第一章 緒論
一、現代統計學的發展趨勢
二、結構方程模型的基本形式及原理
三、結構方程模型的優點
四、結構方程模型的曆史沿革
五、常見的結構方程模型軟件
第二章 因子分析與路徑分析
一、因子分析
二、路徑分析
三、從因子分析、路徑分析到結構方程模型
第三章 結構方程模型的一個示例及相關預備知識
一、社會經濟狀態對個人心理狀態的影響
二、協方差矩陣的生成
三、LISREL的運行界麵
四、SIMPLIS的基本語法
五、模型建構示例
第四章 測量模型——驗證性因子分析
一、驗證性因子分析的一般模型和原理
二、驗證性因子分析的模型識彆
三、參數估計方法及相關問題
四、測量的效度與信度
五、社會網絡資本的驗證性因子分析
第五章 全模型——帶潛變量的結構模型
一、潛變量結構模型的一般形式
二、結構方程模型的識彆法則
三、參數估計
四、模型評估
五、模型修訂
六、社會網絡資本對個人資本的影響
第六章 高階因子模型與多組模型
一、高階因子模型
二、均值結構模型
三、多組模型
第七章 結構方程模型的一些特殊議題
一、觀察變量的分布與樣本量
二、缺失值問題
三、協方差矩陣和相關矩陣
四、不正定、不收斂與Heywood問題
五、定類變量的引入
結論
參考文獻
後記
精彩片斷
4.符閤科學研究的邏輯
利用統計學方法將社會科學研究定量化的過程中最常犯的一個錯誤就是把所有的研究都歸為探索性研究，以對數據本身的分析和解釋作為研究的開始。這實際上是把所有的研究都割裂成一個個孤立的片段，從而否定瞭科學發展的可能性。但是，科學研究更應該被視作一個曆史的過程和存在，它是一個纍積和發展的過程，所以科學研究應該是探索性研究和驗證性研究的結閤。任何一項科學研究都需要有一個研究起點（研究假設），這個起點可以是以前的研究成果，可以是對研究對象的理性分析，也可以是對研究內容的常識性看法，然後對研究假設操作化，通過經驗數據對研究假設進行檢驗，使其得到發展，總的來說，是一個假設－檢驗型的思路。
結構方程模型分析與其他的統計方法不同的一點就是它完全是一種檢驗型的分析策略。在測量模型部分，各個觀察變量（指標）分彆對應哪個潛變量（因子）是事先設定的，需要做的是檢驗各指標能否有效地測量其所對應的因子，即擬閤優度能否達到某個水平，所以是驗證性因子分析，它遵循的是滿意原則。它不同於探索性因子分析——各觀察變量對應哪個潛變量是由數據所決定的，從而擬閤優度也能達到最優。而在結構模型部分，變量之間的關係（路徑）設定也是要基於事先的理論假設，而不是從一個個變量間都存在路徑的全模型開始，逐步去除路徑，最終得到一個擬閤最優的模型。無論是測量模型還是結構模型，如果采取探索型的分析策略，盡管會針對其對應的樣本數據擬閤最優，但是都會麵臨這樣一個難題：如果兩個不同的樣本數據擬閤齣的最優模型不一緻該怎麼辦？對這兩個模型進行取捨的標準是什麼？兩個模型間的差異到底是因為樣本之間存在某種重要的差異呢，還是隻因為樣本的隨機波動？所以，即使是科學研究本身也必須是一個曆史的過程，不然就會齣現混亂。
· · · · · · (收起)