一般我们论文分析有很多个题项时，也就是多变量时，建立SEM结构化方程时 ，如果没有坚实的理论基础支撑，不清楚那些变量分为一个组时，题项对应哪个因子。一般可以先用EFA再在此基础上用 CFA。 （探索性因素分析用spss软件做，验证性因素分析用amos软件。） 探索性因子分析可以实现用少量因子反映大量问卷题目的信息，从而实现降低维度，便于分析的目的，并对因子命名用于后续分析。
前面的SPSS分析方法-因子分析中，也提到因子分析的前提条件 ： KMO检验和巴特利特检验： 用于检查变量间的偏相关性，取值在0-1之间。KMO值越接近于1，因子分析效果就好。一般KMO值0.9以上极适合做因子分析，0.8以上适合做因子分析，0.7以上尚可，0.6以上勉强度可以，0.5以上不适合，0.5以下非常不适合。实际运用中，在0.7以上，效果比较好；在0.5以下时，不适合应用因子分析。
Bartlett 球形检验： P<0.05,不服从球形检验，应拒绝各权变量独立的假设，即变量间有较强相关；P>0.05时，服从球形检验，各变量相互独立，不能做因子分析。
接下来我们建立SEM模型。
一、画好路径图
打开AMOS，按照我们做EFA分好的题项或者根据理论分好的题项设计路径图。
二、读取数据文件
因为SPSS14.0版本以后已经将AMOS整合到SPSS内，所以一般我们数据以SPSS存储来分析比较兼容，不容易出问题。当然，在读取数据之前，我们要对数据的完整性问题做处理。
步骤：1、在工具箱中选择“Select data file(s)”图示，或者点菜单栏File-Data Files
2、勾选【Files Name】，然后选择分析的后缀名.sav数据文件读入
3、可以看到读入文件成功，数据样本145个
4、点击OK，结束数据读入，也可点击View Data阅览数据
二、命名变量名称
前面我们建立了路径图，但其中的潜在变量和观察变量以及相关误差都还没命名，和关联数据。
步骤：
[if !supportLists]1. [endif]命名观察变量。点击工具箱中”List Variablles in data set”,按住鼠标左键把观察变量拖入方形框中。
2.命名潜在变量。双击椭圆框框，打开Object Properties，在Variables Name窗口中输入潜在变量名。
3.命名误差变量。自动命名：点击菜单Plugins-Name Unobserved Variables。手动命名，可以双击打开Object Properties，保持视窗开启，逐个命名。
4.我们可以点击，调整一下观察变量的方框，美化路径图
5.最后我们就得出一个完整模型了。
三、在路径中显示重要的参数。
步骤：1、点击Title图示，在绘图区点一下，输入参数的宏函数
2、常见的参数宏函数命令如下
四、存档，点击，保存文件
五、估算分析，输出结果
步骤：
[if !supportLists]1. [endif]点击Analysis properties图示，选择Output，勾选需要分析的系数、输入的模型拟合度和需报告的相关值。
2、点击Calculate estimates图示，产生估计值。
六、分析验证输出结果
1.点击工具箱View Test图示，浏览输出估计值，输出报表内容。
2.报表解读
3.模型的总体
4.非标准化回归系数
5.标准化回归系数
6.相关系数
7.方差 ：检查是否有违反估计
原文来自
https://mp.weixin.qq.com/s/ORu4ez12YoB036tuN5KuuQ 想要学习更多知识,欢迎关注wx公z号程式科技。