结构方程模型在spss的哪里

结构方程模型的前身是Sewall Wright所提出的最初的路径分析，后来这方法在社会科学研究中广泛应用。在不断地借鉴学习中，结合社会学数据资料的特点，学者们对这个方法进行了改进，在日积月累地改进下得到了现在的结构方程模型。接下来就来谈谈SPSS结构方程怎么做，SPSS结构方程模型教程。
一、SPSS结构方程怎么做
SPSS结构方程需要使用SPSS的一款软件AMOS，AMOS软件是专门用来进行结构方程模型分析的软件之一。
AMOS
图1：AMOS
进行结构方程模型分析一般分为4个步骤：
1模型设定：进行amos模型估计之前，先要根据已经成熟的理论成果来设计初始理论模型。
2模型识别：要决定所设定的模型是否能够为所需要的估计参数求解，有时会因为模型设定的问题，造成模型不可识别，比如样本量过少所造成的待求系数太多而方程数目太少。
3模型估计：模型参数可以采用几种不同的方法来估计，方法包括最大似然法和广义最小二乘法、贝叶斯估计。
4模型评价与修正：模型估计之后，须对模型的整体拟合效果和参数的估计值进行评价。如果模型拟合效果不佳，可以对模型进行修正。
二、SPSS结构方程模型教程
接下来就用amos实战 *** 作一下。
1导入数据
选择你需要的文件名，最好是SPSS数据集的格式，即文件格式为sav
导入数据
图2：导入数据
2点击生成数据框。
显示数据框步骤
图3：显示数据框步骤
数据框
图4：数据框
3设计结构方程模型
设计的模型
图5：设计的模型
类似于思维导图的样子，AMOS中，工具栏上矩形框表示观测变量，椭圆框表示潜在变量，单向的箭头代表两者之间的因果顺序关系，双向的箭头代表两者之间存在相互关系。将对应名称拉至观测变量上。小圆圈代表残差项，可以在插件栏中自动命名。

分析步骤
1首先收集数据,把你需要分析的数据输入到Minitab当中
2然后在菜单栏依次点击图形--箱线图
3我们分析的数据是两组对比数据,所以在d出的对话框中选择多个Y简单

1、向spss输入数据以后，通过选择Graphs窗口来点击Scatter/Dot。

2、下一步等作出散点图以后，直接点击图示按钮。

3、这个时候在d出的对话框中，需要选择拟合二次曲线进行确定。

4、这样一来会生成相关的设置结果，即可添加趋势线并同时显示出线性方程和R方了。

中介效应，它指的是X对Y的影响是通过M实现的，也就是说M是X的函数，Y是M的函数（Y-M-X）。考虑自变量X对因变量Y的影响，如果X通过M影响变量Y，则称M为中介变量。 下面我们主要从下面四个方面来解说：

[if !supportLineBreakNewLine]

[endif]

实际应用

理论思想

建立模型

[if !supportLineBreakNewLine]

[endif]

分析结果
[if !supportLineBreakNewLine]

[endif]

一、实际应用

在社会科学研究中，研究自变量（X）对应变量（Y）影响时，常会受到第三个变量（M）的影响。如果影响模式如图1所示，M仅对Y有影响，但M与X没有关系时，我们可以把M当做协变量来处理X与M均为分类变量时，采用方差分析；X为分类，M为连续变量，可以采用协方差；X为连续，M为连续，采用回归分析；X为连续，M为分类，可以采用分层回归分析进行解释。。
图1

然而很多时候，M对X会发生一定的作用，如X通过M影响Y的中介作用

部分中介作用 ，X对Y有直接作用，也可以通过M对Y起作用，犹如X和Y是同班同学，但是通过M正式介绍，成为男女朋友关系；

完全中介作用 ，X对Y的作用完全通过M传达。例如，某种治疗癌症的药物（X）需要通过特定的酶（M）才能有效杀死肿瘤细胞（Y），如果体内缺少这种酶，药物的作用将失效或作用大大降低。可见中介变量是参与整个因果过程中的重要一环，不可或缺，正因如此，中介效应分析的前提是变量间存在明确的（理论上或事实上的）因果关系。
[if !supportLineBreakNewLine]

[endif]

二、理论思想
在统计处理上，中介效应通过依次回归实现，下图为中介效应分析路径图，自变量X对因变量Y的影响，如果X变量通过影响M变量来影响Y变量，则M为中介变量。通常将变量经过中心化转化后，得方程1：Y=cX+e1；方程2：M=aX+e2；方程3：Y=

c′X+bM+e3。其中，c是X对Y的总效应，a-b是经过中介变量M的中介效应，c′是直接效应。当只有一个中介变量时，效应之间有c=c′+ab，中介效应的大小用c-c′=ab来衡量。

中介变量示意图

SPSS实现中介效应与调节效应其实就是利用回归来做。
[if !supportLineBreakNewLine]

[endif]

三、建立模型
[if !supportLineBreakNewLine]

[endif]

中介效应案例：

[if !supportLineBreakNewLine]

[endif]

题目：研究工作认同感与工作绩效之间心理因素（焦虑）的意义。原始数据包括：工作不被认同、焦虑、工作绩效3个变量，试分析焦虑是否为领导不认同导致工作效率下降的中介变量。

一、数据输入
二、 *** 作步骤 1、进入SPSS，打开相关数据文件，按照中介变量示意图，分别做3次回归，先做第一条回归，Y=cX+e1。2、选择分析→回归→线性，将工作绩效放入“因变量”框，工作不被认同放入“块（B）”自变量中，方法选择“输入法”，点击“确定”。
3、做第二条回归，M=aX+e2。

选择分析→回归→线性，将焦虑放入“因变量”框，工作不被认同放入“块（B）”自变量中，方法选择“输入法”，点击“确定”。
4、做第三条回归，Y= c′X+bM+e3。

选择分析→回归→线性，将工作绩效放入“因变量”框，工作不被认同和焦虑放入“块（B）”自变量中，方法选择“输入法”，点击“确定”。

[if !supportLineBreakNewLine]

[endif]

四、结果分析

1、回归一表下图为工作绩效与工作不被认同线性回归结果，F=414265，P=0000，说明回归模型有意义，工作不被认同t检验t=20354，P=0000，回归系数有意义，标准化回归系数为0678，即模型Y=cX+e1中，c=0678。

2、回归二表下表为焦虑与工作不被认同回归结果，即方程M=aX+e2结果，F=193247，P=0000，说明建立的回归方程有意义；工作不被认同回归系数t检验，t=13901，P=0000，回归系数有意义，方程中的系数a=0533。

3

、回归三表下表为工作绩效与焦虑、工作不认同回归结果，即方程Y=c′X+bM+e3分析结果，得到F=235490，P=0000，模型有意义；焦虑与工作不被认同回归系数t检验，P均小于005，说明回归系数有意义，本例c′=0564，b=0213。

分析结论：

[if !supportLineBreakNewLine]

[endif]

因此本例是部分中介效应。自变量“工作不被认同”对因变量“工作绩效”的中介效应不完全通过中介变量“焦虑”的中介来达到其影响，“工作不被认同”对“工作绩效”有部分直接效应，中介效应对总效应的贡献率为：

Effect M=ab/c=0533×0213/0678=0167（167%），中介效应解释了因变量的方差变异为sqrt（回归一调整R方0490-回归三调整R方0459）=0176（176%）。

[if !supportLineBreakNewLine]

[endif]

参考案例数据：

[if !supportLineBreakNewLine]

[endif]

[if !supportLists]1    [endif]spss实战与统计思维 武松

（获取更多知识，前往gz号程式解说）

原文来自>

1、建立工作文件，创建并编辑数据。结果如下图所示。

2、在命令行输入lsycx,然后回车。

3、d出equation窗口，如图所示。观察t统计量、可决系数等，可知模型通过经济意义检验，查表与X的t统计量比较发现，t检验值显著。模型对Y的解释程度高达993%。

4、将样本期范围从1978-2003年扩展为1978-2004年：在workfile窗口中依次点击proc->Structure。

5、d出WorkfileStructure窗口，将2003改为2004，然后点击ok，如图所示。

6、在Group窗口中输入2004年X的值，如图所示。

7、在equation窗口中点击Forecast。

8、在d出的窗口中点击ok。

9、在workfile窗口中会生成一个yf，双击打开它，如图所示，即可看到对2004年的预测值。

---