结构方程模型（SEM）的产生和应用是对变量之间复杂的相互关系进行研究的一个重要的方法性突破（Joreskog，1977）。简单而言，结构方程可分为测量方程（measurement equation）和结构方程（structural equation）两部分。测量方程用来描述潜变量与指标之间的关系（例如“我们拥有非常完善的营销网络”（指标）与“市场推广能力”（潜变量）之间的关系），而结构方程用来描述潜变量之间的关系（例如“营销能力”与“营销绩效”之间关系）。

在SEM中，那些能够直接度量的量叫做观测变量（Observed Variable），而那些不能够直接度量但可以用观测变量线性表示的量被称作潜变量（Latent Variable）。在LISREL模型中，ξ变量代表外生潜在变量，η代表内生潜在变量，x代表外生标识（即观察的自变量），y代表内生标识（即观察的因变量）。

LISREL模型包括两个部分：

（1）测量模型：体现观测变量与潜变量之间的联系，用公式表示为：

y=Λyη+ε　　　（公式6.1）

x=Λxξ+δ　　　（公式6.2）

其中，Λx、Λy分别代表x对ξ和y对η的反映其关系强弱程度的系数矩阵，也可以理解为因子分析中的因子载荷；ε和δ分别表示y和x的测量误差。

（2）结构方程模型（又称为全模型）：反映潜变量之间的关系，而这通常是研究的兴趣重点。用公式表示为：

η=Вη+Гξ+ζ　　（公式6.3）(www.daowen.com)

其中，В代表内生潜变量之间的相互影响，Г代表外生潜变量对内生潜变量的影响，ζ为结构方程的误差项。内生潜变量和外生潜变量之间通过В和Г系数矩阵以及误差向量ζ联系起来。

在SEM的应用中，LISREL统计分析计算机软件的应用最为广泛。LISREL是显性结构关系（Linear Structural Relations）的缩写。它是由瑞典阿帕萨拉大学（The University of Uppsala，Sweden）的Karl G.Joreskog和Dag Sorbom为进行结构方程模型分析所编写的计算机软件。在LISREL软件模型中，共有八个基础参数矩阵需要在显性结构关系模型中进行估计：Λx、Λy、Г、В、Φ、Ψ、Θδ和Θε。Λx和Λy矩阵是因子载荷矩阵；Г和В矩阵是结构通径系数矩阵；Φ是外生潜在变量ξ的方差协方差矩阵；Ψ是结构方程残差项ζ的方差协方差矩阵；最后两个矩阵是观测误差（δ和ε）的方差协方差矩阵。

结构方程模型评价分析的核心是模型的拟合性，即研究者所提出的变量之间的关联模式是否与数据相拟合以及拟合程度如何，由此验证相应的理论研究模型。尽管由Joreskog和Sorbom开发的LISREL统计软件受到了广泛应用，但是至今仍然没有一个单一的统计指标检验模型的质量。相反，研究者产生了许多拟合指标用以评价模型的结果。用以验证模型适宜性的指数可以分为整体拟合和相对拟合指数。此外，还有一个重要的指数是调整指数，用以修正模型以加强模型拟合指数。LISREL软件提供了这样的统计指数以评价假设的模型能够和调整研究模型，根据侯杰泰、温忠麟、成子娟（2007）的建议，本研究主要报告χ2（Minimum Fit Function Chi-Square，卡方）、df（degreesof freedom，自由度）、χ2/df、RMSEA（Root Mean Square Error of Approximation，近似误差均方根）、NNFI（Non-Normed Fit Index，不规范拟合指数）和CFI（Comparative Fit Index，比较拟合指数）这六项指标。

① χ2指数、df和χ2/df：整体拟合的第一个指数是卡方指数（χ2）。较小的值，一般高于0.05的显著性水平，暗示实际的和预测的输入矩阵没有显著差异，因此在假设的模型和实证数据之间有着较好的拟合度。然而，χ2经常对样本量过于敏感，尤其是样本量超过200时（Hair等人，1992）。随着样本规模的增加，这个指数有更大的趋势解释等价模型的显著差异性。一般来说，研究人员多数采用χ2/df值反映模型与观测数据的匹配程度，这个值是考虑了模型自由度后的卡方值，要求χ2不显著，这表示模型与观测数据相匹配。若χ2/df<3，则对χ2不显著的要求可忽略不计；2＜χ2/df<5，模型可以接受；χ2/df≤2，模型拟合较好，该指数主要用于多个模型之间的比较。

② RMSEA：是一种评价接近拟合的指标，反映了理论模式与饱和模式之间的差距。RMSEA>0.10，则模型不拟合；0.08<RMSEA<0.10，模型拟合可以接受；RMSEA<0.08，表示模型拟合得好；RMSEA<0.01表示模型拟合非常出色，该值越接近于0表明模型拟合越好。

③ NNFI：早期使用在探索性因子分析中，对NFI做自由度的调整，有时会超出[0，1]的范围。通常认为NNFI≥0.9，模型拟合得好，该值越接近1，表明模型拟合越好。

④ CFI：CFI反映假设模型与无任何共变关系的独立模型差异程度的量数，特别适合小样本。CFI介于0与1之间，其值越接近1，表示模型拟合越好，要判断模型是否可以接受，CFI通常需要大于0.90。