1.基本原理

结构方程模型的应用实质上是使用联立方程组求解的过程，整个建模分析过程都是动态的形式。具体过程是：通过每次模型计算的结果推理模型建立的合理性，再根据以往经验和原有模型拟合度的结果去分析修正模型，最终得到最符合实际、最合理的模型。结构方程模型包括测量方程与结构方程两类方程。

（1）测量方程。测量方程是表示观测变量x、y 与潜变量η、ξ 之间关系的方程组。如公式7-1 所示。

其中：

x——外生观测变量；

y——内生观测变量；

ξ——外生潜变量：

η——内生潜变量；

δ——外生观测变量x 的误差；

ε——内生观测变量y 的误差；

Λx——外生观测变量与外生潜变量之间的关系，是外生观测变量在外生潜变量上的因子载荷矩阵；

Λy——内生观测变量与内生潜变量之间的关系，是内生观测变量在内生潜变量上的因子载荷矩阵。

（2）结构方程。结构方程是表示潜变量与潜变量之间关系的方程组，如公式7-2 所示。

其中：

В——路径系数，表示内生潜变量间的关系；

Г——路径系数，表示外生潜变量对内生潜变量的影响；

ζ——结构方程的残差项，反映了在方程中未能被解释的部分。

2.模型分析方法

与其他传统统计分析技术一样，SEM 分析方法要求使用大样本，样本规模越大越好。一般来说，200 以上的样本，才可以称得上是一个中型的样本，当样本数低于100 时，大多数SEM 分析是不稳定的。当观察数据呈现明显违反正态化假设时，同样样本数较大时，可以采用EDT 法或ADF法。当使用渐进分布自由法（ADF）时，必须使用原始数据，无法利用共变或相关矩阵输入法。在样本量N>2500 时，ADF 分析法才具有稳定性。

但是由于本书取得的有效样本数为 62，并不是大样本，因此采用Bentler 与Yuan（1999）提出的一个统计量Yuan-Вentler’s T，如公式7-3和7-4 所示，修正了ADF 方法，当样本数N 在[60,120]区间内时，仍可以得到稳定估计结果。

3.参数估计

第7.1.3 节中表7-5 已对潜在影响因素和物流集群创新行为整体量表以及各子量表的信度进行了分析。由于测量模型构成与表7-5 所示潜在因素量表构成一致，且进行信度检验，所以不需要对这些量表再次进行信度分析，我们可以认为其内部结构的一致性程度是可以接受的。各测量项回归参数估计如表7-8 所示。

表7-8 各测量项回归参数估计(www.daowen.com)

续表

续表

由表7-8 可以看出，各子量表中，潜在变量对测量变量回归系数的临界比C.R 都大于1.96，标准差S.E 都大于零，说明测量变量对潜在变量的解释能力符合要求，不需要删除任何变量。

4.模型的初步拟合

在SEM 分析的路径图中，测量变量是以长方形的符号来表示的，而潜在变量则是以椭圆形的符号来表示的。由于潜在变量无法由单一变量反映其抽象的内容，而必须透过测量变量进行估计，因此一个潜在变量必须以两个以上的测量变量来估计，称为多元指标原则。测量误差可以被视作是一个潜在变量，其平均数为零，变异量则可被估计，因此在路径图中以椭圆形的符号表示残差（将其看作是一个潜在变量）。受其他变量影响的变量称作内生变量，内生变量的一个重要性质是具有残差，因为内生变量的变异量不一定能够被模型当中的其他变量所完全解释，其他变量无法解释内生变量的部分，就是残差。对于测量变量而言，其变异量无法被完全解释的残差部分，称为测量残差或者独特量（uniqueness）。对于潜在变量而言，内生潜在变量的变异量已经排除了测量误差的影响，因此无法被完全解释的残差部分不能被视为是测量误差，而是其他变量无法解释的独特变异量。这个部分变异量所反映的是模型无法有效解释内生潜在变量的部分，也就是传统回归分析的1-R2解释因素必然来自于模型之外，因此特别给予一个名词称为SEM 模型的干扰项（disturbance）。

遵循结构方程模型上述建模的规则，在图7-1 所示的概念模型基础上，本书在AMOS 7.0 软件中绘制成AMOS 能够识别的结构方程模型，如图7-2所示。

图7-2 在AMOS 7.0 中生成的初始结构方程模型

拟合结果表明，初始SEM 模型拟合的χ2值等判断标准均无有效的值。另外，除了少数路径系数以外，结构方程模型中大部分与路径系数相应的C.R 值均大于1.96 的参考值，在P≤0.05 的水平上具有统计显著性。但是，未达到结构方程模型拟合要求的路径如下：

市场导向←产业发展状况：C.R=0.821<1.96，P=0.412>0.05；

信息传递机制←沟通能力：C.R=1.749<1.96，P=0.080>0.05；

组织学习能力←创新能力：C.R=1.613<1.96，P=0.054>0.05；

市场环境维护状况←环境因素：C.R=1.658<1.96，P=0.051>0.05；

数据库的应用能力←集群内企业技术水平：C.R=1.587<1.96，P=0.011<0.05；

集群结构合理性←组织管理能力：C.R=1.035<1.96，P=0.030<0.05；

物流集群服务创新行为←园区收益增长率：C.R=1.089<1.96，P=0.276>0.05。

从以上数据可以看出，模型初步拟合情况并不理想。分析原因可能有两个方面，一是所建立的概念模型本身存在一些问题，二是问卷调查所获得的数据有一定的偏差。接下来，针对所存在的问题进行模型的调整与修正。