sem如何进行定量分析

结构方程模型（Structural Equation Modeling, SEM）的定量分析是一个系统性的过程，它整合了测量模型与结构模型，通过验证性因子分析（CFA）和路径分析来检验理论假设。其核心在于评估观测变量与潜在构念之间的关系，以及构念之间的因果路径。以下是进行SEM定量分析的专业步骤与要点。

一、 理论模型构建与变量定义

这是所有定量分析的基础。研究者需基于成熟理论或前期研究，明确界定潜变量（Latent Variables，如“顾客满意度”、“品牌忠诚度”）及其对应的观测变量（Observed Variables / Indicators，即具体测量题目）。同时，需绘制清晰的路径图（Path Diagram），标明所有潜变量之间的假设关系（如直接效应、中介效应、调节效应）以及测量关系。

二、 研究设计与数据收集

采用问卷调查、实验法或二手数据等方式收集数据。样本量需满足SEM分析要求，通常建议样本数与估计参数的比例至少为10:1至20:1，且样本量一般不少于200。需使用经过信效度检验的成熟量表，或对新量表进行严格的预测试。

三、 数据准备与预处理

首先进行数据清洗，处理缺失值（可采用全信息最大似然估计法FIML或多重插补法）。随后检验数据的多元正态性（可通过Mardia系数判断），若严重违背，需考虑使用稳健估计方法（如MLR或Bootstrap法）。进行共同方法偏差检验（如Harman单因子检验）也是重要步骤。

四、 测量模型评估：验证性因子分析（CFA）

在检验结构模型之前，必须首先评估测量模型的信度和效度，这是SEM分析的关键环节。

• 模型拟合度检验：使用多个拟合指数综合判断模型与数据的契合程度。常用指标包括：
  • 绝对拟合指数：χ²/df（卡方自由度比，建议<3-5）、RMSEA（近似误差均方根，建议<0.08，良好<0.06）、SRMR（标准化残差均方根，建议<0.08）。
  • 相对拟合指数：CFI（比较拟合指数，建议>0.90，良好>0.95）、TLI（Tucker-Lewis指数，标准同CFI）。
• 信度评估：主要考察组合信度（Composite Reliability, CR，建议>0.7）和平均变异数抽取量（Average Variance Extracted, AVE，建议>0.5）。Cronbach‘s α亦可作为参考。
• 效度评估：
  • 收敛效度：所有观测变量在其所测量的潜变量上的因子负荷量（Factor Loading）应显著（通常>0.7，至少>0.5），且AVE值达标。
  • 区分效度：通常要求每个潜变量的AVE平方根大于该潜变量与其他潜变量之间的相关系数。也可通过比较限制模型与非限制模型的χ²差异来检验。

只有测量模型达到可接受的拟合标准和信效度要求后，方可进入下一步分析。

五、 结构模型分析与假设检验

在确认测量模型良好后，将分析焦点转向潜变量之间的因果关系，即结构模型。

• 模型拟合评估：再次检视整个SEM模型的拟合指数（同上），确保包含结构路径后的整体模型依然适配数据。
• 路径系数显著性检验：检查模型中各条假设路径的标准化路径系数（Standardized Path Coefficient）及其显著性（p值）。系数值大小代表了效应强弱，符号代表了效应方向。
• 效应量分析：除了直接效应，还可计算并报告间接效应（中介效应）和总效应。通常使用Bootstrap法（如重复抽样5000次）来检验间接效应的显著性，该方法比Sobel检验更稳健。

六、 模型修正与比较（可选）

如果初始模型拟合不佳，可根据修正指数（Modification Indices, MI）和理论依据，考虑增加某些参数（如误差项相关）。但修正必须有理论支撑，避免纯粹数据驱动。若有多个竞争模型，可通过比较AIC（赤池信息准则）或BIC（贝叶斯信息准则）等指标来选择更简洁、拟合更好的模型。

七、 结果解释与报告

最终，需清晰、完整地报告分析结果。报告内容应包括：研究模型与假设、样本特征与数据预处理情况、测量模型的信效度指标（CR、AVE、因子负荷等）、整体模型拟合指数、所有路径系数及其显著性、以及研究假设的检验结果（支持与否）。对于关键发现，应结合理论进行深入讨论。

总之，SEM的定量分析是一个严谨的、由理论驱动的统计建模过程，其核心在于通过验证性因子分析确保测量的准确性，再通过路径分析检验变量间的理论关系，最终实现对复杂社会科学概念的定量化、系统化探究。