结构方程模型分析

时间：2022-06-04 百科知识版权反馈

【摘要】：第四节　结构方程模型分析一、模型设定（一）模型路径图上一节的分析表明本研究的各个变量及其构建的信度和效度均已经达到了理想标准。测量方程描述潜变量与指标之间的关系，结构方程描述潜变量之间的关系。因此，该模型并未发生违犯估计的现象，可以进行整体模型拟合度的检验。

第四节　结构方程模型分析

一、模型设定

（一）模型路径图

上一节的分析表明本研究的各个变量及其构建的信度和效度均已经达到了理想标准。根据结构方程模型路径图的图标规则，现将本研究的理论结构模型转化为结构方程模型路径图。本研究运用AMOS 7. 0软件绘制结构方程模型路径图（见图6-2）。本模型包含：

外源潜变量：企业社会责任。它对应6个外源观测变量，分别为CSR1、CSR2、CSR3、CSR4、CSR5、CSR6，e1－e6为这6个外源观测变量的误差项。

内生潜变量：企业势力、企业价值、体面劳动。企业势力对应3个内生观测变量，分别为客户侃价能力、交货期限、客户关系稳定性；企业价值对应4个内生观测变量，分别为先进技术设备、品牌、质量管理、供应链管理；体面劳动对应5个内生观测变量，分别为最低工资标准、工作时间、童工、员工集体谈判权、社会保障福利。e7－e18分别为这12个内生观测变量的误差项，e19－e21为结构方程的残差项，反映了内生潜变量在结构方程中未能被解释的部分。

图中单向直线箭头连接的两个变量表示假定有因果关系，箭头由原因变量指向结果变量。双向弧线箭头连接的两个变量表示假定有相关关系。单向直线箭头上的参数表示潜变量之间影响程度的路径系数或者是潜变量对其观测变量的因子载荷。双向弧线箭头上的参数表示两个变量间的相关系数。

图6-2　结构方程模型路径

为了让模型能够识别，一般情况下，观测变量的误差项对观测变量的因子载荷设定为1，结构方程的残差项对内生潜变量的系数设定为1，同时每个潜变量对其观测变量的因子载荷至少一个设定为1。本研究根据效度分析中每个潜变量中各观测变量因子载荷最大的设定为1。由于观测变量CSR2与潜变量企业社会责任成反向关系，因此将其因子载荷设定为－1。

（二）模型方程式

结构方程模型包含测量方程（Measurement Equation）和结构方程（Structural Equation）两部分。测量方程描述潜变量与指标之间的关系，结构方程描述潜变量之间的关系。

1.测量方程的矩阵方程形式可表述为

其中，X—外源观测变量组成的向量；Y—内生观测变量组成的向量；Λ_x—外源观测变量与外源潜变量之间的关系，是外源观测变量在外源变量上的因子载荷矩阵；Λ_y—内生观测变量与内生潜变量之间的关系，是内生观测变量在内生变量上的因子载荷矩阵；ξ—外源潜变量组成的向量；η—内生潜变量组成的向量；δ—外源观测变量X的误差项；ε—内生观测变量Y的误差项。

由此，本文的研究模型的测量方程可表述为：

其中，企业社会责任是本研究模型的外源潜变量，CSR1、CSR2、CSR3、CSR4、CSR5、CSR6是企业社会责任的6个观测变量，λ₁、λ₂、λ₃、λ₄、λ₅、λ₆是各观测变量在企业社会责任上的因子载荷，e1－e6为各观测变量的误差项。

其中，企业势力、企业价值、体面劳动是本研究模型的3个内生潜变量，客户侃价能力、交货期限、客户关系稳定性是企业势力的3个观测变量，λ₇、λ₈、λ₉是各观测变量在企业势力上的因子载荷，先进技术设备、品牌、质量管理、供应链管理是企业价值的4个观测变量，λ₁₀、λ₁₁、λ₁₂、λ₁₃是各观测变量在企业价值上的因子载荷，最低工资标准、工作时间、童工、员工集体谈判权、社会保障福利是体面劳动的5个观测变量，λ₁₄、λ₁₅、λ₁₆、λ₁₇、λ₁₈是各观测变量在体面劳动上的因子载荷，e7－e18为各观测变量的误差项。

2.结构方程的矩阵方程形式可表述为：

其中，B—内生潜变量之间的关系；Γ—外源潜变量对内生潜变量的影响；ζ—结构方程的残差项组成的向量，反映了η在结构方程中未能被解释的部分。

由此，本文的研究模型的结构方程可表述为：

其中，企业社会责任是本研究模型的外源潜变量，企业势力、企业价值、体面劳动是本研究模型的内生潜变量，γ₁、γ₂、γ₃是企业社会责任分别对企业势力、企业价值、体面劳动的影响系数，e19－e21是结构方程的残差项，分别代表企业势力、企业价值、体面劳动在方程中未被解释的部分。

二、模型估计

本研究运用AMOS 7. 0软件选用最大似然估计对模型进行参数估计（表6-18）。从表中可以看出，体面劳动对童工、体面劳动对员工谈判这两个系数的P值＞0.05，未通过显著性检验。由于在上一节效度分析中体面劳动的各观测变量的因子载荷均达到了理想标准，同时在理论上体面劳动与不使用童工、员工集体谈判权具有较强的正向关系，因此本文将保留体面劳动对童工、体面劳动对员工集体谈判权这两条路径，试图通过提高模型的拟合优度来提高系数的显著性水平。

表6-18　系数估计结果

注：^***表示P小于0. 001。

三、模型评价

（一）违犯估计检验

在评价模型拟合度之前，须先进行“违犯估计”，确认估计系数是否超出可接受的范围。所谓违犯估计是指模型内统计所输出的估计系数，超出了可接受的范围，也就是模型获得不适当的解的情况。常见的违犯估计项目有：（1）负的误差方差存在；（2）标准化系数超过或太接近1（通常以0. 95为门槛）。由表6-19可知，模型中标准化系数的绝对值均未超过0. 95。由表6-20可知，模型中估计的方差及其标准误差均为正。因此，该模型并未发生违犯估计的现象，可以进行整体模型拟合度的检验。

表6-19　标准化系数估计结果

表6-20　方差估计结果

续表

注：^***表示P小于0. 001。

（二）模型整体拟合度检验

结构方程模型的拟合指数一般分为三类：（1）绝对拟合指数（Absolute Fit Measures），用来确定模型可以预测协方差阵和相关矩阵的程度。本文主要选取卡方值（χ）、相对卡方值（χ/d f）、近似误差均方根（Root Mean Square Error of Approximation，RM SEA）等三个指标来检验。（2）增殖拟合指数（Incremental Fit Measures），衡量理论模型与虚无模型的比较结果，本文主要选取比较拟合指数（CFI）、增量拟合指数（IFI）等两个指标来检验。（3）简约拟合指数（Parsimonious Fit Measures）：用来评价模型的简约程度，本文主要选取简约基准拟合指数（PNFI）和简约拟合指数（PGFI）等两个指标来检验。

拟合度检验结果如表6-21所示，从中可以看出，模型的比较拟合指数未通过检验。为了得到更好的拟合优度，需进行模型的修正。

表6-21　研究模型的拟合程度分析表

四、模型修正

模型修正有两个方向，一是向模型简约方面修正，即删除或限制一些路径，使模型变得更简洁；二是向模型扩展方面修正，即放松一些路径的限制，提高模型的拟合程度（易丹辉，2008）。本研究利用M I修正模型，即朝模型扩展方面进行修正。如果两个误差变量允许相关，M I与卡方统计量减少有关。常用的方法是去掉最大的M I的参数，即允许这两个误差变量相关。然而，允许误差项变量相关，只有它有实际意义时才能执行。本研究修正指数如表6-22所示，根据实际意义的分析，决定在e14和e18误差变量之间增加一条相关路径。

表6-22　修正指数表

修正后的结构方程模型路径图及参数估计结果如图6-3所示。对修正后的模型进行参数估计和拟合度的检验，检验结果见表6-23—表6-25。从表6-23可以看出，各个系数在90%的置信度下均具有显著的统计意义。表6-24显示了模型修正后的标准化系数。从表6-25可以看出，模型的各个拟合指数均达到了理想标准，拟合优度较好，说明本研究提出的模型是合理的。