结构方程模型案例

#荷的显著性检验，重复此过程，直到各个负荷均显著为止。AMOS7.0的输出结果也给出了标准化情况下参数的估计结果。标准化情况下，参数估计结果不受各指标或因子量纲的影响，便于对变量之间的相互关系进行分析。本文的模型采用标准化情况下的参数估计结果，并且分两步确立：第一步建立验证性因子模型，确定潜变量的结构；第二步按照图1的模型（即加入结构方程），运行程序，删除不显著的路径后再次运行程序，共经历两次路径删除后，估计结果显示所有的因子负荷在置信水平90%下，均已显著。从而得到本文估计模型的具体形式：0.4040.7120.7680.8100.653(1)0.5190.6790.6340.653(1)0.5190.6790.6341

g2丿

'3y(4.3)0.9000.427(2)(3)1Iy212(0.9975)<£A1+1丿(2)(3)1Iy212(0.9975)<£A1+1丿M丿G丿0.23400.8860.123厂00.254A5A1(+丿M丿000.1910.1620.1451

g2

〔g丿

'3y此外，输出结果（见附录五）中没有包含违背常理的参数估计值，比如说没有出现方差小于0、相关系数大于1等情况，说明用该模型拟合原始数据是合适的。4.6模型的整体拟合评价根据结构方程模型中评价模型拟合优劣的相关理论，通常采用以下几种指标来评价模型的拟合效果：⑴相对拟合指数（CFI）：取值于0—1之间，越接近于1,模型整体拟合越好；⑵近似均方根误差指数（RMSEA）：其值越小越好。一般认为，RMSEA低于0.1表示好的拟合,低于0.05表示非常好的拟合。⑶调整后的拟合优度指数（AGFI）：取值于0—1之间，越接近1,模型整体拟合越好。本文模型的拟合优劣指标汇总如下：表3模型的拟合指数指标CFIRMSEAAGFI取值0.730.130.76

结合各个拟合指数的判断标准，由表1知，模型整体拟合效果一般。前述4.3节的注意（4）已分析过原因。4.7模型参数估计结果的解释每一个观测指标对其从属的潜变量的标准化参数估计值（即负荷），有效地反映了该指标与相应潜变量之间的相关程度，同时也反映了潜变量对相应观测指标的解释能力。这可以由图2结果路径图对比图1和图2，显然，在参数估计过程中，一些不显著的路径和方向被删除了。由结果路径图，我们可以看出：⑴大学生的社会经济地位E、对就业情况的把握程度g、自身能力g对他们的预期就业手段123均有影响，但影响差异不大。这与现实情况是相符的，通常家庭社会经济地位决定了大学生自主创业的原始资本（资金来源以及人际关系等），对就业情况的把握程度决定了大学生自主创业的动机和方向，而自身能力则决定了大学生自主创业的勇气和胆识。⑵大学生的社会经济地位g对他们的预期就业地域有影响，但大学生对就业情况的把握程度1g、自身能力g对他们的预期就业地域几乎没有影响。这也与现实情况相符，大学生的社会23经济地位高低决定了他们对于就业地域的偏向（比如，现实中，比起家庭社会经济地位相对低的学生，往往是家庭社会经济地位相对高的学生更偏向于选择各方面条件都相对较好的地域工作譬如省会城市，也即家庭社会经济地位相对低的学生更能容忍相对差一些的工作地域）。另外，大学生对就业情况的把握程度以及自身能力对预期就业地域影响不显著，不管大学生对就业情况的把握程度如何，也不管大学生自身能力如何，现实中大学生预期就业地域的选择往往是家乡、发达城市或学校所在地。⑶相比于预期就业地域对预期就业手段的影响，预期就业手段对预期就业地域的影响要更显著。这也是显然的，自主创业必然要考虑目标地域的供求情况，通常省会城市等需求相对大，供给才有市场。⑷5个潜变量在13个观测指标上的标准化因子负荷不小于0.712的有6个。在标准化的情况下，指标与潜变量之间的复相关系数就是因子负荷的平方。因此，有6个复相关系数大于0.5，也就是说，相应的潜变量能解释指标的50%以上。但仅有6个复相关系数大于0.5，再次说明模型的解释能力一般，原因仍然是问卷内容设计和模型形式设定脱节，使得衡量潜变量的指标不恰当或过少。4.8模型存在的问题⑴通常从拟合原始数据的能力和预测性能两方面评价一个模型。结构方程模型则更偏向于验证我们事先提出的关于潜变量的结构、潜变量之间的因果关系是否成立，并且量化变量之间的相互影响关系。若主要关注的是模型的预测性能，则结构方程并非首选。若采用SPSS或结构方程模型的软件，需要进行隔一段时间后的纵向调查，取得序列数据的支撑。大家可以选择系统动力学等软件。⑵本文的模型拟合原始数据的能力一般，主要归咎于问卷内容设计与模型形式设定的脱节，使得无法找到一定数量的、恰当的指标来衡量潜变量。也就是说，本文建构的模型迁就于问卷，模型形式的设定可能有失偏颇。这也给问卷设计者提出了参考建议：要把问卷内容设计与欲采用的模型相结合，问卷内容要紧扣模型。⑶本文的模型不得不引入单指标潜变量，为保证模型的可识别性，又不得不在进行参数估计时固定某些负荷以及某些