AMOS（Analysis of Moment Structures）是IBM SPSS Statistics家族中用于结构方程模型（SEM）的图形化建模工具。其核心优势在于通过拖拽方式构建路径图，并基于协方差矩阵进行参数估计。以下是使用AMOS执行SEM的完整专业步骤，涵盖从模型设定到结果解释的全流程。
第一步：理论模型构建与前提准备
在打开AMOS之前，必须基于理论假设或文献综述明确变量之间的关系。SEM本质上是验证性技术，而非探索性技术，因此需要预先设定潜变量（Latent Variables）、观测变量（Observed Variables）、因子结构、路径方向以及误差项之间的假定关系。同时，确保样本量满足要求：通常建议样本量至少为观测变量数的10倍，或绝对样本量大于200（复杂模型需更大）。数据应满足多元正态性或采用适当的估计方法（如Bootstrap修正）。
第二步：启动AMOS并导入数据
从SPSS菜单选择“分析”->“AMOS”或直接启动AMOS Graphics。在AMOS界面中，点击菜单栏的File->Data Files，选择数据文件（支持.sav、.dta、.xlsx等格式）。点击Data File窗口中的File Name按钮加载数据，并在变量列表中将观测变量与数据中的列名一一对应。确认数据文件状态显示“OK”，表示数据读取成功。
第三步：在图形界面中绘制路径图
AMOS Graphics提供绘图工具条，用于创建SEM图形。核心操作包括：
1. 绘制潜变量：使用椭圆形工具（画一个椭圆）表示潜变量。
2. 绘制观测变量：使用矩形工具（画矩形）表示显变量或指标。
3. 绘制路径：使用单向箭头工具从原因变量指向结果变量，表示回归路径或因子载荷。
4. 绘制相关关系：使用双向箭头工具连接两个外生变量，表示协方差或相关系数。
5. 添加误差项：为每个内生观测变量（或内因潜变量）添加一个带有误差的圆形残差项（e1、e2...），使用单向箭头从残差指向变量。
6. 设置变量名称与标签：双击椭圆或矩形，为潜变量和观测变量命名（需与数据中的变量名匹配）。
第四步：设定模型属性与估计选项
点击菜单栏的View->Analysis Properties（或按快捷键Ctrl+A），在属性对话框中进行关键设置：
- Estimation选项卡：选择估计方法，常用为最大似然法（Maximum Likelihood, ML）。若数据非正态，可选择稳健估计（MLR）或广义最小二乘法（GLS）。
- Output选项卡：勾选Standardized estimates（标准化系数）、Squared multiple correlations（R²）、Modification indices（修正指数）、Indirect, direct, and total effects（效应分解）以及Test for normality and outliers（正态性和异常值检验）。
- Bootstrap选项卡：若需要稳健标准误或置信区间，设置Bootstrap样本数（如2000）。
- Data选项卡：可设定缺失值处理方式（如极大似然法估计缺失值，FIML）。
第五步：模型识别检查
在运行分析前，必须确认模型是可识别的（即参数个数不超过样本矩阵中不重复的方差协方差个数）。AMOS会在模型运行后报告自由度，若自由度小于0则模型欠识别。常见做法是为每个潜变量设定一个参考指标（其因子载荷固定为1），或者固定潜变量的方差为1（通过双击潜变量设置估计参数）。对于路径模型，需要确保所有变量都有明确单位。
第六步：运行模型与分析
点击工具栏上的Calculate Estimates（计算估计）按钮（或按F9）。AMOS开始迭代估计，并输出模型拟合统计量、参数估计值、标准误和显著性。在输出窗口（View Text Output）中可查看详细结果。
第七步：评估模型拟合度（Model Fit）
模型拟合度是判断数据与假设模型一致性的关键。AMOS提供多类拟合指数，核心必需报告及判断标准如下：
- 卡方检验（CMIN）：希望卡方值较小且p>0.05（不显著）。但卡方对样本量敏感，大样本下常显著，需结合其他指标。
- CMIN/DF（卡方自由度比）：小于3为良好，小于5可接受。
- RMSEA（近似误差均方根）：小于0.05优良，小于0.08良好，0.08-0.10为可接受。
- CFI（比较拟合指数）、TLI（非规范拟合指数）：大于0.90可接受，大于0.95优良。
- SRMR（标准化均方根残差）：小于0.08为良好。
若拟合不佳，可根据修正指数（Modification Indices）释放部分残差相关或增加路径，但需有理论依据，不可纯数据驱动。
第八步：解释参数估计结果
输出中的Regression Weights（回归权重）显示非标准化系数、标准误（S.E.）、临界比（C.R.，即t值）、p值。需检查p值是否小于0.05或0.01，判断路径是否显著。同时查看Standardized Regression Weights（标准化系数），以比较变量间相对影响大小。对于因子载荷，通常标准化载荷应高于0.5（理想0.7以上）。Squared Multiple Correlations（SMC，即R²）表示潜变量对观测变量的解释百分比，也用于评估信度。
第九步：效应分解（直接、间接与总效应）
若模型包含中介路径，需要解析间接效应。在Analysis Properties中勾选效应输出后，AMOS会在结果中给出Standardized Total Effects（总效应）、Standardized Direct Effects（直接效应）、Standardized Indirect Effects（间接效应）。需结合Bootstrap置信区间检验中介效应的显著性（若区间不包含0则显著）。
第十步：模型修正与交叉验证
若模型拟合不理想，可依据修正指数调整模型，但每次修改后必须重新运行并检查拟合变化。最终模型应具有理论合理性与统计充分性。建议在另一个独立样本中进行交叉验证（多组分析或复制样本），以确认模型的稳定性。
第十一步：绘制结果路径图
在AMOS Graphics界面中，点击工具栏的View the Output Path Diagram（绘图结果）或选择“Diagram”->“Show/Manage”可切换显示标准化估计结果。此时路径图上会显示标准化系数、载荷及协方差，可以手动调整布局后导出为图片（File->Export）用于论文报告。导出图片时建议选择高分辨率格式（如TIFF或PNG）。
第十二步：撰写SEM报告
专业报告应包含以下内容：
- 研究模型图（含标准化系数）
- 样本描述与数据预处理说明
- 各变量的信度与正态性检验结果
- 整体模型拟合指数（卡方、df、p、CFI、TLI、RMSEA、SRMR）
- 路径系数的显著性及置信区间
- 中介效应或调节效应的检验结果
- 模型修正过程及最终模型依据
注意引用AMOS的参考文献（如Arbuckle& Wothke, 1999）及SEM的方法学文献（如Kline, 2016）。
常见注意事项与专业技巧
- 确保观测变量的数据类型为连续型（或拟连续型），有序分类变量需使用相应估计方法。
- 潜变量至少需要3个指标以确保识别，若只有2个指标需额外约束（如设置因子负载相等）。
- 在绘制误差项时，每个内生变量必须附带残差，否则模型无法估计。
- 若出现Heywood案例（方差为负或标准化载荷大于1），通常表示模型设定错误、样本量不足或异常值影响，需检查数据。
- 使用Bootstrap时，在Output中勾选“Bootstrap confidence intervals”并选择“Bias-corrected percentile”以获得中介效应最稳健的置信区间。
- AMOS的多组分析（Multiple-Group Analysis）可检验跨组（如性别、文化）测量不变性和路径差异，需在“Group”菜单中指定并建立约束模型。
总结
AMOS做SEM的完整流程是从理论出发，通过图形化建模、数据导入、模型识别、估计与评估、修正与解释，最终形成一个既符合统计标准又具备理论意义的实证模型。操作难点常在于模型识别、拟合度判断和结果的专业解释，需要使用者具备扎实的SEM理论基础与AMOS软件实操经验。务必牢记SEM不是简单的数据拟合工具，其核心在于验证假设中的因果结构，并始终以理论作为模型修改的第一前提。
查看详情
查看详情
