结构化方程模型的更多示例
在本例中，您要为 Bollen (1989) 中所述的工业化和政治民主构建一个结构化方程模型，文中使用来自 75 个发展中国家/地区的数据。数据表中的变量包括 1960 年和 1965 年的四个民主测度和 1960 年的三个工业化测度。这些变量在数据表每一列中的“注释”列属性中说明。要查看“注释”列属性，请右击列名，选择“列信息”，然后在“列属性”下选择“注释”。您要构建的结构化方程模型类型是结构化回归模型。
模型指定过程包含四个主要步骤：创建潜在变量、添加载荷和回归变量、添加协方差项以及对载荷变量设置约束。
1. 选择帮助 > 样本数据库，然后打开 Political Democracy.jmp。
2. 选择分析 > 多元方法 > 结构化方程模型。
3. 从 Prod60 一直选择到 Legis65 并点击模型变量。
4. 点击确定。
“结构化方程模型”报表“模型规格”分级显示项随即显示。
5. 点击“视图”面板框中列表选项卡。
创建潜在变量
6. 在“至列表”中从 Prod60 一直选择到 Labor60，在“添加潜在变量”旁边的框中键入 Ind60，然后点击添加潜在变量。
7. 在“至列表”中从 FrPress60 一直选择到 Legis60，在“添加潜在变量”旁边的框中键入 Dem60，然后点击添加潜在变量。
8. 在“至列表”中从 FrPress65 一直选择到 Legis65，在“添加潜在变量”旁边的框中键入 Dem65，然后点击添加潜在变量。
添加载荷和回归变量
9. 在“自列表”中选择 Ind60，在“至列表”中选择 Dem60，然后点击单向箭头 
按钮。
10. 在“自列表”中选择 Ind60，在“至列表”中选择 Dem65，然后点击单向箭头 按钮。
11. 在“自列表”中选择 Dem60，在“至列表”中选择 Dem65，然后点击单向箭头 按钮。
载荷和回归
添加协方差
12. 在“自列表”中选择 FrOpp60，在“至列表”中选择 Legis60 和 FrOpp65，然后点击双向箭头 
按钮。
13. 在“自列表”中选择 FrOpp65，在“至列表”中选择 Legis65，然后点击双向箭头 按钮。
14. 在“自列表”中选择 FrPress60，在“至列表”中选择 FrPress65，然后点击双向箭头 按钮。
15. 在“自列表”中选择 Fair60，在“至列表”中选择 Fair65，然后点击双向箭头 按钮。
16. 在“自列表”中选择 Legis60，在“至列表”中选择 Legis65，然后点击双向箭头 按钮。
协方差
添加针对载荷的约束
17. 在“载荷”列表中选择 Dem60->FrOpp60 和 Dem65->FrOpp65，然后点击设置等于。
18. 在“载荷”列表中选择 Dem60->Fair60 和 Dem65->Fair65，然后点击设置等于。
19. 在“载荷”列表中选择 Dem60->Legis60 和 Dem65->Legis65，然后点击设置等于。
完成的模型规格
使用字母数字标签指定针对载荷的约束。例如，您可以看到 Dem60->FrOpp60 和 Dem65->FrOpp65 被设置为相等，因为它们都被标记为“c1”。
20. 在“模型名称”下方的文本框中，键入“工业化和政治民主”。
21. 点击运行。
结构化方程模型 —“拟合汇总”报表
“拟合汇总”报表中列出的该模型的卡方统计量为 40.18，自由度为 38。请注意，相应的 p 值为 0.3739，该值不显著。这表明，没有证据可以拒绝模型拟合良好这一原假设。因此，您可以得出结论：该模型对数据拟合良好。
卡方值取决于样本大小，因此，一些拟合良好的模型仍然可以生成显著的卡方值。比较拟合指数 (CFI) 和近似的均方根误差 (RMSEA) 为确定模型拟合提供了额外的指导。这些指数介于 0 和 1 之间。CFI 值最好大于 0.90，RMSEA 值最好小于 0.10（Browne and Cudeck 1993；Hu and Bentler 1999）。在此，CFI 为 0.9968，RMSEA 为 0.0277，这指示拟合极佳。
结构化方程模型 —“参数估计值”报表
接下来，“回归”下的参数估计值表明 Ind60 对 Dem60 和 Dem65 具有正效应，Dem60 对 Dem65 也具有正效应。因此，Ind60 的较高得分与 Dem60 和 Dem65 较高相关，Dem60 的较高得分与 Dem65 的较高得分相关。参数估计值相应的 p 值显示在“回归”下方。3 个回归参数在 α = 0.05 水平下均显著。因此，您得出结论：这些回归关系很牢固。