写在前面

抽空学习了一下结构方程模型，主要运用的软件是SPSS+AMOS，感觉之后能用得上，现将整体思路结构梳理如下，方便日后查阅。问卷采取 Likert 五级量表，1-5依次代表“非常不同意”到“非常同意”。

信度效度检验

问卷设计好后必不可少的一环，将Excel数据整理如下，并导入SPSS中。
不同颜色代表问卷的不同子主题，将其导入SPSS中，分子主题进行信度效度检验。

可以用打靶来说明信度和效度
信度——所检测的东西是不是稳定的；
效度——测度到了想测度的部分（是否打到了靶心）

① 信度检验——克隆巴赫系数

一个潜变量会得到一个克隆巴赫系数的值，把题项标号选进去就行。

一般来说克隆巴赫系数要 > 0.7才算信度较好。

② 效度检验——KMO和巴特利特球形检验

一般来说KMO要 > 0.7才算效度较好（同时巴特利特球形检验p = 0.000为佳）

③ 标准负荷（主要解读的是旋转后的成分矩阵）

表明四个组别是不同的，确实是测量的不同的东西，和我们预想的一样。

④ 组合信度（CR）和平均方差提取量（AVE）

这个直接用SPSS做不出来，需要用到一个小工具，将潜在变量题项选择好，然后将其对应的标准负荷填进去即可算出。
所得结果CR > 0.7，AVE > 0.5，说明量表具有较好的内部一致性和收敛效度，AVE平方根值大于潜变量间两两相关系数，说明量表有很好的区别效度。

至此便完成了问卷的检验部分，接下来即可以开始相关性系数的分析，以及AMOS分析操作。

整体来说绘制还是比较简便的，但是这个潜变量之间的关系线实在是太丑，而且也没找到解决方法（如果有大神知道的话麻烦评论区留言，感激不尽），同时图片也没有居中（如果按照这样复制图片只有在白纸上的部分会被复制下来，点击倒数第三行中间红星文本会将图片进行调整居中，但是里面的字又看不清了，无语无语）

点选第一个①会把小圆圈里没有标注的数据进行标注
在进行数据分析时需要点选三个圈圈（默认只点选第一个）
点选红色上箭头会将数据（系数啥的，看不懂但可以变得高大上）显示在图中

几个常用的键

所得结果分析，要通过上述验证才能算方程结构良好（如果有一两个值不符合但接近也行）：

假设验证：

**越多表示越能支持假设。如果是正数即表示正向促进作用，如果是负数则表示负向影响，如果假设不成立则表示无显著影响。

结构方程模型更重要的是如果不满足适配之后如何来进行参数的调整，这次毕设写作过程中运气较好没有出现这个问题，下次若出现了再进行补充

来源：人生苦短我愛Python