本节简要介绍结构方程模型统计方法的内容，在此基础上，本研究给出了结构方程模型作为本研究主要方法的依据。
4.1.1结构方程模型简介
结构方程模型的思想起源于计量心理学的因子分析（Factor Analysis，FA）和20世纪二三十年代生物与计量经济学的路径分析（Path Analysis，PA）（W，1918，1921，1934）概念。结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，也称为协方差结构分析。结构方程模型已经成为计量经济学、计量心理学、计量社会学和多元统计学的一种共同的研究方法（Bentler，1994侯杰泰，温忠麟，成子娟，2005）。近年来，结构方程模型日益成为心理学、教育学、社会学、行为学和管理科学等领域的流行统计工具手段（林嵩，姜彦福，2006史江涛，杨金风，2006邱皓政，2005）。对于这些领域的研究者来说，结构方程模型已经成为用实验数据和非实验数据检验理论的一个重要工具（Bentler＆Dudgeon，1996）。
（接上页）量名来书写。1999年，最早的交互式的LISREL开发了出来。LISREL8引入对话框界面，使用拖拉菜单、点击技术、路径图和绘图程序用来开发模型。其他的软件程序，如AMOS（Analysis of Moment Structure），EQS（Equations），MPLUS，CALIS（Covariance Analysis and Linear Structural Equations），RAMONA（Reticular Action Model or Near Approximation）等在20世纪80年代中期后被相继开发出来。每个SEM软件程序都有各自的优势并能够处理SEM的不同应用。自从1994年后，结构方程模型迅速被应用在所有的学科上。Hershberger （2003）指出1994年至2001年刊载SEM的期刊文章数量在迅速增加，发表SEM研究的期刊数量也在不断增加。《结构方程模型》（Structural Equation Modeling，SEM）杂志（创立于1994年）已经成为SEM领域技术发展的主要来源，同时，该期刊也是专门刊登结构方程模型领域理论与实证研究文章的专属期刊。
结构方程模型主要包括测量模型（measurement model）和结构模型（structural model）两部分，这两部分模型构成结构方程模型的全模型（full model）。测量模型反映了观测变量（observed variables）与潜变量（latent variables）之间的关系，其构成的数学模型是验证性因子分析（Confirmatory Factor Analysis，CFA）；结构模型则说明了潜变量之间的关系，这种结构关系可以路径分析（path analysis）来进行（邱皓政，2005）。
4.1.2结构方程模型作为研究方法的依据
结构方程模型应用要求具有理论先验性。SEM分析最重要的一个特性，是它必须建立在一定的理论基础上。也就是说，SEM是一个用以验证某一先期提出的理论模型（priori theoretical model）适应性的一种统计技术，即强调SEM模型的建立必须经过概念的厘清、文献回顾、研究假设的推演等理论性的演绎过程，最终提出一套有待于验证的假设模型。这也是SEM被视为是一种验证性（confirmatory）而非探索性（exploratory）统计方法的主要原因。SEM的分析过程中，从变量内容的界定、变量关系的假设、参数的设定、模型的设定与修正，一直到应用分析软件来进行估计，每一个步骤都要求以清晰的理论概念或逻辑推理作为依据。
从技术的层面来看，结构方程模型是在20世纪70年代Jreskog和Srbom等学者提出的统计理论基础上发展而来的，它是一种不同统计技术与研究方法的综合体（Hoyle，1995），是对验证性因子分析、路径分析多元回归及方差分析等统计方法的综合运用。传统的多变量分析方法如复回归、因子分析、多变量方差分析、相关性分析等等只能在同一时间内检验单一的自变量与因变量关系，而且这些分析方法往往存在理论上的假设限制及使用缺陷。因子分析能反映变量与变量之间的关系，但无法进一步分析变量间的因果关系。而路径分析虽然可以分析变量之间的因果关系，但实际情况却难以符合其变量之间的测量误差为零、残差之间不相关、因果关系为单向等基本假设。而结构方程模型不但可以处理不能直接测量的潜变量，而且还允许自变量和因变量存在测量误差，并且测量误差同时包含在分析的过程当中（邱皓政，2005）。
本研究是为了检验前述的根据理论推导的假设模型是否成立。从基本前提和技术层面来看，结构方程模型作为本研究的主要研究方法是合适和恰当的。
