第四节嵌入绩效关系初次实验调查问卷的结构方程分析
结构方程分析，也称为结构方程建模（Structural Equation Modeling，SEM），是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，也叫协方差结构分析。结构方程模型可以用于分析一些涉及不能准确、直接测量的潜变量的复杂关系，所以在涉及社会学、心理学、管理学方面的研究中发挥了重要的作用。
一结构方程模型的优点
结构方程模型具有同时处理多个因变量、容许自变量和因变量含测量误差、同时估计因子结构和因子关系、容许更大弹性的测量模型、估计整个模型的拟合程度等优点。例如，态度、行为等变量往往含有测量误差，不能用单一指标测量，但是结构方程分析时可以处理这样的误差。
现有的统计方法，以线性回归分析为例，存在四个方面的缺陷：第一，无法处理因变量多于一个的情况；第二，无法处理自变量之间的多重共线性；第三，无法对主观性很强的潜变量进行直接测量，例如满意度、组织认同感、学习能力等；第四，没有考虑测量误差以及各种变量的测量误差的关系。当然，统计学的其他方法对上述四个缺陷有所克服，例如，运用路径分析克服因变量多于一个的情况，但是仍然无法解决因变量之间的关系问题，缺少整体性；运用偏最小二乘法解决多重共线性问题，但是相关理论还不完善，解释力较弱；针对潜变量的测量问题，目前主要采用赋予指标权重的综合评价方法，如层次分析法（AHP）、模糊综合评价法等方法，但是这些方法的信度和效度问题并未解决。
二结构方程模型的构成及路径图标
结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种综合性的统计方法，因此又称为协方差结构分析。结构方程模型可以同时处理多个因变量，容许自变量和因变量含有误差，精确估计观察变量与潜在变量之间的关系，可以估计因子结构和因子关系，以及全模型和数据的拟合程度。
……
展开
