结构方程模型结构效度没通过怎么办

具体方法如下：

1：梳理建模流程（因子分析）如果出现模型拟合大面积不达标时，首先应该从模型本身找原因。结构方程模型包括测量模型和结构模型，而我们正常情况下只会关注于结构模型即影响关系等，而完全忽略掉还有测量模型。如果说测量模型不好，那拟合指标肯定不会好。但是测量模型是我们容易忽视的地方。因而第一点是查看测量模型是否有问题。

2：调整模型(MI指数调整和手工调整)如果出现模型大面积不达标，相信通过梳理建模流程，删除不合理项之后，可以让很多指标均正常。本小节说明第二种调整模型的方式，即调整模型。调整模型包括两种，一是MI指数调整和手工模型调整。

结构方程模型基本原理:

SEM是数据分析的一种特殊形式，从一个指定了多变量间（假定的）相互关系的模型开始，变量间的关系被形式化为一组方程，用于测试这些变量并量化它们之间的关系。

一、从散点图可以看到你的拟合函数有点问题（几乎是一条直线），应为x(1)+x(2)*exp(-xdate*x(3))比较合理。

二、初值选取x0=[400, 2300, 0.5]，其拟合系数为x1=192.4, x2=11155.6, x3=0.1368。

三、散点图与拟合点图的比较，其拟合度是非常高的。

这里拟合不好说明解释变量“解释的不够”啊。盲猜你说的“系数证实预测”的意思是，系数的正负和你猜想的相应的效应的“促进和抑制”是一致的（而且甚至系数都是显著的）。那这也只能说明这些解释变量或许是“有用的”，但这与解释变量“不太够”并不矛盾。比如其实有10个变量影响概率，但是你的数据里只用其中两个，还不是“最有价值”的两个，那么回归出来的结果就很有可能不怎么好。

这种事情本来就很常见，而态度取决于最初提出的研究问题。如果研究的问题仅是具体某个变量和因变量之间的关系，那重点就看对应系数就好了，总体的欠拟合可以提一句“或许还有其他的更重要更有价值的变量未包含在模型和数据里（但是具体是啥变量别问我，我也不知道，反正数据里没有）”；如果研究的问题就是找到一个预测能力强模型，那要么加入新的解释变量，要么对现有解释变量操作操作呗，比如加入高次项（平方，立方，交叉项），总之都是让现有模型变复杂。放心，只要往复杂里整，最终总会有期望几乎等于观测的结果出现，不过那时候要操心的就是过拟合的问题了。

---