DSGE模型讨论之五——CES functions and Dixit-Stiglitz Formulation
结构方程模型及其应用
結 構方程程模型型及其應 新增資 應用 資料
目錄 內容 頁數 引言 2 I. 第9.1版的改動 3 - 4 II. 章節內的新增資料 第一章 5 第三章 6 – 8 第十二章 9 – 10 第十四章 11 – 17 III. 附录內的新增資料 19 1
引言 自2005，為方便普通話及廣東話的學生，修習香港中文大學我所任教的結構方程課程，我製做了一個含有2種方言的網上課程，其後我亦將整個課程放在個人網頁(https://www.sodocs.net/doc/0a6058581.html,)免費讓公眾使用。 網上課程更精簡地解釋重點，尤其是對本書最艱深的部份（第三、四章），幫助最大。學員先看綱上課程，再參考書本內容，必感事半功倍。 主要参考文獻： du Toit, S., du Toit, M., Mels, G., & Cheng, Y. (n.d.). LISREL for Windows: SIMPLIS syntax files. Lincolnwood, IL: Scientific Software International, Inc. (available https://www.sodocs.net/doc/0a6058581.html,/lisrel/techdocs/SIMPLISSyntax.pdf) J?reskog, K.G. & S?rbom, D. (1999). LISREL 8: User’s Reference Guide. Lincolnwood, IL: Scientific Software International, Inc. J?reskog, K.G. & S?rbom, D. (1999). Structural Equation Modeling with the SIMPLIS Command Language. Lincolnwood, IL: Scientific Software International, Inc. Scientific Software International (SSI) (2012). LISREL 9.1 Release Notes. Lincolnwood, IL: The Author. (available from https://www.sodocs.net/doc/0a6058581.html,/lisrel/LISREL_9.1_Release_Notes.pdf) 2
第二次作业《解释结构模型应用》
大连海事大学 实验报告 《系统工程》 2014～2015学年第一学期 实验名称：基于解释模型在大学生睡眠质量问题的研究学号姓名：马洁茹姚有琳 指导教师：贾红雨 报告时间： 2014年9月24日
《系统工程》课程上机实验要求 实验一解释结构模型在大学生睡眠质量问题中的研究 实验名称：基于MATLAB软件或C/Java/其他语言ISM算法程序设计(一) 实验目的 系统工程课程介绍了系统结构建模与分析方法——解释结构模型法（Inter pretative Structural Modeling ·ISM）是现代系统工程中广泛应用的一种分析方法，能够利用系统要素之间已知的零乱关系，用于分析复杂系统要素间关联结构，揭示出系统内部结构。ISM方法具有在矩阵的基础上再进一步运算、推导来解释系统结构的特点，对于高维多阶矩阵的运算依靠手工运算速度慢、易错，甚至几乎不可能。 本次实验的目的是应用计算机应用软件或者是基于某种语言的程序设计快速实现解释结构模型(ISM)方法的算法，使学生对系统工程解决社会经济等复杂性、系统性问题需要计算机的支持获得深刻的理解。学会运用ISM分析实际问题。 (二) 实验要求与内容： 1.问题的选择 根据对解释结构模型ISM知识的掌握，以及参考所给的教学案例论文，决定选择与我们生活有关的——大学生睡眠质量问题。 2．问题背景 睡眠与我们的生活息息相关，当每天的身体机制在不断运行的过程中身体负荷不断变大，到了夜间就需要休息。但是同一寝室的同学大多休息时段不同，有些习惯早睡，有些会由于许多原因晚睡。有些睡眠较沉不会轻易被打扰，有些睡眠较轻容易被鼾声或者其他声响惊醒。学习得知，解释系统模型是通过对表面分离、凌乱关系的研究，揭示系统内部结构的方法。因此，我想尝试通过解释模型来对该问题进行研究分析。 3.用画框图的形式画出ISM的建模步骤。
结构方程模型的应用及分析策略
结构方程模型的应用及分析策略 侯杰泰成子娟 (香港中文大学教育学院东北师范大学教育学院，130024) 摘要:差不多所有心理、教育、社会等概念，均难以直接准确测量，结构方程(SEM，Structural Equation Modelling)提供一个处理测量误差的方法，采用多个指标去反映潜在变量，也令估计整个模型因子间关系，较传统回归方法更为准确合理。本文主要用一系列有关学习动机的虚拟例子，指出每个问题的主要分析策略，以展示SEM在教育及心理学可以应用的研究范畴。文内探讨的方法包括：验证性因素、高阶因子、路径及因果分析、多时段(multiwave)设计、单形模型(Simple Model)、及多组比较等。 关键词结构方程验证性因素分析路径及因果分析高阶因子多组比较 结构方程(SEM,Structural Equation Modelling)、协方差结构模型(Covariance Structure Modelling、LISREL)等类似名词已渐流行，并成为一种十分重要的数据分析技巧；在大学高等学位研究课程，它是多变量分析(multivariate analysis)的重要课题；比较重要的社会、教育、心理期刊，也早已特开专栏介绍(如：候，1994；Connell & Tanaka,1987;Joreskog & Sorbom,1982)；可见SEM在统计学中所建立的声望及崇高地位是无容置疑的。本文主要用一系列有关学习动机的虚拟例子，来指出每个问题的主要分析策略，以展示结构方程模型在教育及心理学可以应用的研究范畴。 一、结构方程：优点及拟合概念 1.数学模式 很多社会、心理等变项，均不能准确地及直接地量度，这包括智力、社会阶层、学习动机等，我们只好退而求其次，用一些外项指标(observable indicators)，去反映这些潜伏变项。例如：我们以学生父母教育程度、父母职业及其收入(共六个变项)，作为学生家庭社经地位(潜伏变项)的指标，我们又以学生中、英、数三科成绩(外显变项)，作为学业成就(潜伏变项)的指标。 简单来说SEM可分测量(measurement)及潜伏变项(latent variable)两部分。测量部分就是求出六个社经指标与社经地位(或三科成绩与学业成就)(即外显指标与潜伏变项之间)的关系：而潜伏变项部分则指社经地位与学业成就(即潜伏变项与潜伏变项间)的关系。 指标(外显变项)含有随机(或系统)性的量度上误差，但潜伏变项则不含这些部份。SEM可用以下矩阵方程表示(Bollen,1989;Joreskog & Sorbom,1993)： η=βη+Γξ+ζ
《结构方程模型及其应用》
《结构方程模型及其应用》 内容简介 侯杰泰，香港中文大学教育心理系教授、系主任。主要研究方向为学习动机，应用统计和香港语文政策。曾多次在北京、上海、南京、长春、广州等地举办的地区或全国性结构方程分析研习班上讲学。 在社会、心理、教育、经济、管理、市场等研究的数据分析中，当今称得上前沿的几个统计方法中，应用最广、研究最多的恐怕非结构方程分析莫属。它包含了方差分析、回归分析、路径分析和因子分析，弥补了传统回归分析和因子分析的不足，可以分析多因多果的联系、潜变量的关系，还可以处理多水平数据和纵向数据，是非常重要的多元数据分析工具。 本书是国内第一本系统介绍结构方程模型和LISREL的著作。阐述了结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、输出结果的解释和模型评价。《结构方程模型及其应用》还讨论了一些与结构方程模型有关的专题，是一本由初级至中上程度的结构方程分析著作，可作为有关专业高年级本科生和研究生的教科书及应用工作者的参考书。 目录 序 第一部分结构方程模型入门 第一章引言
一、描述数据 二、具体例子展示准确与简洁的考虑 三、探索性与验证性因子分析比较 第二章结构方程模型简介 一、结构方程模型的重要性 二、结构方程模型的结构 三、结构方程模型的优点 四、结构方程模型包含的统计方法 五、路径图的图标规则 六、结构方程分析软件包 七、LISIREL操作入门 第二部分结构方程模型应用 第三章应用示范I：验证性因子分析和全模型 一、验证性因子分析 二、多质多法模型 三、全模型 四、高阶因子分析 第四章应用示范II：单纯形和多组模型 一、单纯形模型 二、多组验证性因子分析 三、多组分析：均值结构模型 四、回归模型
第二次作业《解释结构模型应用》
海事大学 实验报告 《系统工程》 2014～2015学年第一学期 实验名称：基于解释模型在大学生睡眠质量问题的研究学号：马洁茹有琳 指导教师：贾红雨 报告时间： 2014年9月24日
《系统工程》课程上机实验要求 实验一解释结构模型在大学生睡眠质量问题中的研究 实验名称：基于MATLAB软件或C/Java/其他语言ISM算法程序设计(一) 实验目的 系统工程课程介绍了系统结构建模与分析方法——解释结构模型法（Inter pretative Structural Modeling ·ISM）是现代系统工程中广泛应用的一种分析方法，能够利用系统要素之间已知的零乱关系，用于分析复杂系统要素间关联结构，揭示出系统部结构。ISM方法具有在矩阵的基础上再进一步运算、推导来解释系统结构的特点，对于高维多阶矩阵的运算依靠手工运算速度慢、易错，甚至几乎不可能。 本次实验的目的是应用计算机应用软件或者是基于某种语言的程序设计快速实现解释结构模型(ISM)方法的算法，使学生对系统工程解决社会经济等复杂性、系统性问题需要计算机的支持获得深刻的理解。学会运用ISM分析实际问题。 (二) 实验要求与容： 1.问题的选择 根据对解释结构模型ISM知识的掌握，以及参考所给的教学案例论文，决定选择与我们生活有关的——大学生睡眠质量问题。 2．问题背景
睡眠与我们的生活息息相关，当每天的身体机制在不断运行的过程中身体负荷不断变大，到了夜间就需要休息。但是同一寝室的同学大多休息时段不同，有些习惯早睡，有些会由于许多原因晚睡。有些睡眠较沉不会轻易被打扰，有些睡眠较轻容易被鼾声或者其他声响惊醒。学习得知，解释系统模型是通过对表面分离、凌乱关系的研究，揭示系统部结构的方法。 因此，我想尝试通过解释模型来对该问题进行研究分析。 3.用画框图的形式画出ISM的建模步骤。
第二次作业《解释结构模型应用》讲解
大连海事大学实验报告 《系统工程》 2014?2015学年第一学期 实验名 称：基于解释模型在大学生睡眠质量问题的研究 学号姓 名： 马洁茹姚有琳指导教 师： 贾红雨 报告时 间： 2014 年9月24日
《系统工程》课程上机实验要求 实验一解释结构模型在大学生睡眠质量问题中的研究 实验名称：基于MATLAB^件或C/Java/其他语言ISM算法程序设计 （一）实验目的 系统工程课程介绍了系统结构建模与分析方法一一解释结构模型法（In ter pretative Structural Modeling ? ISM）是现代系统工程中广泛应用的一种分 析方法，能够利用系统要素之间已知的零乱关系，用于分析复杂系统要素间关联结构，揭示出系统内部结构。ISM方法具有在矩阵的基础上再进一步运算、推导来解释系统结构的特点，对于高维多阶矩阵的运算依靠手工运算速度慢、易错，甚至几乎不可能。 本次实验的目的是应用计算机应用软件或者是基于某种语言的程序设计快速实现解释结构模型（ISM）方法的算法，使学生对系统工程解决社会经济等复杂性、系统性问题需要计算机的支持获得深刻的理解。学会运用ISM分析实际问题。 （二）实验要求与内容： 1?问题的选择 根据对解释结构模型ISM知识的掌握，以及参考所给的教学案例论文，决定选择与我们生活 有关的一一大学生睡眠质量问题。 2 ?问题背景 睡眠与我们的生活息息相关，当每天的身体机制在不断运行的过程中身体负荷不断变大，到了夜间就需要休息。但是同一寝室的同学大多休息时段不同，有些习惯早睡，有些会由于许多原因晚睡。有些睡眠较沉不会轻易被打扰，有些睡眠较轻容易被鼾声或者其他声响惊醒。学习得知，解释系统模型是通过对表面分离、凌乱关系的研究，揭示系统内部结构的方法。因此，我想尝试通过解释模型来对该问题进行研究分析。 3.用画框图的形式画出ISM的建模步骤
AMOS 结构方程模型分析
Amos模型设定操作 在使用AMOS进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。 1.绘制潜变量 使用建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties，为潜变量命名。 2.为潜变量设置可测变量及相应的残差变量 使用绘制。在可测变量上点击右键选择Object Properties为可测变量命名。其中Variable Name 对应的是数据的变量名，在残差变量上右键选择Object Properties为残差变量命名。
3.配置数据文件，读入数据 , File——Data Files——File Name——OK。 4.模型拟合 View——Analysis Properties——Estimation——Maximum Likelihood。 5.标准化系数 Analysis Properties——Output——Standardized Estimates——因子载荷标准化系数。
6.参数估计结果 @ Analyze——Calculate Estimates。红色框架部分是模型运算基本结果信息，点击View the Output Path Diagram查看参数估计结果图。 7.模型评价 点击查看AMOS路径系数或载荷系数以及拟合指标评价。 路径系数/载荷系数的显著性 模型评价首先需要对路径系数或载荷系数进行统计显著性检验。 模型拟合指数 模型拟合指数是考察理论结构模型对数据拟合程度的统计指标。拟合指数的作用是考察理论模型与数据的适配程度，并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考，还
解释结构模型
3.2解释结构模型 系统是由许多具有一定功能的要素（如设备、事件、子系统等）所组成的， 各要素之间总是存在着相互支持或相互制约的逻辑关系。在这些关系中，又可以分为直接关系和间接关系等。为此，开发或改造一个系统时，首先要了解系统中 各要素间存在怎样的关系，是直接的还是间接的关系，只有这样才能更好地完成 开发或改造系统的任务。要了解系统中各要素之间的关系，也就是要了解和掌握系统的结构，建立系统的结构模型。 结构模型化技术目前已有许多种方法可供应用，其中尤以解释结构模型法（InterpretativeStructuralModeling,简称ISM）最为常用。 3.2.1结构模型概述 一、解释结构模型的概念 解释结构模型（ISM）是美国华费尔特教授于1973年作为分析复杂的社会 经济系统有关问题的一种方法而开发的。其特点是把复杂的系统分解为若干子系 统（要素），利用人们的实践经验和知识，以及电子计算机的帮助，最终将系统 构造成一个多级递阶的结构模型。 ISM属于概念模型，它可以把模糊不清的思想、看法转化为直观的具有良好 结构关系的模型，应用面十分广泛。从能源问题等国际性问题到地区经济开发、 企事业甚至个人范围的问题等，都可应用ISM来建立结构模型，并据此进行系 统分析。它特别适用于变量众多、关系复杂且结构不清晰的系统分析，也可用于方案的排序等。 所谓结构模型，就是应用有向连接图来描述系统各要素间的关系，以表示一个作为要素集合体的系统的模型，图3-1所示即为两种不同形式的结构模型。
图3-1两种不同形式的结构模型 结构模型一般具有以下基本性质： （1）结构模型是一种几何模型。结构模型是由节点和有向边构成的图或树 图来描述一个系统的结构。节点用来表示系统的要素，有向边则表示要素间所存 在的关系。这种关系随着系统的不同和所分析问题的不同，可理解为“影响”、“取决于”、“先于”、“需要”、“导致”或其他含义。 （2）结构模型是一种以定性分析为主的模型。通过结构模型，可以分析系统的要素 选择是否合理，还可以分析系统要素及其相互关系变化对系统总体的影响等问题。 （3）结构模型除了可以用有向连接图描述外，还可以用矩阵形式来描述。 矩阵可以通过逻辑演算用数学方法进行处理。因此，如果要进一步研究各要素之间关系，可以 通过矩阵形式的演算使定性分析和定量分析相结合。这样，结构模型的用途就更为广泛，从而 使系统的评价、决策、规划、目标确定等过去只能凭个人的经验、直觉或灵感进行的定性分析，能够依靠结构模型来进行定量分析。 （4）结构模型作为对系统进行描述的一种形式，正好处在自然科学领域所用的数学 模型形式和社会科学领域所用的以文章表现的逻辑分析形式之间。因此，它适合用来处理 处于以社会科学为对象的复杂系统中和比较简单的以自然科学为对象的系统中存在的问题， 结构模型都可以处理。 总之，由于结构模型具有上述这些基本性质，通过结构模型对复杂系统进行分析往往能够 抓住问题的本质，并找到解决问题的有效对策。同时，还能使由不同专业人员组成的系统开发 小组易于进行内部相互交流和沟通。
应用解释结构模型
应用解释结构模型（ISM）分析大学生就业的问题09工业工程周浩吕超宇 摘要： 关键词：解释结构模型大学生就业原因及对策 背景： 据人力资源和社会保障部公布的数据，2009年我国将有2400万劳动力需要安排就业，其中将有超过700万大学毕业生需要解决就业问题。数据显示,2009年高校毕业生规模达到611万,比2008年增长52万；而据预测,2011年这一数字将达到峰值758万。与此同时,国际金融危机的影响进一步显现,可以预见,在未来相当长时期内大学生就业压力不会减弱。如何帮助大学生走出就业难的困境将成为政府与社会长期而艰臣的任务。 大学生就业难是一个现实问题，更是一个社会问题。总体来说,大学毕业生具有较高的人力资本水平,是劳动力市场上的优势群体。但随着全球化的发展与知识经济的冲击,青年初次与持续就业所需的能力门坎逐年提高,大学生必须具备能够满足新经济要求的核心就业能力才能成功发展,但现有教育培训体系缺乏必要的就业市场需求导向,缺乏对创业行为的深入研究,高等教育培养出来的大学生在知识和技能结构上与人才市场的需求存在脱节,大学生就业的结构性矛盾日益突出。 （https://www.sodocs.net/doc/0a6058581.html,/xiaobao/news_view.asp?newsid=663）
应用解释结构模型分析问题： 1.1成立ISM 小组 小组成员主要由来自09工业工程的周浩和吕超宇组成； 1.2确定关键问题与确定因素，列举各导致因素的相关性 根据当今大学生的就业现状，我们小组应用头脑风暴法在小组内经过激烈讨论，并在网上查阅大量的资料，基本上确定影响当今大学生就业的因素大致为以下12种原因，小组成员又经过多次探讨分析确定他们之间的关系并按照下面的影响关系填写表2所示的框图。 （1）j S i S 对有影响，填1；j S i S 对无影响，填0；（i ，j=0,1，……12） （2）对于有相互影响的因素，取你认为影响大一方为影响关系，即有影响； 表1导致因素 关键问题：大学生就业问题 0S 导致因素 1 专业设置与社会需求脱节 1S 2 就业政策不完善 2S 3 竞争压力较大（ 3S 4 教育机制存在弊端 4S 5 海归的竞争 5S 6 大学生就业观念 6S 7 缺乏工作经验 7S 8 知识陈旧，转化率低 8S
1什么是结构方程模型
1什么是结构方程模型？ 结构方程模型是应用线性方程表示观测变量与潜变量之间，以及潜在变量之间关系的一种多元统计方法，其实质是一种广义的一般线性模型。 ?結構方程模式(Structural Equation Models，簡稱SEM)，早期稱為線性結構方程模式(Linear Structural Relationships，簡稱LISREL)或稱為共變數結構分析(Covariance Structure Analysis)。 ?主要目的在於考驗潛在變項(Latent variables)與外顯變項(Manifest variable, 又稱觀察變項)之關係，此種關係猶如古典測驗理論中真分數(true score)與實得分數(observed score)之關係。它結合了因素分析(factor analysis)與路徑分析(path analysis)，包涵測量與結構模式。 ? 1.1介绍潜在变量与观察变量的概念 ?（1）很多社会、心理研究中所涉及到的变量，都不能准确、直接地测量，这种变量称为潜变量，如工作自主权、工作满意度等。 ?（2）这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。如用工作方式选择、工作目标调整作为工作自主权（潜变量）的指标，以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度（外显指标）作为工作满意度的指标。 ?（3）传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型则能同时处理潜变量及其指标。 （4）书上第7页 观测变量：能够观测到的变量(路径图中以长方形表示) 潜在变量：难以直接观测到的抽象概念，由测量变量推估出来的变量（路 径图中以椭圆形表示） 内生变量：模型总会受到任何一个其他变量影响的变量（因变量；路径图 会受到任何一个其他变量以单箭头指涉的变量 外生变量：模型中不受任何其他变量影响但影响其他变量的变量（自变量； 路径图中会指向任何一个其他变量，但不受任何变量以单箭头指涉的变量） 中介变量：当内生变量同时做因变量和自变量时，表示该变量不仅被其他 变量影响，还可能对其他变量产生影响。 内生潜在变量：潜变量作为内生变量 外生观测变量：外生潜在变量的观测变量 外生潜在变量：潜变量作为外生变量 外生观测变量：外生潜在变量的观测变量 中介潜变量：潜变量作为中介变量 中介观测变量：中介潜在变量的观测变量 1.2介绍测量模型与结构模型的概念（书上第9页）
结构方程模型 方法与应用 王济川
第一章绪论 1.1 模型表述 1.1.1 测量模型 1.1.2 结构模型 1.1.3 模型表达方程 1.2 模型识别 1.3 模型估计 1.4 模型评估 1.5 模型修正 附录1.1 将总体方差／协方差表达为模型参数的函数附录1.2 结构方程模型的最大似然函数 第二章验证性因子分析模型 2.1 验证性因子分析模型基础知识 2.2 连续观察标识的验证性因子分析模型 2.3 非正态与删截连续观察标识的验证性因子分析模型2. 3.1 非正态性检验 2.3.2 非正态数据的验证性因子分析模型 2.3.3 删截标识的验证性生因子分析模型 2.4 分类观察标识的验证性因子分析模型 2.5 高阶验证性因子分析模型 附录2.1 BSI-18量表 附录2.2 条目可靠度 附录2.3 Cronbacha系数 附录2.4 分类结局测量的连接函数和概率计算 第三章结构方程模型 3.1 MIMIC模型 3.2 结构方程模型 3.3 单标识变量中测量误差的校正 3.4 检验涉及潜变量的交互作用
附录3.1 测量误差的影响 第四章潜发展模型 4.1 线性潜发展模型 4.2 非线性潜发展模型 4.3 多结局测量发展过程的线性潜发展模型 4.4 两部式潜发展模型 4.5 分类结局测量的潜发展模型 第五章多组模型 5.1 多组验证性因子分析模型 5.1.1 多组一阶验证性因子分析模型 5.1.2 多组二阶验证性因子分析模型 5.2 多组结构方程模型 5.3 多组潜发展模型 第六章结构方程建模的样本量估计 6.1 结构方程模型样本量估计的经验法则 6.2 satorra-Saris法估计样本量 6.2.1 应用satorra-Saris法估计CFA模型的样本量 6.2.2 应用satorra-Saris法估计LGM模型的样本量 6.3 蒙特卡罗模拟法估计样本量 6.3.1 蒙特卡罗模拟法估计CFA模型的样本量 6.3.2 蒙特卡罗模拟法估计LGM模型的样本量 6.3.3 蒙特卡罗模拟法估计具有协变量的LGM模型样本量 6.3.4 蒙特卡罗模拟法估计具有协变量和缺失值的LGM模型样本量6.4 基于模型拟合统计量／指标的SEM样本量估计 参考文献
结构方程模型的研究进展与应用
结构方程模型的研究进展与应用 引言 从大量事件样本进行统计分析，由事件的表象获得本质性的事件规律，是科研人员特别是管理工作者常见的研究工作方法，也是很有效的科学研究方法。 统计分析方法众多，深浅不一，效果各异。对于复杂事件而言，其牵涉的层面复杂，影响和制约因子众多，这些影响或制约因子往往又非孤立，而是相互牵涉、相互影响。故需要剖析事件的内在层面结构关系，分析事件的影响显在因子，并构建一定的结构方程模型，进而挖掘出事件的影响潜在因子，综合分析并构建一个或若干个事件发展的判断指标，且设定某一程度的判断标准，判断事件的发展动态。这样的统计分析方法就是结构方程模型。结构方程模型因其优越性得到飞快的发展和广泛的应用。 1 结构方程模型的研究 1.1 基本概念、思想及本质阐述 人们对于结构方程模型（StructuralEquationModeling简称为SEM）的概念的阐述也是变化的，有从含糊到明确、由片面到全面、由肤浅到不断深入、由定格到扩充和发展的过程。 20 世纪二三十年代，结构方程模型思想刚刚起源、萌芽时，起初确定为由Sewll Wright[1]最初提出了路径分析的概念，这种路径分析当时还没有定义为结构方程模型。之后的数十年中，对于路径分
析的方法和内涵不断扩充与展开。直到20 世纪70 年代，一些学者以Joreskog 和Wiley 为代表，将因子分析和路径分析等统计方法加以整合，明确提出结构方程模型的概念[2],结构方程模型的概念明确提出后，立即得到迅猛发展，内容进一步充实，方法扩充，针对实际研究对象的具体模式不断涌现，应用的范围迅速扩展。早期的结构方程模型跟数学中的数理统计方法不是很融合，结合不大，也没有注重数理统计方法的重要性和运用的实效性。结构方程模型所包含的内容也很少，结构较为简单，方法较为单一，所列出的影响因子较少，全为显性因子，对于潜在因子的重视和提出要求是在21 世纪初的事情了。 进入21 世纪后，人们对于结构方程模型的内在本质进一步明确，对其内涵进一步加以扩充，其模型结构图的构建越来越复杂，因子越列越多，潜在因子被明确提出并作为结构方程模型必须要求的内容。如今明确阐述结构方程模型为当代行为和社会领域量化研究的重要统计方法，是传统数理统计方法与一定的计算机技术相结合的产物（这一点对于现代和未来的结构方程模型的发展来说更为确切）。 当今学者[3,4]强调结构方程模型中包含显性指标、潜在变量、干扰或误差变量间的关系，进而获得自变量对因变量的直接效果、间接效果或总效果。其基本上是一种验证性方法，通常必须有理论或经验法则的支持，在理论引导的前提下才能构建模型结构图，并进行后续工作。即便是对于模型的修正，也必须依据相关理论进行，强调理论的合理性，故结构方程模型是较为严谨的一种统计分析方法和理论。