1 模型说明
前面的例子中，验证性因素分析和路径分析均是结构方程模型的特例。更一般的结构方程模型中既有对潜变量的测量，又有潜变量之间的相关依赖和因果关系！
结构方程模型综合模型的例子如下图所示：
2 结构方程综合模型的例子
我们以Amos24软件中自带的例子进行演示。该例子通过农业产品经理的相关知识(knowlege)、价值取向(value)、满意度(satisfaction)进行调研测量，并研究了三者的相互作用及对管理能力和表现(performance)的影响。
2.1 打开Amos软件，切换到Amos24软件自带例子的目录
打开Amos软件后，如果文档路径不在Amos24软件的安装目录下，则需要切换到Amos24软件自带例子的目录。
选择Amos软件主界面上的File/Open...
在弹出的“打开”窗口中，切换到自己电脑中Amos软件的安装目录下，然后双击Examples文件夹；在下一次目录双击English文件夹。
切换到Amos软件自带的例子目录后，双击Ex05-a.amw文件打开
此时，Amos软件主界面中下部将加载出Amos软件自带所有例子文件，可以点击进行切换
本例为Ex05-a.amw,已经绘制好验证性因素分析的图形，且数据也已经导入！
其中，相关知识(knowlege)、价值取向(value)、满意度(satisfaction)是三个外生潜在变量；管理能力和表现(performance)是内生潜在变量。
其中，由于四个潜在变量具有相互关系，所以他们对应的测量变量为2个，模型也可以识别。
2.2 模型估计及检验
Amos自带的例子已经载入数据，可以直接对模型进行估计。点击Amos软件界面左侧的如下图标，进入模型估计。
模型估计完成后，可以点击Amos软件界面左侧快捷菜单栏中如下的图标，弹出“Amos Output”窗口。
Amos Output窗口中给出了“Analysis Summary”“Variable Summary”“Parameter Summary”“Notes for Model”“Estimates”“Model Fit”等结果。其中“Variable Summary”、“Estimates”和“Model Fit”中的结果比较重要，我们对此进行分析。
点击“Variable Summary”，右侧窗口切换到变量概况内容。
其中测量变量有8个，内生潜在变量1个，以及外生潜在变量12个。
点击“Estimates”，右侧窗口切换到估计结果内容。
Regression Weights是单向因果关系的回归系数，其中，在10%显著水平上，只有satisfaction对performance的影响不显著，其余变量间的关系均显著。
当然，也可以通过标准化的回归系数来比较影响程度的大小，但标准化回归系数没有给出显著性，需要结合未标准化回归系数中的显著性来分析。
接着，Covariances给出了变量间双向相关关系，其中，value与knowlege之间的关系显著，其余两个相关关系不显著。
correlations是变量间的相关系数。
Variances给出了外生变量及残差等12个外生潜在变量的方差，只有error7和error8的方差不显著；
Squared Multiple Correlations则给出了被解释变量被解释的程度，performance对应的值为0.663，表示performance变量变化的66.3%被解释变量所解释，33.7%未被解释。其余变量的估计值与之类似。
点击“Model Fits”，右侧窗口切换到模型拟合检验内容。
其中，CMIN的P值就是卡方检验的P值，由于P值大于0.05，且CMIN/DF（卡方/自由度比）小于2；
GFI、AGFI指数大于0.9，PGFI指数小于0.5；
NFI、TFL等指数大于0.9；
同时，RMSEA的估计值为0，且90%的区间覆盖了0；
因而整体来看模型拟合度较高！
2.3 模型修饰
该例中，模型整体拟合度良好，但是有些路径的回归系数不显著，因而需要调整。另外，也可以对模型进行修饰。这里先让Amos计算出模型修饰的MI指数，然后结合MI指数和回归系数显著性来对模型进行调整。
首先，点击Amos软件主界面左侧如下图标，进行估计设置
在Analysis Properties窗口中的Output页面，勾选Modification indices；同时将Threshold for modification indices修改为2（一般情况下保持默认值4，这里为了演示，所以将其减小为2，该值越小越容易给出修饰的建议！）。
再次点击Amos软件主界面左侧如下图标，重新估计模型
模型估计完成后，可以点击Amos软件界面左侧快捷菜单栏中如下的图标，弹出“Amos Output”窗口。
可以发现，MI指数建议了两条模型修饰：1是增加error4和error5的相关关系，2是增加satisfaction对performance2的解释关系。但是通过理论分析，error4和error5的相关关系较为符合逻辑；satisfaction对performance2的解释关系已经包含在了结构路径中，所以无须再增加。
另外，根据变量间估计系数的显著性，satisfaction和value、satisfaction和knowledge之间的关系不显著，应当去掉；satisfaction对performance的解释不显著，但由于去掉后模型结构发生非常大的改变，因而这里保留两者的因果关系。
增加error4和error5的相关关系，删除satisfaction和value、satisfaction和knowledge之间的关系后，最终得到如下结果的结构方程模型分析图形：
绘制好模型修饰的图形后，需要重新对模型进行估计，然后对估计结果进行检验，查看模型参数的显著性和整体拟合度，并与之前的模型进行对比。甚至可以尝试其他方式的模型修饰方法！这里不再演示。