第一章 绪论
一、现代统计学的发展趋势
二、结构方程模型的基本形式及原理
三、结构方程模型的优点
四、结构方程模型的历史沿革
五、常见的结构方程模型软件
第二章 因子分析与路径分析
一、因子分析
二、路径分析
三、从因子分析、路径分析到结构方程模型
第三章 结构方程模型的一个示例及相关预备知识
一、社会经济状态对个人心理状态的影响
二、协方差矩阵的生成
三、LISREL的运行界面
四、SIMPLIS的基本语法
五、模型建构示例
第四章 测量模型——验证性因子分析
一、验证性因子分析的一般模型和原理
二、验证性因子分析的模型识别
三、参数估计方法及相关问题
四、测量的效度与信度
五、社会网络资本的验证性因子分析
第五章 全模型——带潜变量的结构模型
一、潜变量结构模型的一般形式
二、结构方程模型的识别法则
三、参数估计
四、模型评估
五、模型修订
六、社会网络资本对个人资本的影响
第六章 高阶因子模型与多组模型
一、高阶因子模型
二、均值结构模型
三、多组模型
第七章 结构方程模型的一些特殊议题
一、观察变量的分布与样本量
二、缺失值问题
三、协方差矩阵和相关矩阵
四、不正定、不收敛与Heywood问题
五、定类变量的引入
结论
参考文献
后记
精彩片断
4.符合科学研究的逻辑
利用统计学方法将社会科学研究定量化的过程中最常犯的一个错误就是把所有的研究都归为探索性研究，以对数据本身的分析和解释作为研究的开始。这实际上是把所有的研究都割裂成一个个孤立的片段，从而否定了科学发展的可能性。但是，科学研究更应该被视作一个历史的过程和存在，它是一个累积和发展的过程，所以科学研究应该是探索性研究和验证性研究的结合。任何一项科学研究都需要有一个研究起点（研究假设），这个起点可以是以前的研究成果，可以是对研究对象的理性分析，也可以是对研究内容的常识性看法，然后对研究假设操作化，通过经验数据对研究假设进行检验，使其得到发展，总的来说，是一个假设－检验型的思路。
结构方程模型分析与其他的统计方法不同的一点就是它完全是一种检验型的分析策略。在测量模型部分，各个观察变量（指标）分别对应哪个潜变量（因子）是事先设定的，需要做的是检验各指标能否有效地测量其所对应的因子，即拟合优度能否达到某个水平，所以是验证性因子分析，它遵循的是满意原则。它不同于探索性因子分析——各观察变量对应哪个潜变量是由数据所决定的，从而拟合优度也能达到最优。而在结构模型部分，变量之间的关系（路径）设定也是要基于事先的理论假设，而不是从一个个变量间都存在路径的全模型开始，逐步去除路径，最终得到一个拟合最优的模型。无论是测量模型还是结构模型，如果采取探索型的分析策略，尽管会针对其对应的样本数据拟合最优，但是都会面临这样一个难题：如果两个不同的样本数据拟合出的最优模型不一致该怎么办？对这两个模型进行取舍的标准是什么？两个模型间的差异到底是因为样本之间存在某种重要的差异呢，还是只因为样本的随机波动？所以，即使是科学研究本身也必须是一个历史的过程，不然就会出现混乱。
· · · · · · (收起)