SPSS AMOS 28 结构方程模型实战：从问卷信效度到模型拟合的 7 步完整流程-创锋一号

SPSS AMOS 28 结构方程模型实战：从问卷信效度到模型拟合的7步完整流程

结构方程模型（SEM）已成为社会科学和管理学研究中的重要分析工具，它能同时处理多个因变量，并检验复杂的理论模型。AMOS作为IBM旗下专业的SEM分析软件，以其直观的图形界面和强大的分析功能深受研究者青睐。本文将详细介绍使用AMOS 28进行结构方程模型分析的完整7步流程，帮助您从数据准备到模型评估全面掌握SEM分析技术。

1. 数据准备与预处理

在开始SEM分析前，数据质量直接决定模型结果的可靠性。首先需要将收集到的问卷数据导入SPSS进行清洗和编码。对于Likert五级量表数据（1=非常不同意，5=非常同意），需检查是否存在反向计分题项，必要时进行数据转换。

常见预处理步骤：

检查缺失值比例（建议单题缺失率<5%）
处理极端值（可通过箱线图识别）
验证数据正态性（偏度绝对值<3，峰度绝对值<10）
对量表进行编码一致性检查

提示：AMOS虽然能处理缺失数据，但建议先在SPSS中使用多重插补法处理缺失值，可获得更稳定的参数估计。

2. 问卷信效度检验

信效度检验是SEM分析的前提，只有具备良好信效度的量表才能保证模型质量。信度反映测量的一致性，效度则确保测量到目标构念。

2.1 信度分析

使用Cronbach's α系数评估内部一致性：

RELIABILITY /VARIABLES=item1 item2 item3 item4 /SCALE('ALL VARIABLES') ALL /MODEL=ALPHA.

α>0.7表示可接受
0.8以上为良好
低于0.6应考虑删除题项

2.2 效度分析

通过KMO和Bartlett检验评估结构效度：

FACTOR /VARIABLES=item1 item2 item3 item4 /MISSING LISTWISE /ANALYSIS=item1 item2 item3 item4 /PRINT=KMO EXTRACTION ROTATION /CRITERIA=MINEIGEN(1) ITERATE(25) /EXTRACTION=PC /ROTATION=VARIMAX.

KMO>0.7（0.8以上更佳）
Bartlett检验需显著（p<0.05）

2.3 组合信度与区分效度

计算组合信度(CR)和平均变异抽取量(AVE)：

CR = (Σ标准化因子载荷)² / [(Σ标准化因子载荷)² + Σ残差方差] AVE = Σ(标准化因子载荷²) / 题项数

CR>0.7，AVE>0.5为可接受标准
AVE平方根应大于构念间相关系数

3. 模型构建与路径图绘制

AMOS的核心优势在于其可视化建模界面。打开AMOS Graphics后：

绘制潜在变量（椭圆表示）
添加观测变量（矩形表示）
建立变量间路径关系（单箭头表示因果关系，双箭头表示相关关系）
为每个内生变量添加残差项

模型构建技巧：

使用"Figure Caption"功能添加模型说明
通过"Object Properties"调整图形样式
利用"Zoom"功能优化复杂模型的显示
保存常用模型片段作为模板

注意：模型构建需基于理论假设，避免纯粹数据驱动的模型设定，否则可能导致模型识别问题。

4. 模型识别与参数估计

在运行分析前，需确认模型是否可识别。基本识别规则包括：

t规则：参数数量 ≤ 数据点数（p(p+1)/2）
每个潜变量至少3个指标（标准化情况下）
固定潜变量尺度（通常固定一个载荷为1）

AMOS提供多种估计方法：

最大似然估计（ML，最常用）
广义最小二乘法（GLS）
贝叶斯估计（适用于小样本）

选择"Calculate Estimates"后，AMOS会输出以下关键结果：

参数估计值（标准化/非标准化）
标准误和显著性水平
模型拟合指标

5. 模型拟合度评估

评估模型拟合需综合多个指标，常见标准如下：

拟合指标	理想值	可接受范围
χ²/df	<2	<3
CFI	>0.95	>0.90
TLI	>0.95	>0.90
RMSEA	<0.05	<0.08
SRMR	<0.05	<0.08

在AMOS中查看拟合指标：

View → Text Output → Model Fit

若模型拟合不佳，需进入下一步的模型修正。

6. 模型修正与优化

当初始模型拟合不理想时，可通过修正指数（Modification Indices，MI）和理论依据调整模型。AMOS提供两种修正策略：

协方差修正：添加测量误差间的相关
- 选择"Modification Indices"视图
- 按MI值排序，通常考虑MI>10的修正
- 仅添加理论上合理的误差相关
路径修正：增加或删除结构路径
- 基于理论假设调整因果关系
- 可考虑将不显著路径设为0

修正原则：

每次只做一项修正，逐步优化
优先修正MI值最大的关系
必须有理论支持，避免数据驱动
修正后需重新评估模型拟合

7. 结果解释与报告

最终模型通过检验后，需系统呈现和解释分析结果：

7.1 路径系数解释

标准化系数（β）表示效应大小
显著性水平（p值）检验假设
直接、间接和总效应分解

7.2 模型图标注

在AMOS中可通过以下步骤生成报告级图表：

选择"View → Figure Caption"
添加拟合指标和关键参数
导出为高分辨率图片（建议PNG或EMF格式）

7.3 结果表格示例

路径关系	标准化估计	S.E.	C.R.	p
动机→绩效	0.45	0.07	6.43	***
支持→动机	0.32	0.05	6.40	***
支持→绩效	0.18	0.06	3.00	0.003

*** p<0.001

7.4 模型效应分解

效应类型	支持→绩效	支持→动机→绩效
直接效应	0.18	-
间接效应	-	0.14 (0.32×0.45)
总效应	0.18	0.32

在实际研究中，我发现AMOS的模型比较功能特别有用，可以通过"AIC"或"BIC"指标选择最优模型。对于复杂模型，建议先绘制理论框架图，再逐步转化为AMOS路径图，这样能有效避免建模时的逻辑混乱。

企业官网建设流程全解析