结构方程模型是一种高级统计分析方法，属于多变量统计分析方法中的一种。它是一种综合运用多元回归分析、路径分析（Path Analysis）和验证性因子分析（Confirmatory Factor Analysis）而形成的统计数据分析工具。它包括测量模型（Measurement Model）和结构模型（Structural Model）两部分。测量模型主要描述潜变量（Latent Variable）与指标间的关系，它可以检查测量变量的信度和效度。结构模型主要描述潜变量之间的因果关系，并计算出解释与未解释的变异量。两部分均为线性模型。

对于潜变量与指标间的关系，通常写成如下测量方程：

其中，

x——外源（Exogenous）指标组成的向量；

y——内生（Endogenous）指标组成的向量；

Λx——外源指标与外源潜变量之间的关系，是外源指标在外源潜变量上的因子负荷矩阵；

Λy——内生指标与内生潜变量之间的关系，是内生指标在内生潜变量上的因子负荷矩阵；

δ——外源指标x 的误差项；

ε——内生指标y 的误差项。

对于潜变量间的关系，通常写成如下结构方程：

其中，(www.daowen.com)

η——内生潜变量；

ξ——外源潜变量；

B——内生潜变量间的关系；

Γ——外源潜变量对内生潜变量的影响；

ζ——结构方程的残差项，反映了η 在方程中未能被解释的部分。

潜变量间的关系即结构模型，通常是研究的重点，因此整个分析也称为结构方程模型。

相比于传统的分析方法，结构方程模型容许自变量和因变量含测量误差；可同时处理多个因变量；同时估计结构和因子关系；容许更大弹性的测量模型；可估计整个模型的拟合程度。

当然，SEM 也有基本的假定，当这些假定被满足时，才能够确保统计的推论。这些假定包括多变项常态性（Multivariate Normality）、无系统遗漏值（Nonsystematic Missing Value）、足够大的样本（Sufficiently Large Sample）、正确的模式界定（Correct Model Specification）及简单随机抽样（Simple Random Sampling）。

在满足基本假定的前提下，结构方程模式的分析过程主要包括：①理论（Theory）。SEM 中变量间关系的呈现，需要依靠理论来建立，而且理论是假设模式成立的主要的解释依据。②模式界定（Model Specification）。将理论所呈现的假设以SEM 的形式加以表达。③模式识别（Model Identification）。决定模式是否是可识别的，如果模式是可识别的，则表示理论上模式中的每一个参数皆可导出唯一的估计值。④选择测量变量及收集资料。⑤模式估计（Model Estimation）。⑥适配度评价（Assessment of Fit）。用于决定理论预测模式与所收集资料间适配的程度。⑦模式修正。当整体模式适配度未达到可接受的程度时，可以依据理论假设及统计所呈现的结果，来将参数释放或固定。⑧解释。对模式的统计结果作解释。

本研究选择SEM 作为统计分析工具是基本合适的。第一，从本章数据的描述性统计可以看出，本研究中的测量变量是符合正态分布的。第二，笔者对回收的问卷进行了筛选，剔除了无效问卷，对于部分问卷漏答的题项，通过电话和E-mail 再次向问卷填答者进行询问，保证了问卷中无系统遗漏值。第三，本研究的样本数目已达到结构方程分析所需的样本数量。对于结构方程分析中的样本数目，不同学者有着不同的看法。Anderson 和Gerbing（1988）认为100～150 个样本是满足样本大小的最低底线。Rigdon（2005）认为SEM 模型分析中，样本数至少应在150 个以上，若样本数在150 个以下，模型估计是不稳定的。本研究正式调查收集到企业有效样本数据172 份，已达到SEM 所需要的样本容量要求。第四，本研究提出概念模型是在已有研究的理论基础上产生的，因而可采用SEM进行深入分析。第五，虽然本研究无法获得研究对象总体的资料，无法采用随机抽样的方法，但本研究选取的样本企业主要在代工企业较为集中的广州、东莞、佛山等地，因此样本基本可满足SEM 统计分析的要求。以下将按照结构方程模型分析过程的要求，采用SEM 对样本企业进行统计分析。