结构方程模型算是护理学研究中较为常见的统计学方法。今天这篇文章为统计小白们详细介绍一下结构方程模型的关键概念，适用的研究问题，操作步骤。这次还是以一篇已发表的文章为例子进行讲解。
一、什么是结构方程模型1. 前言：在回答这个问题之前，我们先来了解所涉及关键变量的含义——观测变量、潜在变量、误差变量。

◆ 观测变量：又称潜在变量的外显变量/测量指标/指标变量，是量表或问卷等测量工具所得的数据。

◆ 潜在变量：又称无法测量的变量/构念，是观察变量间所形成的特质或抽象概念，此特质或抽象概念无法直接测量，而要由观察变量测得的数据资料来反映，比如焦虑、态度等。潜在变量包括外生/自变量、内生/因变量、中介变量。

外生变量：指在模型中未受任何其他变量的影响，而直接影响其他变量的变量，只发挥解释变量的作用。外生变量在路径分析图中相当于自变量。

内生变量：指在模型中会受到任一变量影响的变量，内生变量在路径分析图中相当于因变量，也就是路径分析图中箭头所指的对象。中介变量：同时具备外生变量和内生变量属性的变量，可称为一个中介变量。】
◆ 误差变量：指内生潜在变量无法被模型中的外生潜在变量解释的变异量，即结构方程模型中的随机变异部分。
2. 定义：结构方程模型，指基于变量的协方差矩阵来分析变量间关系的一种统计学方法。其本质在于「验证」，用数据拟合事先假设的模型。一个结构方程模型一般会包含测量模型和结构模型。【协方差是什么？测量模型和结构模型分别指什么？】

◆ 协方差：是两个变量总体误差的方差，可反应两个变量间的线性关系。

◆ 测量模型：由潜在变量和观察变量组成，是整个模型中验证式因素分析的部分。

◆ 结构模型：是潜在变量间因果关系的模型说明，作为因的潜在变量即外生潜在变量，作为果的潜在变量即内生潜在变量，也是整个模型中路径分析的部分。
3. 举例：在一篇探讨膳食模式与非酒精性脂肪肝的关系的研究[1]中，其构建的模型如下图所示，其中，潜在变量为现代快餐模式、传统模式、优质蛋白模式、人群基本特征，图中方框所表示的即为观察变量。

基于结构方程模型的膳食模式与非酒精性脂肪肝的关系研究

二、结构方程模型的优势

1. 允许存在多个因变量，因变量之间存在相互影响关系，能呈现复杂的、以表达因果关系为核心的网状关系结构。

2. 符合科学研究的逻辑，应用时需要预先建立理论假设，构建概念模型，再通过分析数据验证指标间的关系假设。

3. 可通过多个观察变量测量某个潜变量，从而实现对抽象概念的测量。三、结构方程模型的适用要求

1.对数据的要求：符合多变量正态性假定，必须为正态分布数据，测量指标变量呈现线性关系。

2.样本量至少达到观察变量数目的10倍，能达到20倍更好。四、结构方程模型的实施步骤

1. 模型构建：基于理论构建假设模型，需要对观测变量与潜在变量的关系，各潜在变量之间的相互关系等做出假设。

2. 模型拟合：主要是使用样本估计模型参数，求得使模型隐含的协方差距阵与样本协方差距阵的“差距”最小的一组参数。

3. 模型评价：路径系数的显著性、各参数与预设模型的关系是否合理、各拟合指数是否通过。

4. 模型修正：当评价指标不理想时，对模型进行修正，通过模型扩展（使用修正指数）或模型限制（使用临界比率）。

实操起来，可构建结构方程模型的常用统计软件有：AMOS、MPLUS、SPSS等。具体步骤包括在软件上画出预设的模型结构，导入数据，判断模型结构的合理性和真实性，根据评价指标进行模型修订，最后归纳整理所需的结果指标和图。

五、应用举例今天用来举例分享的文章[2]于2022年刊登在《中国卫生资源》，该研究属于国家社会科学基金重大项目（17ZDA078），上海市卫生健康委员会卫生健康政策研究课题（2020HP21）。这篇研究旨在探究上海市老年人移动医疗服务使用意愿的影响因素，因此对上海市406名老年人进行问卷调查，再运用SPSS 26.0和AMOS 26.0进行描述统计、单因素秩和检验、相关分析和结构方程模型检验。
第一步需要构建假设模型。回顾既往文献，研究者发现老年人的移动医疗服务使用意愿会受到个人特征、外部环境等因素的作用。健康态度、技术焦虑、抵触改变都会影响糖尿病患者的移动医疗服务使用意愿。同时研究者选择以相关领域研究中广泛应用的整合型技术接受与使用理论（unified theory of acceptance and use of technology,UTAUT）为指导。基于该理论模型，研究者提出，绩效期望、努力期望、社会影响、便利条件等要素也会对老年人移动医疗服务的使用意愿产生正面影响。在对观测变量与潜在变量的关系，各潜在变量之间的相互关系做出上述假设后，研究者开始了调查。
第二步是进行模型拟合。主要是在统计软件AMOS 26.0上操作，在文章中对此步骤的描述较少。我们可以在结果部分看到研究者对所使用方法的进一步报告。“在既往研究及相关分析的基础上构建原始假设模型，采用最大似然法进行模型估计”。
第三步是模型评价，第四步是模型修正。可以在结果部分看到作者对这两步的描述“原始模型的适配度指标除节俭规范拟合指数（parsimonious normedfit index,PNFI）和节俭拟合指数（parsimonious goodness-of-fit index,PGFI）达标外，其余指标均未达到适配要求，拟合效果未达到最佳。用AMOS 26.0软件依据修正指数对原始模型进行反复修正、调整，删除无效路径后得到最终模型，见图1”。

图1 老年人移动医疗服务使用意愿影响因素的结构方程模型

关于模型的评价指标，作者以表格的形式进行呈现。“该模型的适配度指标除拟合优度指数（goodnessof-fit index,GFI）、规范拟合指数（normedfit index,NFI）未达到大于0.900的标准外，其余6个适配度指标均达标，表明模型拟合效果良好，见图2”。

图2 原始模型与修正模型的拟合指数

关于模型的评价指标，常用的如上表所示，一般认为卡方/自由度在2-3之间，GFI＞0.9，AGFI＞0.9，RMSEA＜0.05，NFI＞0.9，CFI＞0.9即说明模型拟合很好。本次分享到这里就结束了，关于统计软件的实操，大家可以看我们往期的科研直播课，配合文章效果更好哦。参考 [1]王倩,武珊,白云瑞等.基于结构方程模型的膳食模式与非酒精性脂肪肝的关系研究[J].中国慢性病预防与控制,2022,30(11):873-876.DOI:10.16386/j.cjpccd.issn.1004-6194.2022.11.016.

[2]娄莉萍,陈一涵,骆泰庆等.基于结构方程模型的老年人移动医疗服务使用意愿影响因素及路径分析：以上海市为例[J].中国卫生资源,2022,25(06):865-871.DOI:10.13688/j.cnki.chr.2022.220492.

编辑丨Frank