场景案例 · 2026-06-24

土木工程BIM技术采纳研究用AI一句话完成 — TAM模型SEM路径检验

土木工程/建筑信息化方向毕业论文必读：用AI一句话完成BIM技术采纳TAM模型的SEM路径检验，自动输出标准化路径系数、拟合指数CFI/RMSEA与APA 7th格式论文报告，适用于工程管理、项目管理、建设工程方向学位论文。

建筑工程、工程管理、土木工程方向的毕业生，最常踩的数据分析坑：TAM模型知道该用SEM，却不知道测量模型怎么写；拟合指数CFI/RMSEA出来了不知道写进论文用什么格式；路径系数显著了但Bootstrap中介检验怎么做；导师说"请补充模型比较"却不知道从何下手……这篇文章把BIM技术采纳TAM-SEM研究最常见的分析场景一次串通，每步给出ChatSRS可直接使用的一句话指令，以及可抄进论文的APA 7th报告句式。

BIM采纳研究为什么离不开TAM+SEM

BIM（建筑信息模型）技术在国内工程行业的推广速度与从业者实际采纳意愿之间，长期存在落差。研究这一落差，技术接受模型（Technology Acceptance Model, TAM）是学界最成熟的框架：

感知有用性（Perceived Usefulness, PU）：用户认为BIM能提高工作绩效的程度
感知易用性（Perceived Ease of Use, PEOU）：用户认为学习和使用BIM所需努力的程度
使用态度（Attitude, AT）：对使用BIM的正向或负向评价
行为意向（Behavioral Intention, BI）：未来实际使用BIM的意图

TAM的核心假设是：PEOU → PU → AT → BI 构成一条因果链，PEOU还对AT有直接作用。这正是SEM路径检验最擅长的场景——同时估计多条回归路径，并区分直接效应与间接效应。

然而，手工在AMOS或R lavaan包里写SEM，对没有系统学过结构方程的工程类学生来说门槛很高：语法错误、模型识别失败、修正指数要不要加……每一步都可能卡住几天。chatsrs.com把这整条链条变成对话，下面按TAM-SEM分析的标准步骤逐步演示。

典型BIM采纳研究的数据结构

以"建筑施工企业BIM采纳意愿调查"为例，问卷结构如下：

受访者    企业规模    从业年限    学历    PEOU1-4    PU1-5    AT1-3    BI1-4
001       大型        8年         本科     4/5/4/5     5/4/5/4/5  4/5/4    5/5/4/5
002       中型        3年         研究生   3/4/3/4     4/4/3/4/4  3/4/3    4/4/3/4
...

典型样本规模：土木/工程管理方向建议最少 N ≥ 200（SEM参数估计稳定性要求），实际调查150-300人均可运行，但N<150时需在局限性章节说明。

标准分析链：

描述统计 + 共同方法偏差检验（CMB，Harman单因子检验）
信度检验（Cronbach's alpha, CR组合信度）
验证性因子分析（CFA）→ 测量模型拟合
区别效度（AVE平方根 vs 相关系数）
结构模型SEM路径估计
Bootstrap中介效应检验（PEOU通过PU影响BI的间接效应）
模型比较（可选，与竞争模型比较）

全流程分析演示（BIM采纳TAM-SEM场景）

以"施工项目管理人员BIM技术采纳意愿研究"为例：样本N = 237，四个潜变量，16个观测指标，5点Likert量表。

第一步：描述统计与共同方法偏差检验

打开chatsrs.com，上传数据后输入：

"请对PEOU、PU、AT、BI四个量表的所有题项做描述统计，报告均值、标准差、偏度、峰度；同时做Harman单因子检验，输出未旋转因子分析结果，判断共同方法偏差是否严重。"

ChatSRS自动输出：

表 1  各题项描述统计（N = 237）

变量/题项       M       SD      偏度    峰度
PEOU1          4.12    0.83    -0.47   0.21
PEOU2          3.98    0.91    -0.31   -0.18
PEOU3          4.05    0.87    -0.39   0.09
PEOU4          4.19    0.78    -0.52   0.33
PU1            4.28    0.76    -0.61   0.44
...（完整16题项）

Harman单因子检验：
第一个公因子解释方差比例 = 23.47%
CMB判断：第一因子解释方差 < 40%，共同方法偏差风险较低。

注意：偏度绝对值 < 2、峰度绝对值 < 7 是SEM多元正态性的宽松标准（Curran et al., 1996），ChatSRS自动标注是否满足。

第二步：信度与收敛效度检验

"对PEOU（4题）、PU（5题）、AT（3题）、BI（4题）四个维度分别计算Cronbach's alpha和组合信度（CR），以及平均变异提取量（AVE）；判断是否满足Hair et al.（2019）的标准。"

ChatSRS输出：

表 2  信度与收敛效度指标

潜变量    题项数    Cronbach's alpha    CR      AVE
PEOU       4         .892               .901    .696
PU         5         .907               .915    .683
AT         3         .876               .887    .724
BI         4         .921               .928    .762

判断标准：alpha > .70 [OK]，CR > .70 [OK]，AVE > .50 [OK]
所有潜变量满足收敛效度要求。

第三步：验证性因子分析（CFA）— 测量模型

"对16个题项的四因子测量模型做验证性因子分析（CFA），使用ML估计法，报告标准化因子载荷、模型拟合指数（chi-square/df、CFI、TLI、RMSEA及90% CI、SRMR），并输出APA格式三线表。"

ChatSRS输出：

测量模型拟合指数：
chi-square(98) = 147.32, p = .002
chi-square/df = 1.503
CFI = .972, TLI = .965
RMSEA = .046 (90% CI [.028, .063])
SRMR = .051

拟合判断：chi-sq/df < 3 [OK]，CFI/TLI > .95 [OK]，RMSEA < .06 [OK]，SRMR < .08 [OK]
测量模型拟合良好。

标准化因子载荷（所有载荷 p < .001）：
PEOU1 -> PEOU: .812
PEOU2 -> PEOU: .798
PEOU3 -> PEOU: .841
PEOU4 -> PEOU: .867
PU1   -> PU:   .823
...（完整输出）

为什么要先做CFA：在跑结构模型之前必须确认测量模型拟合良好，载荷低于.40的题项需要删除或修订。先测量再结构，这是SEM分析的标准流程。

第四步：区别效度检验

"计算四个潜变量的AVE平方根，与潜变量间相关系数矩阵对比，判断区别效度是否满足Fornell & Larcker（1981）标准；同时报告HTMT比率。"

ChatSRS输出：

表 3  相关系数矩阵与区别效度（对角线为AVE平方根）

              PEOU      PU       AT       BI
PEOU         (.834)
PU            .612    (.827)
AT            .534     .681    (.851)
BI            .487     .623     .714    (.873)

区别效度判断（Fornell-Larcker准则）：
每个潜变量AVE平方根（括号内）> 与其他变量的相关系数 [OK]

HTMT比率（最大值 = .812，< .85阈值）[OK]
区别效度满足要求。

第五步：结构模型SEM路径估计

"在测量模型基础上构建TAM结构模型，路径设定为：PEOU->PU、PEOU->AT、PU->AT、PU->BI、AT->BI；使用ML估计法，报告标准化路径系数、SE、t值、p值和95% CI，并输出APA格式路径系数三线表。"

ChatSRS输出：

表 4  TAM结构模型路径系数（N = 237）

路径              beta     SE      t       p        95% CI
PEOU -> PU        .542    .071    7.634   < .001   [.403, .681]
PEOU -> AT        .231    .068    3.397   .001     [.098, .364]
PU   -> AT        .467    .074    6.311   < .001   [.322, .612]
PU   -> BI        .318    .072    4.417   < .001   [.177, .459]
AT   -> BI        .453    .068    6.662   < .001   [.320, .586]

结构模型拟合：
CFI = .969，RMSEA = .049，SRMR = .053
解释方差：R^2(PU) = .294，R^2(AT) = .521，R^2(BI) = .598

第六步：Bootstrap中介效应检验

"用Bootstrap法（重复抽样2000次）检验PEOU通过PU对BI的间接效应，以及PEOU通过AT对BI的间接效应；报告点估计、SE和95% Bootstrap置信区间；判断间接效应是否显著。"

ChatSRS输出：

表 5  Bootstrap中介效应检验（B = 2000）

间接效应路径                    点估计    SE      95% BC-CI
PEOU -> PU -> BI               .172     .038    [.103, .253]
PEOU -> PU -> AT -> BI         .115     .031    [.062, .184]
PEOU -> AT -> BI               .105     .034    [.045, .179]
PEOU对BI的总间接效应            .392     .062    [.276, .521]

判断：所有Bootstrap 95% CI均不含0，间接效应均显著（p < .05）。
PEOU对BIM采纳意愿的影响主要通过PU和AT完全中介传递。

论文方法/结果写法（APA 7th，TAM-SEM报告句式）

以下是可以直接用进论文的APA格式报告段落，替换你自己的数值即可。

方法章节：数据分析策略

本研究采用结构方程模型（SEM）检验TAM框架中各潜变量间的路径关系。数据分析分两步进行（Anderson & Gerbing, 1988）：首先通过验证性因子分析（CFA）检验测量模型的拟合程度与信效度，确认收敛效度（AVE > .50，CR > .70）与区别效度（Fornell-Larcker准则，HTMT < .85）均满足要求后，再估计结构模型路径系数。共同方法偏差通过Harman单因子检验进行评估。间接效应显著性采用Bootstrap置信区间法检验（重复抽样2000次），95% CI不含0视为显著（Hayes, 2018）。所有分析均使用ChatSRS完成（lavaan引擎，ML估计法），显著性水平设为.05。

结果章节：测量模型拟合

验证性因子分析结果显示，四因子测量模型拟合良好，chi-square(98) = 147.32，p = .002，chi-square/df = 1.503，CFI = .972，TLI = .965，RMSEA = .046，90% CI [.028, .063]，SRMR = .051（Hu & Bentler, 1999）。所有标准化因子载荷介于.798与.867之间（均 p < .001），各潜变量Cronbach's alpha范围为.876至.921，组合信度（CR）为.887至.928，AVE为.683至.762，满足收敛效度要求（Hair et al., 2019）。区别效度检验结果显示，各潜变量AVE平方根均大于其与其他变量的相关系数，HTMT比率最大值为.812（< .85），区别效度满足Fornell和Larcker（1981）的标准。

结果章节：SEM路径检验主要结果

结构模型拟合指数为：CFI = .969，RMSEA = .049，SRMR = .053，拟合良好。路径分析结果（见表4）显示，感知易用性对感知有用性具有显著正向影响（beta = .542，t = 7.634，p < .001，95% CI [.403, .681]），假设H1得到支持；感知有用性对使用态度的正向影响显著（beta = .467，t = 6.311，p < .001，95% CI [.322, .612]），H2成立；使用态度对BIM采纳行为意向的正向影响显著（beta = .453，t = 6.662，p < .001，95% CI [.320, .586]），H3成立。感知有用性（R²(PU)=.294）与使用态度（R²(AT)=.521）解释了行为意向58.0%的方差（R²(BI)=.598）。Bootstrap中介效应检验结果显示，感知易用性通过感知有用性影响行为意向的间接效应显著，点估计 = .172，95% BC-CI [.103, .253]，CI不含0，中介效应成立。

上面这三段可以直接进论文 Method 与 Results 章节，只需替换你自己的数值。ChatSRS 的"APA 报告"功能可自动生成对应段落，无需手动转写。

常见FAQ

Q1: TAM模型的SEM分析必须用四个潜变量吗？

不一定。经典TAM（Davis, 1989）核心是PEOU、PU和BI三个变量，部分研究省略了AT（使用态度）这一中间变量，改为PEOU/PU直接预测BI的简化版TAM。建议根据研究问题和文献综述决定：

如果你的研究关注态度的中介作用，保留AT是必要的
如果已有文献对BIM-AT路径有争议，可以做模型比较（含AT vs 不含AT），用chi-square差异检验判断哪个模型更优

在ChatSRS里，你可以描述两个竞争模型，系统自动输出AIC/BIC比较结果。

Q2: SEM分析样本量需要多少？ N=150能用吗？

SEM对样本量比较敏感，通用建议：

最低门槛：N ≥ 100（简单模型，4个以下潜变量，每变量3-4个指标）
推荐：N ≥ 200（TAM四因子模型）
理想：指标数量的10-20倍

N=150可以跑，但需要在局限性章节注明，并在ChatSRS中指定使用"稳健ML估计（MLR）"以获得更可靠的标准误。ChatSRS自动检测小样本并给出提示：

"对N=150的数据做TAM-SEM，使用稳健ML估计（MLR），报告Satorra-Bentler校正的chi-square和标准误。"

Q3: Harman单因子检验不通过怎么办（第一因子超过40%）？

Harman检验只是初步筛查，第一因子超过40%不等于CMB严重，还需要补充：

程序性控制：在方法章节说明问卷设计中对CMB的控制措施（匿名性、逆向题项、时间间隔）
统计控制：将"无法测量的共因子（Unmeasured Latent Method Factor）"纳入CFA模型，比较加入前后的拟合变化和路径系数变化
告诉ChatSRS："在四因子CFA中加入共同方法因子，比较加入前后的路径系数变化，判断CMB影响程度。"

Q4: 审稿人要求"与竞争模型对比"，如何做？

SEM模型比较的标准做法：

嵌套模型：用chi-square差值检验（chi-square difference test），df差值对应受约束路径数
非嵌套模型：用AIC/BIC比较，差值 > 10 认为有显著差异
常见竞争模型：去掉某条路径（检验该路径是否必要）、将某路径方向反转

在ChatSRS输入：

"以原TAM四路径模型为基础，构建三个竞争模型：M1删除PEOU->AT路径，M2删除PU->BI直接路径，M3完全中介模型（只保留AT->BI，删除PU->BI）；输出四个模型的chi-square、df、CFI、RMSEA、AIC、BIC对比表，并做chi-square差值检验。"

Q5: 论文引用ChatSRS的格式怎么写？

方法章节可写：

本研究所有统计分析均通过ChatSRS平台完成（chatsrs.com，版本2026；R lavaan包 0.6-17，Rosseel, 2012）。

参考文献：

ChatSRS. (2026). AI-powered statistical analysis platform [Computer software]. https://chatsrs.com

Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1-36. https://doi.org/10.18637/jss.v048.i02

BIM-TAM研究分析小结

土木工程BIM采纳TAM-SEM研究的分析步骤有严格顺序，每步都有前提要检验：

分析目的	方法	ChatSRS一句话关键词
数据概览与CMB评估	描述统计 + Harman单因子	"描述统计、偏度峰度、Harman单因子检验"
量表可靠性	Cronbach's alpha + CR	"组合信度CR、AVE、收敛效度"
测量模型检验	CFA验证性因子分析	"四因子CFA、ML估计、拟合指数CFI/RMSEA"
区别效度	Fornell-Larcker + HTMT	"AVE平方根矩阵、HTMT比率"
路径假设检验	SEM结构模型	"TAM路径系数、标准化beta、95% CI"
中介效应	Bootstrap CI	"Bootstrap 2000次、间接效应95% CI"
竞争模型	chi-square差值 + AIC/BIC	"模型比较、竞争模型AIC/BIC"

每步输出ChatSRS都能直接生成APA 7th报告句式，在论文里替换数值即可使用。

BIM采纳研究为什么离不开TAM+SEM

典型BIM采纳研究的数据结构

全流程分析演示（BIM采纳TAM-SEM场景）

第一步：描述统计与共同方法偏差检验

第二步：信度与收敛效度检验

第三步：验证性因子分析（CFA）— 测量模型

第四步：区别效度检验

第五步：结构模型SEM路径估计

第六步：Bootstrap中介效应检验

论文方法/结果写法（APA 7th，TAM-SEM报告句式）

方法章节：数据分析策略

结果章节：测量模型拟合

结果章节：SEM路径检验主要结果

常见FAQ

Q1: TAM模型的SEM分析必须用四个潜变量吗？

Q2: SEM分析样本量需要多少？ N=150能用吗？

Q3: Harman单因子检验不通过怎么办（第一因子超过40%）？

Q4: 审稿人要求"与竞争模型对比"，如何做？

Q5: 论文引用ChatSRS的格式怎么写？

BIM-TAM研究分析小结

相关阅读