结构方程模型是干嘛的_结构方程模型结果解读

 （一）问卷设计

问卷是社会研究中用来收集资料的一种工具。一份好的调查问卷有利于调动被调查者的回答、对调查数据进行收集、提高作业效率。本文结合问卷设计的目的性原则、科学性原则、逻辑学原则、中立性原则、方便性原则通过设计问卷调查前的探索性研究、设计问卷的初稿、问卷的整改得出附录里的问卷。最终设计6道基础试题，李克特五级量表的七个维度，设计问卷见表1-1和表1-2。

数据分析，结构方程模型，公众号：

以下是做结构方程模型的问卷及其编码：

表 1-2  量表部分问卷

首先，通过对问卷量表题进行数据检验，发现最终得到维度与问卷设计相符合，问卷数据有效性与一致性强，基于此基础本章将进行结构方程模型的建立过程，具体从模型的适用性分析、测量模型、结构模型以及研究假设等方面进行。

（二）结构方程模型的适用性分析

在需要探究多个变量之间的复杂关系时，结构方程模型（Structural Equation Modeling, SEM）是一种有用的统计工具。SEM是基于多元统计分析的一种方法，它可以分析测量模型和结构模型的关系，这些模型通常用来测试一个理论模型中的假设[17]。SEM是一种广泛适用的方法。影响女大学生对HPV认知与HPV疫苗接种意愿的因素多而复杂，如果采用传统的统计方法，容易忽略测量中的误差，导致研究结果与实际不符，无实际指导意义，同时传统的统计方法无法分析出各潜变量通过HPV认知对接种意愿的影响程度。结构方程模型则设置测量误差，有效的弥补该偏差，同时通过中介效应分析，可以分析出各潜变量通过HPV认知对接种意愿的影响程度。SEM有许多优点，例如它可以处理大量的变量，并能够同时分析多个潜在变量之间关系。此外，SEM还可以检验测量工具的质量，并将多种类型的数据集合并到一个模型中[17]。综上所述，运用结构方程模型研究女大学生对HPV认知与HPV疫苗接种意愿具有较好的指导意义。

（三）理论模型的建立

SEM包括两个部分：测量模型和结构模型。测量模型可以用来验证观察到的变量与它们所代表的潜在变量之间的关系。潜在变量通常是无法直接测量的，因此需要从观察到的变量中推断它们的存在。结构模型则可以用来研究不同潜在变量之间的因果关系[11]。

SEM的核心思想是使用一组观测变量来描述一组潜在变量，这些潜在变量通常不能被直接测量。在SEM中，研究者使用多个变量测量潜在变量，并确定它们之间的关系。通过构建一个多个潜在变量之间的理论模型，SEM可以测试这些假设，并生成一个结构方程模型，用于解释数据的变化[16]。

SME是通过一组观测变量来描述一组潜在变量，从观察到的变量中推断潜变量的存在。因此，接下来的测量模型构建将以外生变量和内生变量的分类分别进行测量模型的建立。

1内生变量测量模型构建

内生变量是指在结构方程模型中既受其他变量的影响，也影响其他变量的变量。 内生变量多作因变量之用，但也可能作为影响其他的自变量，内生变量的一个重要性质是具有残差，因为内生变量的变异量不一定能够被模型当中的其他变量所解释[1]。HPV疫苗作为因变量受其他变量的影响，HPV认知作为中介变量既受其他变量的影响，也影响其他变量的变量。因此构建结构方程模型内生变量测量模型见图4-1。

图 4-1  内生变量测量模型

以极大似然法估计各回归系数参数结果，设置Q7R1、Q12R1的参数指标值设置为1不予估计，HPV认知内生潜变量测量模型由3个外生观测变量“Q7R1”、“Q7R2”、“Q7R3”组成。HPV疫苗接种意愿内生潜变量测量模型由3个外生观测变量“Q12R1”、“Q12R2”、“Q12R3”组成。

HPV认知与。HPV疫苗接种意愿两个内生变量测量模型的矩阵方程形式，如公（1）式所示

2.外生变量测量模型构建

外生变量是指在结构方程模型中只影响其它变量，而不受其它变量影响的变量。由于自我自觉效能、感知危险、行动障碍、人际传播、媒介与渠道这五个潜变量只影响其它变量而不受其它潜变量的影响。因此，结合本文研究目的，构建结构方程模型外生变量测量模型见图4-2。

图 4-2  外生变量测量模型

以极大似然法估计各回归系数参数结果，设置Q8R2、Q9R1、Q10R2、Q11R4、Q13R1的参数指标值设置为1不予估计。自我自觉效能外生潜变量测量模型由2个外生观测变量“Q8R1”、“Q8R2”组成。感知危险外生潜变量测量模型由4个外生观测变量“Q11R1”、“Q11R2”、“Q11R3”、“Q11R4”组成。行动障碍外生潜变量测量模型由4个外生观测变量“Q13R1”、“Q13R2”、“Q13R3”、“Q13R4”组成。人际传播外生潜变量测量模型由5个外生观测变量“Q9R1”、“Q9R2”、“Q9R3”、“Q9R4”、“Q9R5”组成。媒介与渠道外生潜变量测量模型由5个外生观测变量“Q10R1”、“Q10R2”、“Q10R4”、“Q10R4”、“Q10R5”组成。

以人际传播为例构建外生变量测量模型的矩阵方程形式，如下公式（2）所示

3.结构方程模型的关系构建

结构模型主要用来表示各变量间的结构关系，根据外、生变量的不同，变量间的结构关系具体可分为外生变量对内生变量的影响关系和内生变量之间的影响关系。

在一个完整的结构方程模型建立过程中，在建立测量模型的基础上，只需建立测量模型的各个潜变量之间的影响关系的结构模型，就能得到包含所有变量关系的结构方程模型。在内生变量测量模型与外生变量测量模型的基础上构建结构方程模型图如图4-3。

图 4-3  结构方程理论假设模型

按照图4-3的结构方程模型示意图中的假设路径将测量模型中的各个潜变量连接起来。得到包含 7个潜变量 、26个观测变量及 28个残差变量的结构方程模型 。将外生变量量模型、内生变量量模型和结构模型等各部分组合起来即得到一个完整的结构方程模型。

数据分析，结构方程模型，公众号：优雅但无解

（四）模型的研究假设

根据图4-3的HPV认知与HPV疫苗接种意愿影响因素关系理论模型以及理论分析，对结构方程模型各变量之间的关系作出如下假设：

假设H1：潜变量“自我自觉效能”对潜变量“HPV认知”不存在显著的影响关系；

假设H2：潜变量“人际传播”对潜变量“HPV认知”不存在显著的影响关系；

假设H3：潜变量“媒介与渠道”对潜变量“HPV认知”不存在显著的影响关系；

假设H4：潜变量“感知危险”对潜变量“HPV认知”不存在显著的影响关系；

假设H5：潜变量“行动障碍”对潜变量“HPV认知”不存在显著的影响关系；

假设H6：潜变量“HPV认知”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系；

假设H7：潜变量“自我自觉效能”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系；

假设H8：潜变量“人际传播”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系；

假设H9：潜变量“媒介与渠道”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系；

假设H10：潜变量“感知危险”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系；

假设H11：潜变量“行动障碍”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系；

（五）模型适配度指标

在SEM中，模型适配度指标是一个重要的指标，用于评估模型与数据的拟合程度。常用的模型适配度指标包括卡方检验、比较拟合指数（Comparative Fit Index，CFI）、标准化均方根残差（Root Mean Square Error of Approximation，RMSEA）等。本文用到的所有模型适配度指标见表4-1。

表4-1为本文所用到评价结构方程模型适配度指标的参数，从中可以看出每个指标的合格标准值。

三、HPV认知与HPV疫苗接种意愿分析

本章采用结构方程模型研究HPV认知与HPV疫苗接种意愿的影响因素，以及通过中介变变量HPV认知分析各指标的直接效应、简介效应以及总效应。在正式分析前，通过生态性检验、信度检验、项目分析以及效度分析（探索性因子分析+验证性因子分析）对数据进行检验，验证量表问卷数据的一致性、可靠性与有效性。

• 数据检验

通过正态性检验得出量表问卷数据服从正态分布，通过项目分析得出量表问卷题项无剔除项、通过信度分析与效度分析得出量表问卷数据的一致性好与有效性较高。由此说明收集的量表问卷数据可以用于进一步的研究与分析。详细分析见附录一：数据检验。

（二）结构方程模型分析

附录二：HPV认知与HPV疫苗接种意愿影响因素结构方程模型构建中，详细介绍了HPV认知与HPV疫苗接种意愿影响因素结构方程模型构建。基于此基础，对HPV认知与HPV疫苗接种意愿结构方程模型进行分析。

1.结构化方程模型建立

构建结构方程模型后，在AMOS软件24.0中输出报表中，整理出最优化结构方程模型的因子载荷、路径系数等。得到完整的结构化方程模型见图5-2。

图 5-1   初始结构方程模型图

 数据分析，结构方程模型，公众号：优雅但无解

（1）模型拟合度检验

对模型所要估计的参数进行显著性检验，本文采用的结构方程模型分析软件 AMOS 24.0 为例，软件能够提供包括绝对拟合指标、相对拟合指标和简约拟合指标等。检验结果见表5-10。

从5-10表中可以看，模型适配度统计量中，卡方值为658.498，对应P值为0.000，小于0.05，达到显著性水平拒绝原假设：理论模型与实际数据相契合，认为理论模型与实际数据不相契合。在从其他指标看，NFI、IFI、CFI、PGFI、PCFI等指标均达到适配的标准，AIC检验值理论模型值大于独立模型（804.498>702.000），AIC检验不通过，整体而言，初始模型的理论假设模型与实际数据间无法契合，假定模型无法接受。

（2）观测潜变量的路径分析

观测潜变量的路径系数反应各观测变量在潜变量的影响大小，通过可以通过观测潜变量的路径显著性判断是否需要剔除观测变量。

表 5-2  观测潜变量的路径系数表

以极大似然法估计各回归系数参数结果，除七个参数指标值设置为1不予估计外，其余回归C.R.值均大于1.96，且在显著性水平0.05下，均达显著性。表明均有存在的意义。

修正

通过对初始模型分析发现HPV认知与HPV疫苗接种意愿因果模型内在质量虽然不错，但模型外在质量缺欠佳，整体模型适配度与实际数据无法匹配。因此考虑对模型进行修正。

（1）潜变量路径分析

表 5-3   潜变量路径分析

由表5-12可知，自我自觉效能对HPV认知路径、行动阻碍对HPV认知路径、感知危险对HPV认知路径、自我自觉效能对HPV疫苗接种意愿路径、人际传播对HPV疫苗接种意愿路径的C.R.分别为0.699、-0.743、0.593、0.112、-1.52，绝对值均小于1.96，且对应显著性P值均小于显著性水平0.05，表明这部分路径没有存在的意义，应将其删除。其余回归C.R.值均大于1.96，且在显著性水平0.05下，均达显著性。表明具有存在的意义。

（2）修正指数

当研究者需要修正理论模型时，修正指数所提供的数据可作为判断准则之一[1]。修正指标必须多大才有修亚的必要，学者的看法不尽相同，但一般认为当修正指标值大于3.84时才有修正的必要[10]，因为释放一个参数，会减少一个自由度，而当自由度等于

的临界值为3.84，因而修正指标值若大于了3.84，表示此数值显著的大。研究者根据修正指标释放任何参数时均要有说服他人的理由或理论根据，否则会造成经验导向重于理论导向[1]。

通过模型拟合度检验发现，HPV认知与HPV疫苗接种意愿因果模型内在质量虽然不错，但模型外在质量缺欠佳，整体模型适配度与实际数据无法匹配。本文结合修正指数对模型进行修正。

表 5-4  修正指数

通过表5-13结果对模型进行修正，结合实际问卷情况分析得到增加一下路径，存在一定的合理性，以下路径存在一定的相似性。增加路径分别为：e1-e11的MI值为12.628，增加e1-e11残差项之间的路径；e2-e7的MI值为23.268，增加e1-e11残差项之间的路径；e2-e9的MI值为4.603，增加e1-e11残差项之间的路径；e2-e12的MI值为4.984，增加e1-e11残差项之间的路径；e3-e12的MI值为5.12，增加e1-e12残差项之间的路径；e3-e23的MI值为7.577，增加e1-e23残差项之间的路径；e3-e16的MI值为4.86，增加e1-e16残差项之间的路径；e3-e18的MI值为4.819，增加e3-e18残差项之间的路径；e9-e10的MI值为26.695，增加e9-e10残差项之间的路径；e8-e10的MI值为15.71，增加e1-e10残差项之间的路径；e10-e15的MI值为6.477，增加e10-e15残差项之间的路径；e10-e19的MI值为7.911，增加e10-e19残差项之间的路径；e10-e23的MI值为8.012，增加e10-e23残差项之间的路径；e6-e7的MI值为7.2，增加e6-e7残差项之间的路径；e6-e24的MI值为5.298，增加e6-e24残差项之间的路径；e15-e14的MI值为57.297，增加e15-e14残差项之间的路径；e15-e20的MI值为5.586，增加e15-e20残差项之间的路径；e14-e24的MI值为4.819，增加e14-e24残差项之间的路径；e12-e11的MI值为9.069，增加e12-e11残差项之间的路径；e11-e23的MI值为6.002，增加e11-e23残差项之间的路径；e22-e25的MI值为5.349，增加e22-e25残差项之间的路径；e21-e25的MI值为6.96，增加e21-e25残差项之间的路径；e24-e25的MI值为16.179，增加e24-e25残差项之间的路径。

 数据分析，结构方程模型，公众号：优雅但无解

3.最优模型的确定

（1）最终模型的拟合优度检验

通过对模型进行修正后，得到最终测量模型整体拟合度检验结果见表5-14。

4501.791

从5-14表中可以看，模型适配度统计量中，卡方值为239.079，对应P值为0.057，大于0.05，未达到显著性水平接受原假设：理论模型与实际数据相契合，认为理论模型与实际数据相契合。在从其他指标看，GFI、NFI、IFI、CFI、PGFI、PCFI等指标均达到适配的标准，AIC检验值理论模型值小于独立模型同时小于饱和模型值（427.079<600.000<4392.520），AIC检验通过，整体而言，初始模型的理论假设模型与实际数据间相契合，假定模型理想。

（2）最终模型路径分析

表 5-6    最终模型路径分析

有表5-15可知,修正后的模型所有观变量对应路径的C.R.值均大于1.96,除感知危险对HPV疫苗接种意愿的显著性水平值小于0.1外，其余路径显著性均小于0.05,表明各条路径在P=0.05的水平上与0存在显著性差异，观测变量的各条因子载荷路径都有存在的意义，即潜变量对各观测变量的解释都是有意义的。

结合表3-15以及图5-3可以得到如下的最终结构方程模型测量模型部分的变量关系假设验证情况:

4.效应分析

根据图5-3最优化结构方程模型对于潜变量之间路径关系进行分析，可以得到各变量之间的效应关系，包括直接效应，间接效应和总效应。

（1）直接效应

直接效应指变量之间的直接影响，对结构方程模型的各路径进行分析。

图5-3为修正后结构方程模型图。

 数据分析，结构方程模型，公众号：优雅但无解

表 5-7   直接效应

结合图5-3与表5-16可得：

潜变量“人际传播”对潜变量“HPV认知”存在显著的正向影响关系，人际传播对HPV认知的影响因子为0.24。在人际传播上，Q9R4与Q9R1的影响值最大，分别为0.82、0.83。即表明朋友和老师对女大学生HPV的认知影响最大。

潜变量“媒介与渠道”对潜变量“HPV认知”存在显著的正向影响关系，媒介与渠道对HPV认知的影响值为0.37。在媒介与渠道上，Q10R4与Q10R1的影响值最大，分别为0.84、0.81。即表明社交媒体APP与社区、学校、政府的宣传对大学生HPV认知影响最大。

潜变量“HPV认知”对潜变量“HPV疫苗接种意愿”存在显著的正向影响关系，HPV认知对HPV疫苗接种意愿影响因子为0.15。表明人际传播和媒介与渠道通过HPV认知中介对女大学生HPV疫苗接种意愿存在一定影响，具体简介影响值后续进行效应分析。

潜变量“媒介与渠道”对潜变量“HPV疫苗接种意愿”存在显著的正向影响关系，媒介与渠道对HPV疫苗接种意愿的影响因子为0.32。在媒介与渠道上，Q10R4与Q10R1的影响值最大，分别为0.84、0.81。即表明社交媒体APP与社区、学校、政府的宣传对大学生HPV疫苗接种意愿影响最大。

在不严格的情况下（显著性水平0.1），潜变量“感知危险”对潜变量“HPV疫苗接种意愿”存在显著的正向影响关系，感知危险对HPV疫苗接种意愿的影响因子为0.14。感知危险上，Q11R1、Q11R2与Q11R3影响值最大，分别为0.82、0.81、0.8。即表明女大学生感知“HPV会产生严重的并发症、感染HPV是致命的、感染HPV，会给我和家人的生活产生严重影响”对HPV接种疫苗意愿影响最大。

潜变量“行动障碍”对潜变量“HPV疫苗接种意愿”存在显著的影响关系，由于行动障碍题项采用反向计分值，因此行动障碍对HPV疫苗接种意愿的影响因子应为反向0.34。在行动障碍上，Q13R1与Q13R4的影响值最大，分别为0.85、0.81。即表明“价格昂贵”和“HPV疫苗接种不便，如时间地点不允许、难以预约”是阻碍女大学生接种HPV疫苗意愿的主要因素。

（2）简介效应

间接效应指通过中介变量对其他变量产生影响。

表 5-8   简介效应

由表5-17可知，媒介与渠道通过HPV认知中介对HPV疫苗接种意愿的简介效应为0.056，人际传播通过HPV认知中介对HPV疫苗接种意愿的简介效应为0.036。表明通过媒介与渠道和人际传播对女大学生HPV认知的提高，一定程度上有利于提高女大学生接种HPV接种疫苗意愿程度。

（3）总效应

总效应是指直接变量和间接变量之和。

表 5-9  总效应

由表5-18可知，媒介与渠道在对女大学生HPV认知与女大学生HPV疫苗接种意愿的总效应影响值最大分别为0.371、0.371。其次是行动障碍对女大学生HPV疫苗接种意愿影响值较大，影响值为0.337。而人际传播对女大学生HPV认知影响最大为0.239。

 数据分析，结构方程模型，公众号：优雅但无解

今天的文章结构方程模型是干嘛的_结构方程模型结果解读分享到此就结束了，感谢您的阅读。