（验证版） |
| 路径分析 | 研究变量间的影响关系 | 仅观测变量 | 仅结构模型 |
| 结构方程模型（SEM） | 同时处理测量+影响关系 | 观测变量+潜变量 | 测量模型+结构模型 |