第七章 实证讨论方法及数据处理-—结构方程模型7。1 引言与以往依据经验推导出理论知识的讨论范式不同，实证讨论强调理论知识的可靠性必须建立在观察和实验的经验证明的基础之上.实证讨论通过经验观察的数据和实验讨论的手段来证明理论假设，就必须要求这种假设具有可证性.实证讨论方法不仅在自然科学领域得到广泛应用，而且已对社会科学的讨论产生深刻影响，提升了社会现象的讨论的精确性和科学性。实证讨论的过程一般包括如下几个步骤:(1)问题确定讨论问题或是来源于讨论者在实践中遇到的新问题或是在已有理论基础上的拓展，前一类问题讨论往往有很强的创新性，但由于缺乏相关讨论支撑，难度可能也较大，后一类类问题难度往往较小，但创新程度也可能不大。讨论者往往需要在这两个方面进行平衡。（2）文献讨论文献讨论有助于讨论者熟悉所讨论领域，对讨论问题的价值进行评估，并寻找到真正的问题所在，同时有助于避开无意义的重复讨论。（3）提出理论框架和假设理论框架主要包括变量、变量间关系和系统图，如路径分析和结构方程模型中的变量间关系的路径图。假设则是指将变量间关系的合理推测以可验证的命题表达出来。(4）样本选择及数据采集样本的选择根据问题的差异而定，样本的数据或部分数据可以从公开的数据中获得如年鉴、报刊、上市公司年报等，也可以通过问卷调查的方式获得。（5)数据分析及假设检验数据分析一般结合各种统计软件进行，根据数据分析的结果可以确定测量模型是否合理以及总体模型的拟合情况，根据这些结果就可以进一步地确定能否对假设进行验证。本章主要介绍实证讨论方法中的结构方程模型方法,并根据结构方程模型的思想来源分别介绍因子分析（包括探究性因子分析和验证性因子分析）、路径分析等探究性和实证性的方法，接着重点介绍结构方程模型，最后应用结构方程模型软件 Amos7.0 对验证性因子分析、路径分析和结构方程模型加以应用举例，注重通过对不同方法之间关系的比较使讨论者逐步加深对结构方程模型方法和技术的理解和掌握。结构方程模型（Structural Equation Modeling, 简称 SEM)是一种融合了因子分析和路径分析的多变量统计方法和技术,是第二代数据分析方法和技术，能够进行高质量的数据分析.与第一代数据处理技术如回归分析相比，结构方程模型能够对多个自变量和多个因变量的关系进行建模并通过简单而系统的分析同时解决一系列相关讨论问题，同时，可以通过多个可直接观测变量来衡量无法直接观测的潜在...
