結構方程模型是結合了多種統計分析方法，可同時檢驗因子、分析項、誤差項間的關係。本文將基於spssau系統進行說明。
結構方程模型sem包括測量關係和影響關係；既可以測量各因素內部結構及相關之間的關係情況，也可以測量多個自變數與多個因變數之間的影響關係。
結構方程模型與路徑分析主要區別就在於完整的結構方程模型包含了測量關係，如果僅包括影響關係，此時稱作路徑分析。如此以外，還有一些容易混淆的方法，都在下表中列出：
從整體分析角度看，完整分析可以包括以下幾個步驟：模型構建→探索性因子分析/驗證性因子分析→設定模型→評估模型→模型調整。
下面通過案例進行說明。
案例：利用結構方程模型研究課程滿意度
a1~a4：感知質量 b1~b3：感知價值 c1~c3：顧客滿意 d1~d2：顧客忠誠
①理論模型構建
結構方程模型需要有完善的理論支援，分析前應結合自己的專業知識結合文獻參考，建立初步的模型，同時可以先繪製出假設的模型或變數間關係，再通過分析驗證這種觀點或調整模型。
本例中，我們想要使用結構方程模型，構建顧客滿意度模型。也就是研究感知質量（factor1）和感知價值（factor2）對於顧客滿意度（factor3）的影響關係，以及顧客滿意度（factor3）對顧客忠誠度（factor4）的影響關係。
②前置步驟：探索性因子分析＋驗證性因子分析
結構方程模型對於資料質量，包括樣本量，測量關係和影響關係均有著很高的要求，如果資料質量稍低則會導致擬合效果不佳，擬合指標不達標。
所以從分析角度看，在正式分析之前，需要保障測量關係具有良好的質量，通過探索性因子分析和驗證性因子分析，共兩步分析後，以保測量關係的高質量。
有關探索性因子分析與驗證性因子分析的內容可檢視spssau幫助手冊，裡面有詳細說明：
探索性因子分析
驗證性因子分析
③設定模型
在確認好測量關係的高質量之後，接著正式進行結構方程模型構建。spssau中可以直接使用結構方程模型。
spssau-結構方程模型
問卷研究→結構方程模型
分別在spssau平台上，設定好測量關係，影響關係後進行分析。
第一步：根據假設將對應分析項放入因子框，驗證測量關係。
第二步：設定影響關係。
第三步：設定因子與量表標籤，用於結構圖展示。
④模型評價
表1 模型回歸係數**
表1 提供了非標準化及標準化路徑係數等指標，展示潛變數的影響關係，也就是看因子間的影響關係是否能成立。如果多個路徑沒呈現出顯著性，可重新調整模型。
spsau提供了智慧型分析結果，可結合智慧型分析結果進行調整。
表2 載荷係數**
表2展示的是測量關係情況。如果p值均呈現出顯著性水平，標準化因子載荷係數大於0.5，則說明模型測量關係較好。如果出現某條路徑沒有呈現出顯著性（p>0.05），或載荷係數過低，則可考慮對其進行刪除再嘗試進行分析。
表3 模型擬合指標
表3提供了多種常見模型擬合指標。如果多項指標能夠標準，即可接受代表模型構建良好。建議結合spssau提供的分析建議按步分析。
表4 mi指標**
表4展示影響關係路徑的mi指標值。mi指標值越大，意味著對模型調整優化幫助越大，一般情況下如果mi值大於20，此時可考慮進行修正。
表5 協方差關係表
表5展示變數之間協方差關係情況。如果2個因子（潛在變數）間存在較強的相關關係，則spssau會自動建立協方差關係。上表中顯示factor1和factor2兩個因子間的相關係數為0.626，並稱顯出顯著性水平，因此自動建立協方差關係。
⑤模型修正
如果對模型進行檢驗時有發現擬合效果不佳時，此時有兩種調整模型的辦法，分別是『影響關係調整』和『協方差關係自動調整』。
『影響關係調整』需要結合專業知識和mi指標進行調整，即重新在模型中加入影響關係，此種調整的目的是在於調整『影響關係結構』；『協方差關係自動調整』是指設定引數，讓spssau結合引數設定調整協方差關係，此種調整的目的是在於調整『測量關係結構』。
最終模型結果呈現在結構圖上，如下圖所示：
如果模型無論如何擬合效果均不好，可有三種解決辦法：
第一種處理是將結構方程模型進行拆分成多個小模型分別進行分析；複雜越複雜擬合越難，因此將模型的複雜度減低可有效提高擬合效果；
第二種處理是改為路徑分析（即直接放棄掉測量關係進行多元模型構建，尤其是測量關係質量不佳時）；
第三種處理是使用線性回歸這種複雜度最低的模型進行研究。
結構方程模型 結構方程模型出現問題如何辦？
結構方程模型sem是一種多元資料分析方法，其包括測量模型和結構模型，類似如下圖 上圖中紅框即為測量模型，factor1是a1 a4共4項表示 類似還有factor2，factor3和factor4。而結構模型是指影響關係情況，比如模型中factor1和factor2影響factor3 factor3...
結構方程模型 結構方程模型出現問題如何辦？
結構方程模型sem是一種多元資料分析方法，其包括測量模型和結構模型，類似如下圖 上圖中紅框即為測量模型，factor1是a1 a4共4項表示 類似還有factor2，factor3和factor4。而結構模型是指影響關係情況，比如模型中factor1和factor2影響factor3 factor3...
線性回歸模型 線性回歸 vs 結構方程模型
對線性回歸和結構方程模型進行簡單的刨析比較，拋開統計學方面的理論，盡量說得通俗易懂些。線性回歸 regression 與結構方程模型 structural equation modeling 是用來驗證變數間的因果關係時，最經常使用的方法。本文比較下兩者的區別，拋開具體統計學方面的理論，盡量說得通俗...