優點
（一）同時處理多個因變數
結構方程分析可同時考慮並處理多個因變數。在回歸分析或路徑分析中，就算統計結果的圖表中展示多個因變數，其實在計算回歸係數或路徑係數時，仍是對每個因變數逐一計算。所以圖表看似對多個因變數同時考慮，但在計算對某一個因變數的影響或關係時，都忽略了其他因變數的存在及其影響。
（二）容許自變數和因變數含測量誤差
態度、行為等變數，往往含有誤差，也不能簡單地用單一指標測量。結構方程分析容許自變數和因變數均含測量誤差。變數也可用多個指標測量。用傳統方法計算的潛變數間相關係數，與用結構方程分析計算的潛變數間相關係數，可能相差很大。
（三）同時估計因子結構和因子關係
假設要了解潛變數之間的相關，每個潛變數者用多個指標或題目測量，一個常用的做法是對每個潛變數先用因子分析計算潛變數（即因子）與題目的關係（即因子負荷），進而得到因子得分，作為潛變數的觀測值，然後再計算因子得分，作為潛變數之間的相關係數。這是兩個獨立的步驟。在結構方程中，這兩步同時進行，即因子與題目之間的關係和因子與因子之間的關係同時考慮。
（四）容許更大彈性的測量模型
傳統上，我們只容許每一題目（指標）從屬於單一因子，但結構方程分析容許更加複雜的模型。例如，我們用英語書寫的數學試題，去測量學生的數學能力，則測驗得分（指標）既從屬於數學因子，也從屬於英語因子（因為得分也反映英語能力）。傳統因子分析難以處理一個指標從屬多個因子或者考慮高階因子等有比較複雜的從屬關係的模型。
（五）估計整個模型的擬合程度
在傳統路徑分析中，我們只估計每一路徑（變數間關係）的強弱。在結構方程分析中，除了上述參數的估計外，我們還可以計算不同模型對同一個樣本數據的整體擬合程度，從而判斷哪一個模型更接近數據所呈現的關係。
假設條件
· 合理的樣本量（James Stevens的Applied Multivariate Statistics for the Social Sciences一書中說平均一個自 變數大約需要15個case；Bentler and Chou (1987)說平均一個估計參數需要5個case就差不多了，但前提是數據質量非常好；這兩種說法基本上是等價的；而Loehlin (1992)在進行蒙特卡羅模擬之後發現對於包含2~4個因子的模型，至少需要100個case，當然200更好；小樣本量容易導致模型計算時收斂的失敗進而影響到參數估計；特別要注意的是當數據質量不好比如不服從常態分配或者受到污染時，更需要大的樣本量）
· 連續的正態內生變數（注意一種表面不連續的特例：underlying continuous；對於內生變數的分布，理想情況是聯合多元常態分配即JMVN）
· 模型識別（識別方程）（比較有多少可用的輸入和有多少需估計的參數；模型不可識別會帶來參數估計的失敗）
· 完整的數據或者對不完整數據的適當處理（對於缺失值的處理，一般的統計軟體給出的刪除方式選項是pairwise和listwise，然而這又是一對普遍矛盾：pairwise式的刪除雖然估計到儘量減少數據的損失，但會導致協方差陣或者相關係數陣的階數n參差不齊從而為模型擬合帶來巨大困難，甚至導致無法得出參數估計；listwise不會有pairwise的問題，因為凡是遇到case中有缺失值那么該case直接被全部刪除，但是又帶來了數據信息量利用不足的問題——全殺了吧，難免有冤枉的；不殺吧，又難免影響整體局勢）
· 模型的說明和因果關係的理論基礎（實際上就是假設檢驗的邏輯——你只能說你的模型不能拒絕，而不能下定論說你的模型可以被接受）
圖書信息
書 名: 結構方程模型
作者：吳明隆
出版社： 重慶大學出版社
出版時間： 2009-7-1
開本： 16開
定價: 59.80元
書 名：結構方程模型及其套用
作 者：侯傑泰、溫忠麟、成子娟
出版社：教育科學出版社
出版時間：2004-7-1
ISBN：7-5041-2816-3
定價：39（含光碟）
圖書目錄
第一章 結構方程模型的基本概念
第一節 結構方程模型的特性
第二節 測量模型
第三節 結構模型
第四節 結構方程模型圖中的符號與意義
第五節 參數估計方法
第六節 模型的概念化
第七節 模型的修正
第八節 模型的覆核效化
第二章 模型適配度統計量的介紹
第一節 模型適配度檢核指標
一、模型基本適配指標
二、整體模型適配度指標(模型外在質量的評估)
三、模型內在結構適配度的評估(模型內在質量的檢驗)
四、模型統計檢驗力的評估
第二節 模型識別的範例
一、正好識別模型
二、過度識別模型
三、低度識別模型
第三章 Amos Graphics界面介紹
第一節 Amos Graphics視窗的介紹
一、開啟【Amos Graphic】套用軟體
二、工具箱視窗的圖像鈕操作介紹
第二節 圖像鈕綜合套用
一、繪製第一個測量模型
二、繪製第二個測量模型
三、繪製第三個測量模型
第四章 Amos執行步驟與程式
第一節 路徑分析的程式與執行
一、建立路徑模型圖
二、開啟數據檔案
三、設定觀察變數
四、設定誤差變數的變數名稱
五、設定文字報表要呈現的統計量
六、將路徑模型圖存檔與計算估計值
七、瀏覽模型的結果
第二節 路徑因果模型圖的設定
一、外因變數間沒有相關的設定
二、內因變數沒有界定殘差項
第三節 飽和模型與獨立模型
一、飽和模型
二、獨立模型
第四節 結構方程模型圖
一、結構方程模型圖的繪製步驟
二、執行結果的標準化參數估計值路徑圖
三、模型的平行檢驗
第五節 結構模型與修正指標
一、模型A:初始模型
二、模型B:修正模型1
三、模型c:修正模型2
四、模型D:修正模型3
第六節 單一檔案多重模型的設定
第五章 參數標籤與測量模型
第一節 參數標籤的設定與特定樣本的分析
一、更改特定群體名稱與模型名稱
二、開啟數據檔案選人指標變數
三、設定分析屬性與計算估計值
四、增列模型變數或對象的參數標籤名稱
五、增列參數標籤名稱的模型估計結果
六、全體群體假設模型的修正
第二節 特定群體的分析
一、分析男生群體
二、分析女生群體
第三節 測量模型參數值的界定
一、測量模型假設模型
二、限制不同測量指標的路徑參數A
三、低度辨識的模型
四、增列參數限制條件
五、誤差變數的界定
六、測量模型的修正
七、測量模型參數標籤名稱的設定
第四節 測量模型的平行測驗檢驗
第五節 多因子測量模型潛在變數的界定
一、初始模型
二、修正模型
三、斜交關係的測量模型
四、界定測量模型潛在變數間沒有相關
五、完全獨立潛在變數參數修正
六、單向度測量模型與多向度測量模型
第六章 驗證性因素分析
第一節 一階驗證性因素分析--多因素斜交模型
一、假設模型
二、輸出結果
第二節 一階驗證性因素分析--多因素直交模型
一、假設模型
二、模型適配度摘要表
第三節 二階驗證性因素分析
第四節 一階CFA模型多模型的比較
第五節 一階CFA模型測量不變性檢驗
一、描繪一階CFA假設模型圖
二、單一群組多個模型的設定
三、模型估計結果
第七章 路徑分析
第一節 路徑分析的模型與效果
第二節 路徑分析模型--遞歸模型
一、研究問題
二、採用傳統復回歸求各路徑係數
三、Amos Graphics的套用
四、模型圖執行結果l
五、文字報表輸出結果
第三節 飽和模型的路徑分析
一、飽和模型假設模型圖
二、參數估計的模型圖
三、參數估計及適配度結果
第四節 非遞歸模型的路徑分析一
一、假設模型圖
二、參數估計的模型圖
三、參數估計值
四、模型適配度摘要表
第五節 非遞歸模型的路徑分析二
一、設定回歸係數的變數名稱
二、設定回歸係數值W5=W6
三、參數估計的模型圖
四、參數估計值
五、設定兩個內因變數測量誤差的方差相等
第六節 模型界定搜尋
一、飽和模型圖
二、執行模型界定搜尋
第八章 潛在變數的路徑分析
第一節 潛在變數路徑分析的相關議題
一、原始數據檔案變數排列
二、快速複製對象及參數格式
三、增列簡要圖像標題
四、增列參數標籤名稱
五、估計值模型圖參數移動
六、模型適配度的評估
七、模型的修正
八、PA-LV模型修正
第二節 數學效能PA-LV理論模型的檢驗
一、研究問題
二、AITl08 Graphics視窗中的模型圖
三、計算估計的模型圖
四、參數估計相關報表
第三節 模型的修正
一、參數格式的模型圖
二、參數估計相關統計量
第四節 混合模型的路徑分析
一、路徑分析假設模型圖
二、增列模型圖像標題
三、路徑分析模型估計結果
四、採用潛在變數路徑分析模型
五、混合路徑分析模型範例二
六、混合路徑分析模型範例三
七、混合路徑分析模型--非遞歸模型
第九章 多群組分析
第一節 多群組分析的基本理念
一、繪製男生群體路徑分析模型圖
二、開啟數據檔案及選擇目標群組變數
三、開啟數據檔案界定觀察變數
四、設定參數標籤名稱
五、設定群組名稱
六、輸出結果
七、女生群體的分析模型圖
八、多群組分析
第二節 多群組路徑分析
一、繪製理論模型圖
二、讀取數據檔案及觀察變數
三、設定群體名稱
四、界定群體的水平數值及樣本
五、界定群體模型圖的參數名稱
六、界定輸出格式
七、預設模型輸出結果
第三節 多重模型的設定
一、預設模型(未限制參數)
二、協方差相等模型
三、方差相等模型
四、路徑係數相等模型
五、模型不變性模型
六、多個模型的輸出結果
第四節 多群組驗證性因素分析
一、繪製理論模型圖
二、讀取數據檔案及觀察變數
三、設定群體名稱
四、界定群體分組變數名稱及其水平數值
五、設定多群組分析模型
六、輸出結果
第五節 多群組結構方程模型
一、繪製Amos理論模型圖
二、讀取數據檔案並設定群組變數及水平數值
三、設定多群組分析模型
四、群組模型執行結果
五、模型註解說明
第六節 三個群組測量恆等性的檢驗
第七節 多群組路徑分析
一、繪製模型圖與讀人數據檔案
二、增列群組及設定群組名稱
三、設定兩個群組數據檔案變數與變數水平
四、執行多群組分析
五、計算估計值
六、輸出結果
第十章 多群組結構平均數的檢驗
一、SPSS數據檔案
二、設定平均數參數
三、範例一模型A
四、範例一模型B
五、範例二模型A
六、範例二模型B
第一節 結構平均數的操作程式
一、繪製理論模型與設定模型變數
二、增列群組與群組的變數水平數值
三、增列平均數與截距項參數標籤
四、執行多群組分析程式
五、模型估計
第二節 增列測量誤差項間有相關
一、執行多群組分析
二、模型截距項、平均數相等模型評估
三、測量殘差模型的修正
第三節 結構平均數的因素分析
一、增列平均數與截距項參數標籤
二、更改女生群體共同因素平均數的參數名稱標籤
三、設定多群組分析模型
四、輸出結果
第十一章 SEM實例套用與相關議題
第一節 社會支持量表測量模型的驗證
一、測量模型的區別效度
二、測量模型的收斂效度
第二節 缺失值數據檔案的處理
一、觀察變數中有缺失值
二、增列估計平均數與截距項
三、數據取代
第三節 SEM模型適配度與參數估計關係
一、模型A:初始模型
二、模型B
第四節 樣本大小與適配度卡方值
一、樣本數N為100
二、樣本數N為300
三、樣本數N為500
四、樣本數N為700
五、樣本數N為900
六、樣本數N為1100
七、樣本數N為1500
八、樣本數N為2000
第十二章 典型相關分析與結構方程模型關係
第一節 典型相關分析
一、CANCORR語法指令
二、典型相關分析結果
第二節 SEM執行程式
一、第一個典型變數
二、第二個典型變數
三、MIMIC分析結果
參考文獻
