一：您好，我在做毕业论文的数据分析，在结构方程模型构建的过程中，发现拟合指数不达标，该怎么办？ 5分
拟合指标看起来都差点意思
觉得首先你可以再考虑一下你的模型，检查检查路径，看看哪里可能存在问题，最简单的是看看单一路径，有哪些是不显著的，这会提示你有哪些路径的设置不合理，修改一下，拟合指标可以提升。当然，同样的方法你也可以去检验一下你的测量模型，看看有哪些题目很不好的，可以删就删。
其次，你看看你数据本身有没有什么问题，比如被试的作答有没有不太好的，比如有没有看起来乱填的，去掉那些明显胡乱作答的，数据质量会有所提升，相应的也许拟合会有改变
再有，品牌态度那个变量的题目太多了，可以考虑做题目打包，9个题打三包就够了，打包方法请自行查阅相关论文吧
各种方法综合一下，总会提升拟合度。另外，拟合度也只是一个经验指标，如果你后来有一些拟合指标变好了，有的，不行，那你也不用太强求，你再综合考量一下模型中的各个测定系数，修正指数等，如果都好，还是可以支持你的模型，这比单一参考拟合指标好
二：请推荐一本关于结构方程模型，带案例，带数据，带实例的书
我看了一些教材，这里给你介绍一些吧，首先是温忠麟侯杰泰的结构方程教程，紫色封面，这一本感觉讲的比较细致，不少细节上的问题单独列了章节来说，而且以简单的结构方程示例开始讲，更形象易懂一点，不过我觉得缺点是结构安排还是有点问题，结构方程的原理放在了后面的章节才讲，不是不是很利于宏观的把握，另外软件主要以lisrel为例
王济川的是以mplus为例来讲的，如果你想一边学结构方程，一边来学mplus，可以看这本，之所以特别提mplus是因为mplus是目前最流行的结构方程软件，温忠麟这些结构方程专家也认为mplus最有前途
易丹辉的结构方程教程相对薄一点，但是原理讲解部分挺细致，而且结构上更加一气呵成，方便理解，不过细节上可能没温忠麟那个全，这个是以amos为例讲解的
还有一个台湾邱皓政的结构方程教材，具体内容没怎么看，不过他三种软件同时演示
另外特别推荐一下温忠麟的那本中介调节教材，黄色封面那个，目前可算最好的中介调节教材，学统计测量常常要做中介调节研究，这个教材也算必读了，且对结构方程的基础，矩阵方面的知识有所介绍，如果读好了，你对结构方程的理解会更好
总的来说，综合考虑，这几本最好：《调节效应和中介效应分析》温忠麟的，《结构方程模型及其应用》侯杰泰，温忠麟以及《结构方程模型:方法与应用》王济川的，祝您学习进步
三：结构方程模型的优点
（一）同时处理多个因变量结构方程分析可同时考虑并处理多个因变量。在回归分析或路径分析中，就算统计结果的图表中展示多个因变量，其实在计算回归系数或路径系数时，仍是对每个因变量逐一计算。所以图表看似对多个因变量同时考虑，但在计算对某一个因变量的影响或关系时，都忽略了其他因变量的存在及其影响。（二）容许自变量和因变量含测量误差态度、行为等变量，往往含有误差，也不能简单地用单一指标测量。结构方程分析容许自变量和因变量均含测量误差。变量也可用多个指标测量。用传统方法计算的潜变量间相关系数，与用结构方程分析计算的潜变量间相关系数，可能相差很大。（三）同时估计因子结构和因子关系假设要了解潜变量之间的相关，每个潜变量者用多个指标或题目测量，一个常用的做法是对每个潜变量先用因子分析计算潜变量（即因子）与题目的关系（即因子负荷），进而得到因子得分，作为潜变量的观测值，然后再计算因子得分，作为潜变量之间的相关系数。这是两个独立的步骤。在结构方程中，这两步同时进行，即因子与题目之间的关系和因子与因子之间的关系同时考虑。（四）容许更大弹性的测量模型传统上，我们只容许每一题目（指标）从属于单一因子，但结构方程分析容许更加复杂的模型。例如，我们用英语书写的数学试题，去测量学生的数学能力，则测验得分（指标）既从属于数学因子，也从属于英语因子（因为得分也反映英语能力）。传统因子分析难以处理一个指标从属多个因子或者考虑高阶因子等有比较复杂的从属关系的模型。（五）估计整个模型的拟合程度在传统路径分析中，我们只估计每一路径（变量间关系）的强弱。在结构方程分析中，除了上述参数的估计外，我们还可以计算不同模型对同一个样本数据的整体拟合程度，从而判断哪一个模型更接近数据所呈现的关系。
四：结构方程模型 和路径分析的区别，原理是否一样
一个完整的结构方程模型包含两个部分，一个是测量模型，一个是结构模型，测量模型研究的是潜变量（因子）和显变量（题目或者说测量指标）的关系，简单点说可以认为因子分析就是测量模型，最典型的测量模型就是验证性因子分析；而结构模型是研究潜变量之间或者说因子之间关系的，模型中只有因子而没有测量因子的指标（题项）。
测量模型和结构模型合起来就是一个完整的结构方程模型，二者也可以分开各自单独做。
这里说的结构模型其实就是路径分析，如果要单独去做路径分析，把每个测验的总分或者均分作为因子建模即可，这时候测量指标就不存在了。
这样看，结构方程模型和路径分析其实是同根同源的，路径分析可以认为是完整的结构方程模型的一个部分，二者有从属关系。运算基本原理是一样的，一般都是通过极大似然估计法来估计参数。
主要区别就在于完整的结构方程模型还包含了测量模型，而路径分析没有。显然，如果要做一个完整而严谨的结构方程研究，最好是建立完整的结构方程模型。
五：分类变量能做结构方程模型分析吗
分类变量作为因变量是可以的，在Mplus等软件中处理；如果分类变量是自变量，则需要考虑做多群组分析。
六：结构方程模型的对比
线性相关分析 :线性相关分析指出两个随机变量之间的统计联系。两个变量地位平等，没有因变量和自变量之分。因此相关系数不能反映单指标与总体之间的因果关系。线性回归分析 :线性回归是比线性相关更复杂的方法，它在模型中定义了因变量和自变量。但它只能提供变量间的直接效应而不能显示可能存在的间接效应。而且会因为共线性的原因，导致出现单项指标与总体出现负相关等无法解释的数据分析结果。结构方程模型分析:结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。”目前，已经有多种软件可以处理SEM，包括：LISREL，AMOS, EQS, Mplus,R.
七：结构方程模型中模型能够解释的变异从哪里求出来？如图这个50% 跪求
这个是看不出来的，这些是模型的拟合指数。（南心网 模型方差解释率）
扫一扫手机访问
