sas結(jié)構(gòu)方程很美，但圖形好像很難調(diào)整，不知是不是我沒找對(duì)地方。

spss的amos圖形調(diào)整起來好像很便利，不知sas能不能通過語法調(diào)整。

結(jié)構(gòu)方程技術(shù)為社會(huì)科學(xué)計(jì)量分析工作者所鐘愛。結(jié)構(gòu)方程有效地整合了各種統(tǒng)計(jì)方法，可以實(shí)現(xiàn)復(fù)雜變量間的路徑關(guān)系，尤其是多因變量的問題。可以認(rèn)為這種技術(shù)是解決面的問題的一種特有的方法。

1）先驗(yàn)理論性

SEM模型的“一邊”是先驗(yàn)理論導(dǎo)出的協(xié)方差結(jié)構(gòu)，“一邊”是樣本數(shù)據(jù)導(dǎo)出的協(xié)方差結(jié)構(gòu)?？梢钥闯?，先驗(yàn)理論的重要性，故SEM模型本質(zhì)上是驗(yàn)證性模型。所以在分析過程中，從變量及模型的界定到繪制路徑圖，均在先驗(yàn)理論的基礎(chǔ)上完成的，樣本數(shù)據(jù)更多是起到了驗(yàn)證的作用。

如果樣本數(shù)據(jù)結(jié)構(gòu)與理論模型結(jié)構(gòu)匹配，則模型是適切的，具體可參考模型擬合指標(biāo)。

2）以模型的協(xié)方差結(jié)構(gòu)為基礎(chǔ)

協(xié)方差用于描述兩個(gè)變量間的關(guān)聯(lián)程度。樣本協(xié)方差矩陣與理論協(xié)方差矩陣是SEM運(yùn)算的基礎(chǔ)，當(dāng)然也可以使用相關(guān)矩陣，不過如果用戶使用相關(guān)矩陣，需要提供標(biāo)準(zhǔn)差信息，否則SEM輸出將無法計(jì)算協(xié)方差信息。

值得一提的是統(tǒng)計(jì)標(biāo)準(zhǔn)格式的原始數(shù)據(jù)也是允許的。

3）集測(cè)量模型與結(jié)構(gòu)模型于一體

結(jié)構(gòu)方程模型在很多方面有效地整合，并發(fā)展了測(cè)量理論與統(tǒng)計(jì)分析，例如自變量的測(cè)量誤差、誤差間的相關(guān)、信效度、融合多種多元統(tǒng)計(jì)技術(shù)等。

4）與他統(tǒng)計(jì)模型間的拓展

由于SEM具有多種統(tǒng)計(jì)方法的特性，這也為方法間的融合，提供了必要的溫床。目前統(tǒng)計(jì)學(xué)方法論的一個(gè)新的趨勢(shì)是基于追蹤數(shù)據(jù)分析的方法（重復(fù)測(cè)量數(shù)據(jù)）與結(jié)構(gòu)方程模型的結(jié)合（張雷、侯杰泰,2002），當(dāng)然，將多層線性模型整合到結(jié)構(gòu)方程模型的框架下卻也形成了另一套獨(dú)立的方法系統(tǒng)（王濟(jì)川等，2008）。

5）多種評(píng)價(jià)指標(biāo)的運(yùn)用

SEM模型使用多種指標(biāo)評(píng)價(jià)模型，像NFI、NNFI、ECVI、CAIC、BIC、GFI、AGFI等等。各指標(biāo)有不同特點(diǎn)，即評(píng)價(jià)模型優(yōu)劣的不同側(cè)面，所以需要綜合參考。

6）大樣本理論的產(chǎn)物

由于SEM聯(lián)立了多種多元統(tǒng)計(jì)于一身，所以多元統(tǒng)計(jì)的假設(shè)條件，同樣也適用于SEM模型，像變量的正態(tài)性、觀測(cè)間的獨(dú)立性、異方差、樣本量等等。尤其是對(duì)樣本量有嚴(yán)格的要求。一般而言，樣本量需要在200個(gè)觀測(cè)以上，SEM結(jié)果才能比較穩(wěn)定，100個(gè)觀測(cè)是底線（貝葉斯SEM處理）。

當(dāng)然如果使用比較特殊的參數(shù)估計(jì)，像漸進(jìn)分布自由法（ADF），需要的樣本量應(yīng)在2000以上。

sas代碼：官方數(shù)據(jù)

data wheaton(type=cov);

_type_ = 'cov';

input _name_ $ 1-11 anomie67 powerless67 anomie71 powerless71 education sei;

label anomie67='anomie (1967)' powerless67='powerlessness (1967)'

anomie71='anomie (1971)' powerless71='powerlessness (1971)'

education='education' sei='occupational status index';

datalines;

anomie67 11.834 . . . . .

powerless67 6.947 9.364 . . . .

anomie71 6.819 5.091 12.532 . . .

powerless71 4.783 5.028 7.495 9.986 . .

education -3.839 -3.889 -3.841 -3.625 9.610 .

sei -21.899 -18.831 -21.748 -18.775 35.522 450.288

;

ods graphics on;

proc calis nobs=932 data=wheaton plots=all;

path

anomie67 powerless67 <=== alien67 = 1.0 0.833,

anomie71 powerless71 <=== alien71 = 1.0 0.833,

education sei <=== ses = 1.0 lambda,

alien67 alien71 <=== ses = gamma1 gamma2,

alien71 <=== alien67 = beta;

pvar

anomie67 = theta1,

powerless67 = theta2,

anomie71 = theta1,

powerless71 = theta2,

education = theta3,

sei = theta4,

alien67 = psi1,

alien71 = psi2,

ses = phi;

pcov

anomie67 anomie71 = theta5,

powerless67 powerless71 = theta5;

pathdiagram diagram=standard;*圖像的輸出控制;

run;

ods graphics off;

輸出：殘差圖、系數(shù)