结构方程模型SEM

  • B站优酷 结构方程数据质量异常查看?
  • 结构方程模型SEM是一种多元数据分析方法,其可用于研究多个潜变量之间的影响关系情况。结构方程模型共包括两部分结构,分别是测量关系和影响关系。比如下面这个结构方程模型,其包括四个潜变量,分别是Factor1感知质量、Factor2感知价值、Factor3顾客满意和Factor4顾客忠诚。

    从测量关系来看:Factor1感知质量由A1~A4共4项测量;Factor2感知价值由B1~B3共3项测量;Factor3顾客满意由C1~C3共3项测量;Factor4顾客忠诚由D1~D2共2项测量。

    从影响关系来看:Factor1和Factor2对于Factor3产生影响关系;Factor3对Factor4产生影响关系。

    类似上述,如果研究中包括测量关系和影响关系时,此类研究均可称作结构方程模型。当然研究者的重心在于研究影响关系,并且进行假设验证等;测量关系并不在重点关注范围,但是测量关系的质量会对模型拟合情况产生很大的影响,因此研究者需要首先保证测量关系的质量情况。

    • 特别提示
    • 结构方程模型SEM包括测量关系和影响关系;如果仅包括影响关系,此时称作路径分析(Path analysis,有时也称通径分析)。

    • 结构方程模型SEM对于测量关系和影响关系均有很高的要求;尤其是对于测量关系,因此研究前一定需要先保障测量关系有着高质量,通常需要进行探索性因子分析和验证性因子分析,均保证测量关系无误之后,再进行结构方程模型构建。

    • 由于结构方程模型SEM对于样本量要求较高(通常200以上),以及测量关系,影响关系均有着很高的要求。因此有时会出现无论如何,结构方程模型SEM拟合效果均不理想,此时建议可将模型简化折分,也或者使用路径分析进行研究,如果路径分析也不理想,最终可考虑使用线性回归分析进行研究。

结构方程模型SEM案例

  • 1、背景

    当前有一项研究,共收集样本为201份。并且建立预期模型如下,即研究Factor1和Factor2对于Factor3的影响关系;Factor3对Factor4的影响关系。预期模型如下图所示:

  • 2、理论

    结构方程模型对于数据质量,包括样本量,测量关系和影响关系均有着很高的要求;如果数据质量稍低则会导致拟合效果不佳,拟合指标不达标,因此SPSSAU提出以下结构方程模型分析流程,以保障高质量的结构方程模型拟合效果。如下图:

    首先,如果想进行结构方程模型SEM分析,SPSSAU建议有效样本量需要在200份以上。同时在正式分析之前,需要保障测量关系具有良好的质量,通过探索性因子分析和验证性因子分析,共两步分析后,以保测量关系的高质量。

    在确认好测量关系的高质量之后,接着正式进行结构方程模型构建。分别在SPSSAU平台上,设置好测量关系,影响关系后进行分析。如果对模型进行检验时有发现拟合效果不佳时,此时有两种调整模型的办法,分别是‘影响关系调整’和‘协方差关系自动调整’。

    ‘影响关系调整’需要结合专业知识和MI指标进行调整,即重新在模型中加入影响关系,此种调整的目的是在于调整‘影响关系结构’;‘协方差关系自动调整’是指设置参数,让SPSSAU结合参数设置调整协方差关系,此种调整的目的是在于调整‘测量关系结构’。

    如果模型无论如何拟合效果均不好,可有三种解决办法,第一种处理是将结构方程模型进行拆分成多个小模型分别进行分析;复杂越复杂拟合越难,因此将模型的复杂度减低可有效提高拟合效果;第二种处理是改为路径分析(即直接放弃掉测量关系进行多元模型构建,尤其是测量关系质量不佳时);第三种处理是使用线性回归这种复杂度最低的模型进行研究。

    • 特别提示:
    • 结构方程模型一般要求样本量在200以上,如果过少可能拟合效果较差;

    • 结构方程模型SEM构建前需要保障好测量关系的质量,建议结构方程模型SEM分析之前先进行探索性因子分析和验证性因子分析,确保测量关系良好后再进行SEM分析;

    • 结构方程模型的分析包括三个步骤,分别是测量关系设置,影响关系设置,以及模型调整;

    • 模型调整包括两种,第1种是结合MI指标建议及专业知识后,重新调整模型即加入影响关系路径;第2种是直接让SPSSAU自动结合MI指标调整协方差关系即重新加入在项与项之间建立协方差关系。

    • 如果结构方程模型SEM无论如何拟合效果均不好时,可考虑简化模型、使用路径分析、或者线性回归等进行处理解决。

  • 3、操作

    从上述理论描述可知,结构方程模型可分为三个步骤,第一步是设置测量关系;第二步是设置影响关系;分别如下所示:

    SPSSAU总共可设置12个潜变量,本例子中仅使用4个潜变量,因此分别将4个潜变量具体项拖拽到框中。并且SPSSAU默认潜变量的名称分别是Factor1,Factor2,Factor3和Factor4。

    右侧框中设置影响关系,需要特别注意的是Factor1,Factor2,Factor3和Factor4均为SPSSAU默认的名称。暂时无法修改,用户需要稍加注意。

    • 特别提示
    • 设置测量关系的潜变量,一定需要在 ‘影响关系’中出现;比如如果测量关系中有Factor5,但是影响关系中却没有出现Factor5,此时一定会出错;

  • 4、SPSSAU输出结果

    SPSSAU共输出5个表格,此5个表格的作用汇总如下:

    名称 作用
    模型回归系数汇总表格 潜变量之间的影响关系结果,包括是否显著及回归路径系数等
    测量表达关系汇总表格 测量关系结果表格,包括测量关系的载荷系数loading值等
    模型拟合指标 模型拟合效果判断指标等
    路径影响关系- MI指标表格(Regression – MI table) 用于辅助判断是否进行模型影响关系调整的MI指标表格
    协方差关系表格 SPSSAU自动建立的协方差关系,意义较小

    具体5个表格的详细分析,在下面会有说明。

  • 5、文字分析

    模型回归系数汇总表格
    X Y 非标准化路径系数 z SE p 标准化路径系数
    Factor1 Factor3 0.294 2.12 0.139 0.034 0.314
    Factor2 Factor3 0.357 2.375 0.15 0.018 0.366
    Factor3 Factor4 0.396 3.137 0.126 0.002 0.487
    备注:→表示路径影响关系

    上表格展示潜变量的影响关系情况,从上表可知:Factor1对于Factor3产生0.05水平的显著影响,标准化路径系数值为0.314,意味着Factor1会对于Factor3产生正向的影响关系。类似的,Factor2会对Factor3产生显著的正向影响关系;同时Factor3会对Factor4产生显著的正向影响关系。

    当然上述结果需要在模型拟合效果良好的前提下才能使用,模型拟合效果需要通过‘模型拟合指标’表格进行分析。

    测量表达关系汇总表格
    X Y 非标准化载荷系数 z SE p 标准化载荷系数
    A1 Factor1 1.000 - - - 0.577
    A2 Factor1 1.065 5.596 0.190 0.000 0.602
    A3 Factor1 1.029 5.548 0.186 0.000 0.591
    A4 Factor1 1.036 5.469 0.190 0.000 0.576
    B1 Factor2 1.000 - - - 0.611
    B2 Factor2 0.616 3.792 0.162 0.000 0.355
    B3 Factor2 1.253 5.238 0.239 0.000 0.709
    C1 Factor3 1.000 - - - 0.569
    C2 Factor3 1.164 5.260 0.221 0.000 0.621
    C3 Factor3 1.141 5.119 0.223 0.000 0.575
    D1 Factor4 1.000 - - - 0.598
    D2 Factor4 1.275 3.226 0.395 0.001 0.669
    备注:→表示测量关系

    上表格展示测量关系情况,特别提示,测量关系时第一项会被作为参照项,因此不会呈现p 值等,比如A1被作为Factor1潜变量测量时的参照项,因此其对应的CR值,SE值和p 值均为空,类似还有B1,C1和D1共3项。

    上表格展示测量关系情况,如果测量关系良好,通常来说,标准化载荷系数值基本上均会大于0.6。上表格中B2的标准化载荷系数值为0.355,比较少,如果发现模型拟合效果不好时,可考虑对其进行删除再尝试进行分析。(如果在SEM前进行过探索性因子分析和验证性因子分析,其实应该已经发现B2可能需要进行删除处理)。

    上表格仅展示出测量关系时对应的系数值,以及辅助判断某项是否应该被删除处理掉,其并没有其它的意义了。

    模型拟合指标
    常用指标 χ² df p 卡方自由度比χ²/df GFI RMSEA RMR CFI NFI NNFI
    判断标准 - - >0.05 <3 >0.9 <0.10 <0.05 >0.9 >0.9 >0.9
    73.49 50 0.02 1.47 0.945 0.048 0.03 0.94 0.83 0.91
    其它指标 AGFI IFI PGFI PNFI AIC BIC
    判断标准 >0.9 >0.9 >0.9 >0.9 越小越好 越小越好
    0.914 0.94 0.61 0.627 5278.96 5371.45

    上表格展示模型拟合效果情况。模型拟合指标有很多很多,SPSSAU仅全部列出而已,很少有模型可以让所有拟合指标均达标,但使用最多的拟合指标建议需要在可接受范围内才可以,使用最多的拟合指标整理如下表:

    最常使用拟合指标 标准
    卡方自由度比 严格是小于3,不严格是小于5(甚至8)
    GFI 通常需要大于0.9,SPSSAU认为接受0.9基本可接受
    RMSEA 严格是小于0.05,不严格是小于0.1
    RMR 严格是小于0.05,不严格是小于0.1
    CFI 通常需要大于0.9,SPSSAU认为接受0.9基本可接受
    NFI 通常需要大于0.9,SPSSAU认为接受0.9基本可接受
    AGFI 通常需要大于0.9,SPSSAU认为接受0.9基本可接受

    结构方程模型SEM的拟合指标有很多,但并没有固定要求使用哪一些指标。多数研究仅会使用其中几个指标进行报告呈现。建议用户以相关研究文献参考作为最终标准。

    本次研究时,卡方自由度比值为1.47,小于3,意味着模型拟合效果良好。同时RMSEA值为0.048小于0.05,RMR值为0.03小于0.05,同时GFI,CFI,AGFI值均大于0.9,NFI值为0.83小于0.9,但是接近于0.9,并且其余指标均在标准范围内,因此说明模型构建良好,模型结果可靠。

    路径影响关系-MI指标表格(Regression - MI table)
    X Y MI Par Change
    Factor4 Factor3 2.801 -0.452
    Factor1 Factor4 1.102 0.117
    Factor2 Factor4 3.079 0.217
    Factor4 Factor1 0.021 0.028
    Factor4 Factor2 1.529 0.240
    备注:→表示路径影响关系

    上表格展示‘影响关系调整’的建议,比如上表格中显示,如果说“Factor4影响Factor3”这一影响关系被建立,那么至少会让卡方值减少2.801。MI指标值越大,意味着对模型调整优化帮助越大,一般情况下如果MI值大于20,此时可考虑进行修正。(当然MI值大于10也可以尝试)。

    最终是否应该重新将上表格中建立的影响关系,加入到模型中(即重新建立模型);应该结合两点进行考虑。1是专业知识上是否允许;2是结合MI指标值及模型对比变化情况;如果专业上不允许即使MI值很大也不能修正模型,不能为了模型达标而随意调整模型。上表格显示MI值全部均小于10,模型不需要进行调整(进行调整也不会让模型变得更好),因此当前模型即为最终模型结果。

    SPSSAU建立有两种模型调整方式,上述新加入‘路径影响关系’进行模型调整是第一种方式;除此之外,还可以让SPSSAU自动结合MI指标进行模型修正(即设置参数形式自动调整模型),此种修正方式是指让SPSSAU结合MI指标让分析项之间建立协方差关系的意思(该自动建立的协方差关系,会在‘协方差关系表格’中呈现出来)。事实上如果用户处理好‘测量关系’,此时并不需要进行此种调整。

    协方差关系表格
    X Y 非标准化路径系数 z SE p 标准化路径系数
    Factor1 Factor2 0.116 3.802 0.030 0.000 0.558
    备注:↔表示协方差关系

    上表格展示协方差关系,即相关关系的意思。此种关系的出现有两种情况。第1种是SPSSAU自动建立的,上表格中显示Factor1和Factor2之间的协方差关系即相关关系系数为0.558(此关系是SPSSAU自动建立)。第2种是如果说用户进行过MI指标自动修正,此时也有可能各项之间建立起协方差关系,并在上表格中呈现出来。

    上表格意义很小,原因在于研究的重心不在于协方差相关关系,而在于影响关系。只是出于模型建立的必要性(或者模型协方差关系修正),因此SPSSAU自动进行了建立;

    完成上述表格之后,可将最终各结果系数整理汇总在一个图里面,便于展示结果,SPSSAU当前没有自动画图功能,建立用户在PPT中进行绘图即可,如下图:

    上图中展示了‘测量关系’(测量表达关系汇总表格 中的 标准化载荷系数);以及‘影响关系’(模型回归系数汇总表格 中的 标准化路径系数,并加入*号表示显著性)和协方差关系(协方差关系表格 中的标准化路径系数)。

    • 特别提示
    • ‘测量关系’时,箭头需要从潜变量指向测量项;‘影响关系’时,箭头从自变量X到因变量Y;协方差相关关系时,箭头为双向。

  • 6、剖析

    涉及以下几个关键点,分别如下:

    • 结构方程模型SEM包括测量关系和影响关系;如果仅包括影响关系,此时称作路径分析(Path analysis,有时也称通径分析)。

    • 结构方程模型一般要求样本量在200以上,如果过少可能拟合效果较差;

    • 结构方程模型SEM构建前需要保障好测量关系的质量,建议结构方程模型SEM分析之前先进行探索性因子分析和验证性因子分析,确保测量关系良好后再进行SEM分析;

    • 结构方程模型的分析包括三个步骤,分别是测量关系设置,影响关系设置,以及模型调整;

    • 模型调整包括两种,第1种是结合MI指标建议及专业知识后,重新调整模型即加入影响关系路径;第2种是直接让SPSSAU自动结合MI指标调整协方差关系即重新加入在项与项之间建立协方差关系。

    • 如果结构方程模型SEM无论如何拟合效果均不好时,可考虑简化模型、使用路径分析、或者线性回归等进行处理解决。

疑难解惑

  • 提示‘数据质量异常’?
  • 当提示“数据质量异常”时,可能有以下原因所致:

  • 第一:如果样本量过小(比如仅几个样本),有可能模型无法拟合;

  • 第二:研究关系中出现因果关系研究(比如X影响Y,同时Y影响X),此时有可能出现“数据质量异常”;

  • 第三:模型MI调整值设置,如果模型中分析项(显变量)非常多时,按MI指标进行调整时,可能出现自动建立的协方差关系非常多,导致模型无法拟合,建议此时不进行MI指标调整,或者按较低标准设置即可;

  • 第四:设置了二阶结构,但是关系里面没有出现该二阶Scale;也或者某factor已经在二阶结构中设置好,但却又出现在关系里面;也或者已经设置好factor对应的题,但在二阶结构或者关系中没有出现;

  • Factor,Scale分别是什么意思?
  • 在结构方程模型中,涉及两个名词,分别是“显变量”和“潜变量”。“显变量”指具体有数据的分析项,即拖拽到Factor框中的具体项;“潜变量”指没有实际数据,但可以由“显变量”表示的变量,FactorScale均为“潜变量”。

  • 比如综合满意度由3个维度表示(分别是价格满意度、服务满意度和质量满意度);价格满意度、服务满意度和质量满意度分别由5个具体题表示。那么总共15个题就是具体项即“显变量”;而3个维度也即3Factor是潜变量;综合满意度由3Factor表示,也即满意度为二阶Factor,也称Scale,它也是潜变量。一旦设置好测量结构关系,比如例子中最终设置了Scale,那么影响关系时,则只能出现Scale,而不能再具体其下属的Factor

  • SPSSAU默认最多可设置12Factor5scale。并且默认名字分别为Factor1,Factor2..直至Factor12Scale1Scale2..直至Scale5

  • SPSSAU结构方程模型中如果输出MI值和如何使用它?
  • 如果希望SPSSAU输出MI指标值,可在开始分析按钮右侧下拉选择输出MI值,比如‘输出MI>10’,其意义是将MI值大于10的全部输出(通常情况下MI值非常多,但一般只有较大的值才有参考意义)。在输出之后,可将MI值非常大的两两项之间建立‘协方差相关关系’(即相关关系,在‘设置模型关系’处进行设置),用于修正模型。MI值的修正通常会让卡方自由度值得到减少,其它指标一般不应该有太大的变化,不能过多的依赖于MI值进行模型修改。

  • 提示‘数据质量异常’如何解决?
  • 出现此种情况,建议按以下步骤进行检查并解决。

  • 第一:相关性过低。同一个因子里面的项应该有很强的相关性才正常。因而建议把同一个因子里面的项做相关分析,如果发现某两项之间的相关性过弱(比如相关系数小于0.2),把其中一项从模型中移除出去,重复进行检查即可;

  • 第二:样本量过低,比如总共有5个因子共计20个分析项,但分析样本量仅50个,这会导致模型无法收敛因而最终无法拟合。

  • 如何提高AVE和CR值?
  • 如果出现AVE或者CR值无法达标时,此时建议按以下步骤进行检查并解决。

  • 第一:移除掉载荷系数值较低的项,一个移除一个多次尝试;

  • 第二:检查是否某个分析项的MI值过高,可考虑移除此项分析项;

  • 第三:设置MI调整让模型自动优化处理下;

  • 第四:考虑以一个因子作为单位,重复多次进行CFA分析,模型越简单时效果相对会更好;

  • 第五:加大样本量,一般情况下样本量越大模型拟合效果越佳。

  • 结构方程模型中Scale(量表二阶结构)是什么意思?
  • Scale是量表的意思,比如一个Scale对应着3个因子,每个因子对应着具体几个量表题项。比如下图中的结构,Scale对应着3个Factor,每个Factor对应着一些题项。Scale即为二阶结构,相对模型会比较复杂时才会使用。

  • 拟合度R 方值是什么意思?
  • R 方值是指模型拟合情况,X对于Y产生影响时,X对于Y的解释力度情况,比如为0.2,则说明X对于Y有20%的解释力度。每个Y都会产生对应的R 方值。通常以研究是否有影响作为研究目的,因此此指标的意义相对较小,关注也较少。

  • 残差值估计值有什么作用?
  • 该指标值通常无实际意义,只是模型拟合后产生的残差值而已。

  • 结构方程模型使用的估计方法是?
  • SPSSAU默认使用最大似然法ML进行模型估计。

  • 模型拟合度里面自由度为0?
  • 模型拟合度出现自由度为0是正常现象,并且此时无法计算得到卡方值,卡方自由度值等,此时直接不关注对应的指标即可。出现自由度为0的原因通常是模型过于简单,或者模型过于‘饱和’,可能是非递归模型所致(比如A影响B,B影响C,C影响A)。

  • 标准化载荷系数或标准化估计系数值大于1?
  • 如果标准化系数值大于1,通常是由于出现共线性问题所致;建议可通过相关分析查看相关系数,如果某具体项之间的相关系数值非常高,可考虑移除该项;如果共线性不严重,通常并不需要移除。

  • 图里面的虚线代表什么意思?
  • SPSSAU默认以放置顺序的第一项作为参考项,图里面的虚线标识出该项为参考项。参考项的非标准载荷系数值一定为1,而且不会有标准误值等。

  • 残差值画图?
  • 残差值无实际意义,SPSSAU的模型图里面默认没有提供残差值,但输出表格里面有。如果需要可自己手工作图处理。

  • 分析框只能放20项?
  • 在进行结构方程模型分析时,每个因子(维度)最多可放置20项。正常情况下,同一个因子(维度)正常情况下只会对应3~7项,如果超出10项,建议检查是否进行了正确的分析。

  • 模型自动构建说明?
  • 相对于传统软件进行结构方程模型构建,SPSSAU自动进行一些处理,便于简化操作。分别如下:第1是自动建立残差;第2是在结构方程模型构建时会将第1项的方差设置为1;第3是外生变量之间会自动建立协方差关系;第4是内生变量之间会自动建立协方差关系。第1点和第2点是基本默认性操作,正常的模型构建均应该如此;关于第3和第4点,可通过结果中的“协方差关系表格”查看SPSSAU自动构建的关系。

  • 结构方程模型拟合指标不好如何调整?
  • 如果结构方程模型出现拟合指标不好,大方面的原因可能有两个,分别是模型的‘测量结构’有问题,也或者‘影响关系结构’有问题。建议按以下7种方式进行调整或分析。

  • 第1是先进行探索性因子分析,再进行验证性因子分析,保障验证性因子分析等结果良好后再做结构方程模型,此种分析思路在于保障‘测量结构’稳定。此种思路最为重要,因为结构方程模型中包括大量的‘测量结构’,一旦‘测量结构’不合理,无论如何拟合指标均不好;

  • 第2是将结果中 ‘测量表达关系汇总表格’或‘模型回归系数汇总表格’出现不显著的关系项,从模型中移除出去。此处理在于优化‘测量结构’和‘影响关系结构’;

  • 第3是结合‘路径影响关系- MI指标表格(Regression – MI table)’表格,将该表格中MI值较大项加入模型中,此种处理在于优化‘影响关系结构’;

  • 第4是进行MI指标调整,一般按照MI>10建立协方差关系即可,SPSSAU会自动将MI值大于10的两两测量项之间建立协方差关系,此种处理在于优化‘测量结构’;如果说第1种处理已经到位,那种此种处理就没有必要,事实上一般并不太适合进行此种处理,因为此种处理有点‘投机’的嫌疑,‘测量结构’应该先稳定再做结构方程模型,而不应该让模型自动建立协方差关系调整‘测量结构’,如果模型拟合指标非常糟糕,通常此种处理并不生效,此种处理通常只会降低卡方自由度值,对其它指标帮助非常小;

  • 第5是简化模型,从专业角度出发,将模型进行分拆成多个,越简化的模型越容易拟合成功,此种处理在于优化‘影响关系结构’和‘测量结构’;

  • 第6是改用路径分析模型,路径分析模型是不带‘测量结构’的结构方程模型,直接不考虑‘测量结构’,此种处理在于优化‘测量结构’,此种处理通常会生效;

  • 第7种是改用线性回归模型,线性回归也不用考虑测量结构,而且模型变的更加简单,此种处理在于优化‘测量结构’和‘影响关系结构’,此种处理通常会生效。

  • 分析项超过60个不进行MI指标输出和自动按MI指标建模什么意思?
  • 如果说分析项(显变量)的个数大于60个,SPSSAU默认不会输出MI指标值,并且如果用户要求进行按MI指标调整模型,SPSSAU也不会进行模型调整。

  • z 值和临界值或t 值的意义?
  • 结构方程模型时,SPSSAU输出z 值,该值与AMOS软件等的临界值CR或t 值意义完全一致。

  • 结构方程模型如何输出MI指标值?
  • 进行结构方程模型时,可在开始分析按钮右侧“MI指标输出”下拉,选择输出MI指标值。如果需要结合MI指标情况进行模型调整,那么可在‘设置模型关系’时设置具体测量项之间的相关关系(协方差关系)即可。MI值越大意味着可减少的卡方值越多,结合该指标进行模型调整时,一般会对卡方自由度值有着较大的帮助。

  • 结构方程模型每个框最多可放多少项?
  • 结构方程模型时,第个因子框中放置的是其对应的测量项,正常情况下一个因子会对应3~7个测量项。SPSSAU默认最多支持1个因子框中放置20个测量项。

  • 测量项需要在因子框中出现!
  • 结构方程模型设置时,如果需要建立测量项之间的协方差相关关系,那么测量项一定需要隶属于某个因子(即在某因子框中出现过才可以)。

  • 有设置某Scale,则关系中应出现该Scale!
  • 结构方程模型设置时,如果设置过二阶量表Scale,那么模型关系中一定需要使用它(否则设置二阶量表就没有意义)。

  • 设置过某Factor,则关系/Scale中应出现该Factor!
  • 结构方程模型设置时,如果设置过某个Factor,那么Factor需要出现在模型关系中(当然Factor可能隶属于某个Scale,那么此时模型关系中就应该以对应的Scale为准,模型关系中也不能再出现该Factor)。

  • 没有设置某Scale,则关系中不能出现该Scale!
  • 结构方程模型设置时,如果说没有设置过某二阶结构Scale,那么模型中就不能出现该Scale。

  • 没有设置某Factor,则关系/Scale中不能出现该Factor!
  • 结构方程模型设置时,如果说没有设置过某个Factor,那么就不能在模型关系(也或者二阶结构Scale中出现该Factor)。

  • 一个Factor不能隶属于多个Scale!
  • 一个Factor只能隶属于1个二阶结构Scale,不能隶属于多个Scale。

  • 1个Scale需要对应至少2个Factor!
  • 1个Scale至少需要对应2个factor,否则的话就不需要设置Scale,而是直接以Factor为准进行分析即可。

  • 关系设置时,测量项只能与测量项建立协方差关系!
  • 如果想建立测量项之间的关系,分析上只能建立协方差关系,通常测量项之间协方差关系的设置依据是结合MI指标值进行。