两个变量做相关分析时显著，但在结构方程模型中路径系数不显著，怎么解释？

第一，双变量分析是显变量分析，结构方程模型中如果是潜变量分析，那就考虑了误差问题，因而，显著性会有差异。

第二，双变量分析类似一元回归，而结构方程模型分析则类似多元回归。二者原理不一样。

（南心网 SPSS回归与结构方程模型分析）

R包lavaan可以做

https://www.codetd.com/article/916129

软件AMOS可以做

https://mp.weixin.qq.com/s?__biz=MjM5MTI5MDgxOA==&mid=2650098738&idx=1&sn=319fcc4198fbcd36fc30fd1329e27bf0&chksm=beb6289f89c1a189115d96bb0f9bc3114a752f9bf1fed4c9979b2e965322d8e38c60844316de&scene=21#wechat_redirect

https://mp.weixin.qq.com/s?__biz=MjM5MTI5MDgxOA==&mid=2650098759&idx=1&sn=0099b81e77a2f8b6324e88a5b49773ed&chksm=beb628ea89c1a1fcdb4c068466e6f099e0bd1af0909bbc538aca4247477978b4b52b3b9aa036&scene=21#wechat_redirect

https://www.jianshu.com/p/d698dc099dec

https://www.jianshu.com/p/e0938fb35c45

https://blog.csdn.net/yjj20007665/article/details/66967966

χ2 卡方拟合指数 检验选定的模型协方差矩阵与观察数据协方差矩阵相匹配的假设。原假设是模型协方差阵等于样本协方差阵。如果模型拟合的好，卡方值应该不显著。

RMR 是残差均方根。RMR 是样本方差和协方差减去对应估计的方差和协方差的平方和，再取平均值的平方根。RMR应该小于0.08，RMR越小，拟合越好。

RMSEA 是近似误差均方根 RMSEA应该小于0.06，越小越好。

GFI 是拟合优度指数，范围在0和1间，但理论上能产生没有意义的负数。按照约定，要接受模型，GFI 应该等于或大于0.90。

CFI 是比较拟合指数，其值位于0和1之间。CFI 接近1表示拟合非常好，其值大于0.90表示模型可接受,越接近1越好。

同时要求样本和指标之间有一个最低数量比例

有这种情况的，A年级（1、2、3）和B性别（1、2）作为自变量进行简单效应检验。其中开始你用年级A1水平上，B1和B2是否有显著性差异（A1B1、A1B2），然后A2B1、A2B2；A3B1、A3B2三个进行简单效应检验。最后判断到底是谁起主要影响。

交互作用显著而主效应不显著的情况一般比较少见，但是也是有的。这种情况就是说两个变量之间相互影响都不显著，但是两个变量交互作用显著，在这种情况下，不能单独讨论二者之间的简单影响作用，要深入讨论二者如何交互的。

扩展资料：

简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可以比较评价不同因果关系的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可提出一个特定的因子结构，并检验它是否吻合数据。

通过结构方程多组分析，我们可了解不同组别 (如不同性别) 内各变量的关系是否保持不变，各因子的均值是否有显着差异。

国际上关于教育与心理统计的研究取得了快速的发展，结构方程模型可以说是其中发展较快，应用广泛的多元统计分析技术；在商业领域的品牌研究、顾客满意度研究等方向上也得到了广泛的应用。在我国，SEM研究方法还在管理学、经济学、医学及社会学研究等领域的应用也得到了快速的发展。

结构方程模型（SEM）是国际管理研究和其他社会科学研究中日益广泛采用的建模技术，每年的美国管理学会年会上都有专题教学和研讨。SEM越来越成为各类高层次学术刊物、高层次管理研究以及社会学和经济学等学科研究领域的必备方法。

参考资料来源：百度百科-spss

---