教程 · 2026-06-24

结构方程模型怎么做？测量模型、拟合、路径与不显著诊断

结构方程模型 SEM 中文指南：区分测量模型、结构模型和整体拟合，说明数据、样本、识别、估计与结果解读，并给出路径不显著时禁止 p-hacking 的三层诊断。

结构方程模型（SEM）把测量模型与结构关系放在同一框架中估计。它适合明确的潜变量测量问题和结构假设，但模型更复杂不等于证据更强；样本、识别、估计、测量质量与研究设计都必须先说清。

如果你的变量都是直接观测值，研究问题只是普通条件关联，回归可能更简洁。先读结构方程模型和回归分析有什么区别，再决定是否需要 SEM。

SEM 的三个层次

测量模型

测量模型说明潜变量如何由观测指标测量，通常以 CFA 表达。它关注：

指标属于哪个潜变量；
载荷、误差和因子相关是否可解释；
估计方法是否匹配连续或有序题；
是否出现不当解、极端相关或识别问题；
模型是否在目标群体和语境中具有测量依据。

载荷和拟合不是效度的全部证据。内容效度、量表形成过程、外部关联和跨群体稳定性仍需另行论证。

结构模型

结构模型描述潜变量或观测变量之间的路径。路径系数是给定整个模型时的条件关系；若研究来自横断面观察数据，箭头和显著系数本身不能建立时间顺序或因果性。

整体模型

整体拟合描述模型隐含协方差结构与样本数据的偏离。卡方、CFI/TLI、RMSEA 及区间、SRMR 等应组合阅读，并结合模型复杂度、样本、估计方法和领域规范。经验阈值是提示，不是自动通过线。

一阶和二阶结构怎么区分

一阶模型：观测指标直接测量一阶潜变量，例如若干题目测量“学习投入”；
二阶模型：多个一阶潜变量再由更高层潜变量解释，例如行为、情感和认知投入共同反映总体学习投入。

二阶结构需要理论理由和足够的一阶构念，不能只因为一阶因子之间相关较高就自动添加。应比较可识别性、拟合、参数和实质解释，并避免把高阶因子写成数据自动发现的事实。

结构方程模型对数据有什么要求

变量与估计

记录每个指标是连续、有序还是二分类，选择与尺度、分布和缺失方式匹配的估计方法。Likert 题是否按连续处理要说明依据，不能默认为所有题型使用同一估计。

样本与复杂度

不存在适用于所有 SEM 的固定样本数。所需信息量取决于潜变量、指标、自由参数、载荷、分布、缺失、效应大小和估计方法。设计阶段可依据方法文献或模拟评估，报告中要说明样本限制。

模型识别

可识别意味着自由参数能由观测信息唯一估计。至少要检查：

潜变量尺度如何设定；
每个潜变量有多少信息充分的指标；
自由参数是否过多；
是否存在反馈、完全共线或其他识别冲突；
软件是否出现不收敛、负方差或极端估计。

“程序输出了数字”不等于模型已经正确识别。

缺失、异常与数据结构

提前说明缺失处理、异常值依据、重复测量、聚类和抽样结构。忽略学校、班级、医院等聚类可能使标准误不合适；这类数据可能需要多层 SEM 或其他匹配方法。

结构方程模型的在线分析步骤

写测量合同：定义潜变量、指标、反向题、编码和理论来源；
写结构假设：列出预先假设的路径、控制和间接效应；
确认数据与估计：尺度、缺失、聚类、分布和估计方法一致；
先评估测量部分：检查识别、载荷、因子相关、不当解和整体拟合；
再评估结构部分：报告路径点估计、SE、区间和精确 p 值；
检查整体与局部失配：不靠一个阈值，也不按修正指数自动改模；
区分确认与探索：事后修改单独标记，并在新数据中验证；
保存复现合同：数据版本、模型语法或等价模型说明、估计设置和完整输出。

如果目标平台只显示路径图但不能说明估计、识别和输出定义，就不适合承担需要审计的主分析。

SEM 不显著怎么办：分三层诊断

整体模型拟合：先看“不理想”指卡方、增量拟合、近似误差还是残差；结合估计方法、样本、模型复杂度与不当解检查，不能为跨过某个阈值无依据地释放参数。
测量模型：核对条目编码、载荷、因子相关、误差、尺度与构念覆盖。测量部分不可信时，结构路径的解释也不稳；条目调整必须有内容和理论依据，并标记探索属性。
单条结构路径：报告系数、标准误和区间，检查样本精度、共线关系、模型设定和研究设计。路径不显著表示当前证据不足以排除零，不等于已经证明不存在关系。

禁止 p-hacking：不能按每次输出反复更换样本、路径、指标或估计方法，再只展示最有利的模型。若进行探索性重设，应保留原模型、记录全部变更，并用独立数据验证。

三层问题不能互相代替

整体拟合尚可，不保证每条路径都显著；
单条路径显著，不代表测量模型可信或整体模型合理；
测量载荷较高，不自动证明结构箭头具有因果含义；
某个拟合指数不理想，也不能只靠增加路径解决。

结构方程模型结果怎么解读

先报告模型合同

说明潜变量与指标、结构路径、估计方法、缺失处理、样本和软件/版本或等价实现。没有这些信息，拟合和路径表难以复现。

再报告整体拟合

常见组合包括卡方与自由度、CFI/TLI、RMSEA 及区间、SRMR。不要只报告“通过”，应给出数值、参照依据和可能的模型限制。

然后报告测量结果

报告标准化或非标准化载荷、SE/区间、因子相关、误差和异常解。CR、AVE 等派生量可作为补充，但不能替代对条目内容和测量结构的判断。

最后报告结构路径

每条预设路径至少包含：

非标准化系数及其单位解释；
可选的标准化系数，用于同一模型内辅助比较；
标准误、置信区间和精确 p 值；
直接、间接和总效应的定义；
与研究设计一致的关联或因果措辞。

标准化系数不一定适合跨研究直接比较，非标准化系数也并非天然次要。报告选择要与领域和解释目标一致。

AMOS、SmartPLS 与在线工具的边界

本页讲的是 SEM 方法合同，不是 AMOS 或 SmartPLS 的界面替代教程。不同 SEM 家族、估计目标和软件默认设置可能不同，不能只凭都叫“结构方程模型”就混用输出。

迁移时必须核对：

协方差型还是其他估计框架；
模型、变量尺度和缺失处理；
估计方法、标准误与重抽样设置；
标准化方式与拟合量定义；
可复现模型文件、语法或等价合同。

ChatSRS 当前有 SEM 路径分析能力证据，可进入 ChatSRS 按八步合同整理 SEM。结果仍需由研究者核对识别、估计、测量、拟合和路径；页面不承诺复刻任何特定软件界面或默认值。

报告模板

方法部分

本研究采用结构方程模型检验〔研究问题〕。潜变量与指标依据〔理论/量表来源〕设定，结构路径在分析前确定。数据按〔变量尺度〕使用〔估计方法〕估计，缺失值按〔方法〕处理。整体拟合综合卡方、CFI/TLI、RMSEA 及区间和 SRMR 评估，同时检查识别、载荷、因子相关、残差和不当解。

结果部分

模型估计使用 N =〔填写〕。整体拟合为 χ²(df) =〔填写〕，p =〔填写〕，CFI =〔填写〕，TLI =〔填写〕，RMSEA =〔填写〕，90% CI〔填写〕，SRMR =〔填写〕。测量模型〔概述载荷、因子相关与异常解〕。预设路径 X→Y 的估计为 b =〔填写〕，SE =〔填写〕，95% CI〔填写〕，p =〔填写〕。该结果按〔关联/因果设计〕边界解释。

若模型经过事后调整，应另列原模型、调整依据、完整变更和验证计划。

常见问题

Q1：CFI、RMSEA、SRMR 达到常见阈值，就说明模型正确吗？

不能。拟合指标只描述特定形式的模型—数据偏离，还要检查识别、估计、测量质量、残差、竞争模型和理论合理性。经验阈值不证明模型为真。

Q2：路径 p 值不显著，可以改模型吗？

可以做有依据的探索，但不能以获得显著为目标。保留原模型和全部变更，说明理论或数据质量依据，并在独立数据中验证。

Q3：一阶模型和二阶模型哪个更好？

没有通用高低。二阶模型用于有清楚高阶构念理论且可识别的情形；若一阶因子关系已足够解释，增加高阶结构只会增加假设。

Q4：结构方程模型能证明因果吗？

不能仅凭模型箭头和拟合证明。因果解释依赖时间顺序、干预或准实验设计、混杂控制和识别假设；横断面 SEM 通常应使用谨慎的关联措辞。