基于结构方程模型的住宅综合特征的评估
结构方程模型的特点及应用
结构方程模型的特点及应用结构方程模型（Structural Equation Modeling, SEM）是一种多变量统计分析方法，以图模型的方式描述变量之间的因果关系，并通过参数估计和假设检验来检验模型的拟合程度。
结构方程模型在社会科学、教育学、经济学等领域广泛应用，具有以下特点：1.综合分析：结构方程模型可以同时分析多个变量之间的直接关系和间接关系，不仅可以分析因果关系，还可以考虑指标间的共同变异、共同特征等。
这使得结构方程模型在探索复杂关系和解释机制方面具有独特优势。
2.模型灵活性：结构方程模型可以包括观察指标、潜在变量和测量误差，可以用来解析测量模型和结构模型。
这使得结构方程模型可以在未测量到的潜在变量上进行分析，从而增强模型的表达能力。
3.统计方法齐全性：结构方程模型既包含结构方程，也包含路径分析，不仅可以通过参数估计来检验变量之间的因果关系，还可以通过拟合度检验、修正指数等来评估模型的拟合程度和模型改进。
4.强大的理论支持：结构方程模型是基于潜在变量建模的，可以引用先验理论知识，并通过模型修正来验证和深化理论。
此外，结构方程模型还可以通过因素分析、回归分析等方法进行扩展和丰富。
1.教育评估：结构方程模型可以用于分析教育因素对学生学习成绩及心理状态的影响，帮助评估教育政策的有效性，优化教育资源的分配。
2.组织研究：结构方程模型可以研究组织结构与员工绩效之间的关系，帮助组织管理者优化组织结构，提高团队绩效与员工满意度。
3.社会科学研究：结构方程模型可以用于研究社会因素对人们行为和心理状态的影响，例如研究社会支持对幸福感的影响、研究社会经济因素对犯罪行为的影响等。
4.市场营销研究：结构方程模型可以用于研究市场营销因素对消费者行为的影响，例如研究产品特性对消费者购买意愿的影响、研究广告和促销策略对品牌偏好的影响等。
5.医学与心理学研究：结构方程模型可以用于研究疾病因素对人们身体健康和心理状态的影响，例如研究遗传因素对疾病风险的影响、研究生活方式因素对心理健康的影响等。
基于结构方程模型的广州城市社区居民出行行为_曹小曙
地理学报ACTA GEOGRAPHICA SINICA第66卷第2期2011年2月V ol.66,No.2Feb.,2011收稿日期：2010-01-13;修订日期：2010-06-20基金项目：国家自然科学基金项目(40571052)[Foundation:National Natural Science Foundation of China,No.40571052]作者简介：曹小曙(1970-),男,甘肃人,博士,博导,教授,中国地理学会会员(S110005157M ),主要从事交通地理与土地利用研究。
E-mail:caoxsh@167-177页基于结构方程模型的广州城市社区居民出行行为曹小曙1,林强2(1.中山大学地理科学与规划学院，广州510275；2.深圳市城市规划发展研究中心，深圳518040)摘要：基于行为主义的视角，从微观的社区层面研究城市居民的出行行为。
选取广州市的3个城市社区作为案例，以218个样本数据库为基础，根据研究的侧重点不同分别建立两个结构方程模型，拟合各变量之间的路径关系。
其中居民出行选择的结构方程模型重点分析居民属性、居住区位与居民出行目的、出行时间、出行方式等出行偏好之间的关系。
居民出行决策的结构方程模型则模拟居民的出行决策过程。
结果显示：居民之间由于自身属性不同在出行选择和出行偏好上存在差异，居民出行行为中居民属性和居住区位是根本，出行目的是关键，居民出行行为可以概括为“属性决定目的，目的影响行动”。
此外，居民的出行行为有其复杂的作用机制和决策路径，居民的出行决策过程可以解读为性别决策子系统、年龄决策子系统、收入决策子系统和居住区位决策子系统等4个决策子系统，各子系统中路径作用的不同使居民属性和居住区位对居民出行决策产生多重多向的效应，在复合系统的影响下城市社区居民表现出差异化的出行行为。
关键词：城市社区；出行行为；结构方程模型；广州市1引言城市居民出行研究是城市交通研究的重要组成部分，西方发达国家以人为本、重视差异性等后现代思潮的兴起使人们开始关注人的真实交通需求以及出行行为之间的差异。
original sample结构方程模型
original sample结构方程模型1. 引言1.1 概述:本文将介绍关于原创样本结构方程模型的研究。
结构方程模型（Structural Equation Modeling，简称SEM）是一种多变量分析方法，可以用于探究和验证研究假设之间的关系。
通过构建潜在变量模型以及测量变量模型，SEM可以对数据进行分析并评估整体模型的拟合程度。
1.2 文章结构:本文分为引言、正文、主要内容、结果与分析以及结论部分。
在引言中，我们将介绍所研究的主题，并概述文章的结构和目的。
在正文部分，将详细解释原创样本结构方程模型的相关概念和理论基础。
主要内容部分将涵盖实施该模型所需的方法和步骤，并详细描述其应用领域以及研究设计。
在结果与分析部分，我们将呈现并解释从原始样本数据中得出的结果，同时提供针对这些结果的统计学分析和讨论。
最后，在结论部分总结全文，并提出未来深入研究该领域的建议。
1.3 目的:本文旨在介绍原创样本结构方程模型的基本概念和方法，以及其在研究中的应用。
通过实例分析和统计学验证，我们将探讨该模型在解决复杂研究问题上的优势，并提供相关领域的参考指导。
同时，对该模型的局限性和未来可能的改进方向也将进行讨论。
通过阅读本文，读者将能够深入了解原创样本结构方程模型，并从中获取有关该领域研究的理论和实践经验。
以上是引言部分内容，详尽地介绍了文章主题、结构以及目的。
在接下来的正文、主要内容、结果与分析以及结论部分，将逐步展开具体内容并阐述相关观点和数据分析。
2. 正文在本研究中，我们探讨了原始样本的结构方程模型。
结构方程模型是一种多变量统计方法，被广泛应用于社会科学和行为科学领域，以研究潜在的复杂关系。
其中，原始样本指的是收集到的数据未加工或处理过的观测值。
首先，我们需要清楚原始样本数据的来源和采集方式。
在本研究中，我们使用了问卷调查来收集原始样本数据。
问卷调查是常用的数据收集方法之一，可以通过向受访者提问以获取其个人特征、态度、行为等信息。
第十九章结构方程模型
第十九章结构方程模型第十九章结构方程模型本章导读：本章主要介绍结构方程模型的基本概念，结构方程的数学方程表达式，最后以一个案例的形式完整的把结构方程模型的操作过程展现在读者面前了。
19.1 结构方程简介在社会生活中我们经常会遇到需要处理多变量的问题，或者遇到的一些变量无法直接观测，这时需要用其他变量反映，这些变量被称为是潜在变量。
怎样处理这些变量呢？线性结构方程模型的方法就应运而生了，这种方法是20世纪70年代最重要的成果之一，也是多元变量进行处理的一种最为重要的方法，随着该方法的提出，专门的应用软件也随之而诞生，LISREL和AMOS是专门针对此种方法诞生的处理线性结构方程的软件。
限于篇幅，此章只用AMOS进行讲解，主要原因在于其操作方便，界面友好，同时容易入门。
我们知道变量之间的相互作用关系是普遍存在的事实，而多元回归分析方法分析只是重视解释变量对被解释变量的独立作用，这就使得多元回归分析方法在解释客观现象时存在非常大的局限性。
因为它很难清楚的解释变量之间的相互作用关系。
进一步，如果模型越复杂，那么自变量就会越来越多，变量之间的关联程度也会越来越明显，变量之间的间接效应就变得不容忽视，而多元回归分析方法恰恰就忽视这些变量之间的间接效应，因此存在很大的缺陷。
为了弥补这一缺陷，结构方程模型就很好的解决了这一问题。
虽然结构方程模型有许多优点，但是结构方程也有自身的不足，其应用起来也十分有限。
现在结构方程主要应用到管理学领域，比如市场营销和人力资源的研究比较多，其次是教育学和心理学，再次是社会学研究，偶尔可见经济学领域的竞争力评价，以及金融学领域的人为行为的寿险研究。
下面进一步说明结构方程模型的优点和缺陷。
结构方程模型的优点主要有：(1)结构方程模型假设潜在的统计分析是明确的和可以检验的，调查者能全部控制和进一步地分析理解。
(2)绘图接口软件创造性地推进和使快速调式模型变得容易（这个特性取决于所选的SEM软件）。
基于区域特征的城市住宅价格评估模型
基于区域特征的城市住宅价格评估模型吴天君;房玉华【期刊名称】《测绘科学技术学报》【年(卷),期】2012(29)2【摘要】For the deficiencies of the traditional house price model, the regional economic factor was introduced into the hedonic price model according to the location theory. The urban residential price evaluation model was proposed based on the regional characteristics. The newly built commercial housing contract data of 2007 ~ 2010 were selected based on the digital real estate database of Zhengzhou, and the location and distance data of the samples were got by GIS. The model was validated by multiple linear regression, and the result showed that there was some significant linear relationship among the residential price, the regional economy, position characteristics, neighborhood characteristics and construction characteristics, the proposed model had a significant fitting ability.%针对传统住宅价格模型不足,根据地学区位理论,将区域经济因素引入特征价格模型,提出了基于区域特征的城市住宅价格评估模型.依托郑州市数字房产数据库,选取2007～2010年新建商品房买卖合同数据,利展GIS技术获取样本的位置、距离信息,采用多元线性回归方法对该模型进行了验证.结果表明住宅价格与区域经济、位置特征、邻里特征、建筑特征因素之间存在显著的线性关系,所提出的模型有显著的拟合能力.【总页数】5页(P135-139)【作者】吴天君;房玉华【作者单位】信息工程大学测绘学院,河南郑州450052;郑州市房产档案和信息中心,河南郑州450008;河南省基础地理信息中心,河南郑州450003【正文语种】中文【中图分类】P208【相关文献】1.景观对城市住宅价格的影响——基于特征价格模型 [J], 王雪2.基于享用价格模型的城市住宅价格研究 [J], 刘阳;赵华平3.基于特征价格模型的城市住宅价格影响因素研究 [J], 张绍良;李晶晶;公云龙4.景观对城市住宅价格的影响——基于特征价格模型 [J], 王雪5.基于特征价格模型的商品住宅价格评估方法应用 [J], 张立新;姜吉坤;温海珍因版权原因，仅展示原文概要，查看原文内容请购买。
结构方程模型
结构方程模型结构方程模型（Structural Equation Model，简称SEM）作为一种多元统计技术，产生后迅速得到了普遍的应用。
20世纪70年代初一些学者（Joreskog，1973；Wiley，1973）将因子分析、路径分析等统计方法整合，提出结构方程模型的初步概念。
随后Joreskog与其合作者进一步发展了矩阵模型的分析技术来处理共变结构的分析问题，提出测量模型与结构模型的概念，促成SEM的发展。
结构方程模型为实际上即一种验证一个或多个自变量于一个或多个因变量之间一组相互关系的多元分析程式，其中自变量和因变量既可是连续的，也可是离散的。
另外，在学术活动方面，根据 Hershberger（2003）研究 1994 至 2001 年间的相关文献发现，到了 2003 年，不论在刊登结构方程模型相关论文的期刊数、期刊论文的数量、结构方程模型所延伸出来的多变量分析技术等各方面，均有大幅度的成长，显示结构方程模型已经是一门发展成熟且高度受到重视的学问与技术。
结构方程模型除了拥有专属期刊《结构方程模型》（Structural Equation Modeling），专门刊登与结构方程模型有关的论文与实证研究在心理学界也很重要。
结构方程建模涵盖了多种原有的多变量数据分析方法，适用于定序、定类以及定距和定比尺度，在管理学、经济学等社会科学以及自然科学的统计实证研究中逐渐得到大量的应用。
结构方程模型整合了路径分析、验证性因素分析与一般统计检验方法，可分析变量之间的相互因果关系，包括了因子分析与路径分析的优点。
同时，它又弥补了因子分析的缺点，考虑到了误差因素，不需要受到路径分析的假设条件限制。
结构方程模型可同时分析一组具有相互关系的方程式，尤其是具有因果关系的方程式。
这种可同时处理多组变量之间的关系的能力,有助于研究者开展探索性分析和验证性分析。
当理论基础薄弱、多个变量之间的关系不明确而无法确认因素之间关系的时候，可以利用探索性分析，分析变量之间的关系；当研究有理论支持的时候，可应用验证性分析来验证变量之间的关系是否存在。
石家庄市区住宅特征价格模型的构建和分析
石家庄市区住宅特征价格模型的构建和分析李巧芝【摘要】住宅特征价格模型是研究异质产品特征与产品价格之间关系的一种模型.基于对石家庄市7所房地产单位深入调查研究,确定15个住宅特征变量；同期对研究区域内的64个小区进行了调研,并对调研数据进行科学的量化分析；在此基础上运用特征价格模型估计方法,建立石家庄市区住宅特征价格模型,最终得到符合当地实际的住宅特征价格,使房地产企业在住宅产品设计、定位或估价中可以根据不同特征价格,对项目进行合理规划或计算.【期刊名称】《统计与管理》【年(卷),期】2011(000)004【总页数】3页(P78-80)【关键词】住宅;特征价格;特征变量【作者】李巧芝【作者单位】石家庄市二环路管理处【正文语种】中文特征价格模型（Hedonic Price Model），是国外用来处理异质产品差异特征与产品价格之间关系时广泛使用的一个模型。
概括特征价格理论，可以表述如下：同类异质产品的价格是该产品的总价格，该价格有其内部结构，这是因为同类异质产品的效用空间是由产品所内含的各个特征所对应的价格，即特征价格从总价格中分离开来。
这样操作不仅可以清晰的判断各个特征对产品的价格做出的贡献，而且还可以为控制价格，注重各特征的发育提供理论上和政策上的依据。
一、研究区域石家庄市为河北省省会，地处河北省中南部，环渤海湾经济区，在首都北京的西南方向，距北京283公里，东与衡水接壤，南与邢台毗连，西与山西为邻，北与保定为界，2003年行政区划包括7区17县（市）。
考虑到石家庄各地区房地产业的发展程度不平衡，仅以石家庄市区二环内新华区、桥西区、桥东区、长安区、裕华区以及东开发区作为研究区域。
二、住宅特征变量的确定为使得住宅特征变量能够科学、准确的表现住宅品质和价格，笔者特走访了与石家庄市房地产市场关系密切或者有专门研究的单位作为访谈对象，共计7所单位19位房地产专业人士。
通过此种形式了解住宅特征的构成、特征价格对住宅价格可能的影响、特征变量的选择和量化方式，并就调查的可行性及可能存在的问题请专家提出建议和批评，最终确定15个住宅特征变量。
基于结构方程模型的有调节的中介效应分析
基于结构方程模型的有调节的中介效应分析一、本文概述在社会科学和心理学等领域的研究中，中介效应分析是一种常见的方法，用于探究变量之间的间接影响机制。
然而，传统的中介效应分析往往忽视了调节变量对中介过程的影响。
近年来，有调节的中介效应分析逐渐受到研究者的关注。
本文将以结构方程模型（SEM）为基础，深入探讨有调节的中介效应分析的方法和应用。
二、结构方程模型概述1、结构方程模型的基本原理结构方程模型（Structural Equation Modeling，SEM）是一种基于统计分析的研究方法，用于探讨变量间的因果关系。
它结合了路径分析和多元回归分析，能够同时分析多个因变量和多个自变量之间的关系，以及这些关系如何受到其他变量的影响。
SEM的基本原理主要包括测量模型和结构模型两部分。
测量模型主要关注潜在变量与观测变量之间的关系。
在SEM中，潜在变量通常无法直接观测，而是通过一系列观测变量进行间接测量。
测量模型通过因素分析或回归分析等方法，建立潜在变量与观测变量之间的线性关系，从而实现对潜在变量的估计。
结构模型则主要关注潜在变量之间的因果关系。
它通过路径分析，将潜在变量之间的因果关系用路径图表示出来，并通过统计分析来检验这些关系的强度和方向。
结构模型不仅可以分析直接效应，还可以分析间接效应和总效应，从而更全面地揭示变量间的因果关系。
在SEM中，测量模型和结构模型是相互关联的。
观测变量的测量误差会影响到潜在变量的估计，进而影响到结构模型中因果关系的分析。
因此，在构建SEM时，需要综合考虑测量模型和结构模型的关系，以确保分析的准确性和可靠性。
结构方程模型是一种强大的统计分析工具，能够同时处理多个因变量和多个自变量之间的关系，以及这些关系如何受到其他变量的影响。
通过测量模型和结构模型的综合分析，可以更深入地探讨变量间的因果关系，为社会科学研究提供有力的支持。
2、结构方程模型的优势与特点结构方程模型（Structural Equation Modeling，SEM）是一种广泛应用于社会科学、心理学、经济学等领域的统计方法，其最大的优势在于能够同时处理多个因变量，并考虑变量间的复杂关系。
结构方程模型
结构方程模型
1
SEM 概述
2
SEM与几种多元方法的比较
3
SEM 的分析步骤
4
SEM的应用
SEM与几种多元方法得比较
①SEM与传统多元统计方法(多元统计) 传统多元统计方法:检验自变量和因变量得单一关系(多元方
差分析可以处理多个,但就是关系也就是单一得) SEM:综合多种方法,验证性分析,允许测量误差得存在。
ε2
1
λ3
Y3
ε3
结构模型回归方程
残差 e1
1
结构模型潜变量间回归方程如下:
η1=γ1ξ1+e1
内 生潜变量 η1
γ3
η2=γ3η1+γ2ξ1+e2
γ1
γ2
残差(e1、e2)表示方程中未 能被解释得部分
外 生潜变量 ξ1
残差 e2
1
内 生潜变量 η2
全模型
观测变量
误差
相关 测量 方程
1
e1
X1 1
SEM得应用
2、结构方程在经济管理领域得应用
土地、住房领域
武文杰,刘志林,张文忠《基于结构方程模型得北京居住用地价格影响因素评价 》(2010)
• 选取了北京市2004-2008 年土地交易得微观数据,基于结构方程模型构 建了地价估计模型,定量分析了生活、交通、环境设施便利性和工作便 利性这4 类外生潜变量对居住用地出让价格得影响程度,从而测度出房 地产开发商对她们得偏好差异度。
结构方程模型
结构方程模型
1
SEM 概述
2
SEM与几种多元方法的比较
3
SEM 的分析步骤
4
SEM的应用
为什么要用结构方程模型？
结构方程模型因子载荷太低的原因
结构方程模型因子载荷太低的原因 标题：探究结构方程模型中因子载荷过低的原因及应对策略 一、引言 结构方程模型（Structural Equation Modeling, SEM）是一种多元统计分析方法，广泛应用于社会科学、行为科学、管理科学等领域，用于探讨多个变量间的复杂因果关系。在SEM中，因子载荷是一个核心参数，它反映了潜在变量对观测变量的影响程度。然而，在实际操作中，我们有时会遇到因子载荷过低的问题，这不仅影响了模型的解释力，也可能导致模型整体拟合度不佳。本文将深入剖析因子载荷过低的可能原因，并提出相应的解决策略。
二、因子载荷过低的原因 1. 潜在变量与观测变量概念界定不清：理论建构阶段，如果潜在变量和观测变量的概念界定模糊，或者选取的观测指标未能有效反映潜在变量的核心内容，就可能导致因子载荷偏低。
2. 观测变量测量误差大：如果使用的量表信度不高，或数据收集过程中存在较大误差，也会使因子载荷下降。
3. 样本选择偏差：样本群体特征与理论预期不符，可能导致某些观测变量无法有效反映潜在变量的信息，从而降低因子载荷。
4. 模型设定问题：包括模型结构假设不合理，如遗漏重要路径或设定过度复杂的模型结构等，都可能导致因子载荷偏低。
三、解决策略 1. 理论模型优化：明确潜在变量与观测变量之间的逻辑关联，确保选取的观测变量能准确、全面地反映潜在变量的本质属性。必要时可通过文献回顾、专家咨询等方式，重新审视和修订理论模型及指标体系。
2. 提高量表质量：采用具有较高信度和效度的量表进行数据收集，以减少测量误差。同时，严格把控数据收集过程，提高数据质量。
3. 合理抽样与样本调整：根据研究目的和理论框架，合理设计抽样方案，确保样本能代表总体。若发现样本选择偏差问题，可尝试使用权重调整、分层抽样等方法来改善。
4. 模型修正与验证：对模型进行逐步调试，删除载荷较低且无显著意义的观测变量，或考虑添加缺失的路径关系。运用多种拟合指数综合评估模型的拟合优度，通过修改模型结构直至达到理想的模型拟合效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１１０ 统计与决策２００８年第６期（总第２５８期）
万方数据
裹１ 潜变量
内生变量 价格（ＰＲＩＣＥ）
外生变量 综合特征 自身特征（ＤＷＥＬＬＩＮＧ）
楼座特征（ＢＵＩＬＤＩＮＧ）
楼盘特征（ＳＩＴＥ）
区位特征（ＬＯＣＡＴＩＯＮｌ
名称 Ｐｒｉｃｅａｊ
模型变量的定义 观察变量（个别特征）
定义
ＣＰＩ调整后的住宅交易价格（元／ｍ２，连续变量）
长期以来，特征价格模型（Ｈｅｄｏｎｉｃ Ｐｒｉｃｅ Ｍｏｄｅｌ）被广泛 用于确定各种特征在住房价格决定中所起的作用。Ｈｅｄｏｎｉｃ 模型是基于效用论和市场均衡理论建立起来的价格模型．由
Ｌａｎｃａｓｔｅｒ（１９６６）‘：１和Ｒｏｓｅｎ（１９７４）暇发展起来，并由Ｒｉｄｋｅｒ ａｎｄ Ｈｅｍｍｉｎｇ（１９６８）ｆ４】弓ｌ入房地产研究的。而通常的Ｈｅｄｏｎｉｃ 模型多采用多元回归的方法将将住宅价格与住宅的多个个 别特征联系起来。然而，我们常常既感兴趣消费者对增加一 问卧室或一间卫生间的认可程度．又想知道消费者在选择住 宅时最看重住宅所处的区位，还是所在的楼盘整体素质，还 是一处住宅的房型、楼层等代表的住宅自身特征。这不但可 以为学者在理论上进一步研究消费者购房行为建立简约模 型提供实证依据．并且可以在开发实践中为房地产商快捷科 学地评价项目，确定项目销售价格提供有力支持。但如上文 所述，通常的Ｈｅｄｏｎｉｃ模型只能确定消费者对住宅个别特征 的偏好，而无法度量消费者对住宅综合特征的偏好。所以本 文将以西安住房市场为例，引入结构方程模型（Ｓｔｒｕｃｔｕｒａｌ Ｅ．
Ｂｅｄｒｏｏｍｓ
Ｂａｔｈｒｏｏｍｓ
Ａｒｅａ Ｐｕｒｅｌｉｖｉ
（１＝其它； ２＝纯住宅楼） Ｈｅｉｇｈｔ ｆｌ＝多层； ２＝小高层： ３＝高层１
Ｌｏｔｓｉｚｅ Ｔｏｔａａｒｅａ
Ｔｏｔａｂｕｉｌ
Ｎｅｉｇｈｂｏｒ （１到５表示从最差到最好）
Ｄｉｓｔａｎｃｅ
（１＝－－一环以外； ２＝一环和二环之间 ３＝一环之内１ Ｄｉｓｔｒｉｃｔ （１＝城北； ２＝城西： ３＝城东： ４＝城南： ５＝高新区： ６：城内１
７．８０ 一５．１９ １７．３２ １２．１７ １０．２５ ９．２０ ４．７６ ９．３９ １７＿３２
０．７３ ０．２２ １．００ ０．８２ ０．７２ ０．５０ ０．２３ ０．５２ １．ｏｏ
利用Ｌｉｓｒｅｌ程序得到最终模型的过程包括模型估计、部 分及总体拟合优度评价和模型修正。文章首先对测量模型进 行了估计，得到了住宅个别特征对综合特征代表力强弱的 ‘标准因子荷载’的数值与它的ｔ统计量，及可决系数（Ｒ２）的 数值，如表２所示，这些数值反映出测量模型的正确性和可 靠程度１６１。在表２中，标准因子荷载和Ｒ２都大于０．２，而且标
（ＡＧＦＩ）ｆ羽。从表４中上述各指标的数值可以看出此模型的整
体拟合度总体看来较好＠。
衰２
测量模型的估计
潜变量 ＤＷＥＵＬＩＮＣ
观察变量 标准因子荷载
Ｂｅｄｒｏｏｍｓ
Ｂａｔｈｒｏｏｍｓ
Ａｒｅａ
０．９９ ０．８５ ０．９５
卜ｖａＩｕｅ １６．７２ １２．９９ １５．５８
Ｒ２ ０．９８ ０．７３ ０．９０
本文的数据样本来自于西安商业银行的个人信贷部饼 结合实际调查，在剔除了存在缺失值的样本后。最后的样本 容量为１５６０。
基金项目：国家社会科学基金资助项目（０４ＸＪＹ０１６） ①ｓＥＭ兼顾了多元回归，因子分析．通经分析等统计方法的功能和优点，更重要的是，它能够通过利用可直接测量的变量作为不可直接刹量的变量的“标识” 来表示它，在本文中，综合特征就是由多个个别特征决定的不能被直接曩ｉ量的变量。
第二．楼盘特征是消费者选择住宅的第二个重要因素 （Ｂ，＝０．３４），随着人们收入的提高，他们对居住地的需要不仅仅 限于满足睡眠和休息．所以对购买的楼盘或项目提出了更高 的要求，希望有更多的绿地和生活服务配套．如运动设施、便 利店、幼儿园、小学。甚至美容店，咖啡屋等．用地面积和总建 筑面积越大，建筑物栋数越多。楼盘的规模就越大，所能够提 供的生活配套可能越完备。对购房者的吸引力也就越大。
万方数据
统计与决策２００８年第６期（总第２５８期）１１ｌ
根据表２和表３中的数据，结果分析如下： ·第一．很明显。表３显示区位对住宅交易价格的影响比 其它住宅综合特征显著胜出（１３，－－０．９８），也就是说，消费者在 选择住宅时。区位条件是首要考虑的因素。由于房地产的不 可移动性．区位选择一直是房地产研究的重点．它反映出人 们对房地产区位价值重要性的普遍认同，而本文的模型利用 现实数据实证了区位是影响住房价格的第一要素。同时。表 ２的数据表明，‘周边环境质量’和‘地块所处区域’比‘地块 距离市中心远近’更能代表区位特征．因为‘Ｎｅｉｇｈｂｏｒ’和 ‘Ｄｉｓｔｒｉｃｔ’的标准因子荷载比‘Ｄｉｓｔａｎｃｅ’的大．从而决定了周 边环境质量和地块所处区域比距离市中心远近更能影响住 房价格。近几年由于西安市在城市交通基础设施方面的巨大 投入使得西安市的交通网络越来越发达。再加上家庭轿车的 性价比不断提高，使得人们的活动力增强，活动范围增大，所 以人们可以选择的居住地向外扩张了：再加上城市辖区的重 划，技术开发区、经济开发区、生态旅游区的相继建立，更多 的新的都市核心不断形成，所以对城市中心的依赖性降低， 在其它商业中心人们依然可以享受到日常生活和工作的便 利。因此，住宅消费者更看重居住地周边的交通、学校、医院、 银行、商场等公共设施条件的完善程度以及空气、噪声等环 境质量，“城市空心化”也就在所难免了。另外。结果显示，由 变量‘ＤＩＳＴＲＩＣＴ’指代的由于历史传承或城市规划所赋予‘区 域’的鲜明的社会人文特点本身对区位特征有着强有力的代 表性，进而对住宅价格有着不同的影响，例如，西安高新区和 城南一直被认为是最好的栖息地。那里没有重工业。高校云 集。旅游和文化资源丰富，因此房价高。
１研究模型
一个完整的结构方程模型包括测量模型和结构模型两 部分，测量模型表示如何用观察变量来定义潜变量；而结构 模型则衡量潜变量之间的因果关系。本文中的测量模型描述 了每一个住宅综合特征如何被相应的个别特征定义的，而结 构模型确定了价格和综合特征之间的因果关系。其中，价格 （ＰＲＩＣＥ）和综合特征是潜变量，价格是内生潜变量和因变 量，而综合特征是外生潜变量和自变量。分别用‘ＬＯＣＡ． ＴＩＯＮ’，‘ＳｒＩＥ’，‘ＢＵＩＬＤＩＮＧ’和‘ＤＷＥＬＬＩＮＧ’四个变量表 示区位特征，楼盘特征，楼座特征和自身特征。经过消费者价 格指数（Ｃｏｎｓｕｍｅｒ Ｐｒｉｃｅ Ｉｎｄｅｘ，ＣＰＩ）调整后的单位面积住宅 价格（Ｐｒｉｃｅａｊ）是潜变量价格的观察变量，而每一个具体的住 宅个别特征是综合特征的观察变量．模型中变量的含义如表
地块所处区域（定序变量）
ห้องสมุดไป่ตู้
准因子荷载都在Ｏ．０１的水平下显 著．由此可以表明我们选择的个 别特征变量都能较好的代表综合 特征变量．而且测量模型具有一 定的测量信度。
表３列出了结构模型的估计 结果．第一行数据显示了模型中 表示四个住宅综合特征和住宅价 格之间因果关系的路径参数Ｂ的 估计值，在每一个Ｂ值下是对应 的标准差和ｔ值：同时．表２的最 右侧列出了表示潜变量间因果关 系的结构方程的可决系数Ｒ２的 值。可以看出，所有的路径参数Ｂ 都至少在０．０５的水平下显著．同 时Ｒ２是０．８７。与类似研究结果比 较．方程拟合度较好③。
另外。本模型的整体拟合优 度指数（Ｇｏｏｄｎｅｓｓ—ｏｆ－ｆｉｔ Ｉｎｄｉｃｅｓ） 见表４。整体拟合优度指数是用来 衡量建立的模型从总体上与实践 数据相拟合的程度．在研究实践 中．通常同时利用多个指数来衡 量模型的整体拟合度。一般包括 ｘ２，近似均方根残差（ＲＭＳＥＡ）、标 准均方根残差（ＳＲＭＲ）、比较拟合
１。
基于上述定义，模型中所有变量的关系如图ｌ所示。在 图ｌ模型中，三个子模型被建立，分别表示外生潜变量的四 个住宅综合特征和其观察变量之间关系的测量模型１、表示 内生潜变量ＰＲＩＣＥ和其观察变量之间关系的测量模型２以 及表示四个住宅综合特征和价格之间因果关系的结构模型， 文章的主要目的是确定测量模型１中表示住宅个别特征对 综合特征代表力强弱的‘标准因子荷载’的数值和结构模型 中体现四个住宅综合特征对住宅价格影响大小的路径参数 Ｂ的值。
衰３ 内生变量
删ＣＥ
结构模型的参数（Ｂ）估计
ＤＷＥＬＬＩＮＧ ＢＩ＝００５２’
ｆｏ．０２６） ２．０１
外生变量
ＢＵＩＬＤＩＨＧ １３±－－ｏ ２７’ （ＯＡｌ） ２，５２
ＳＩＴＥ １３１＝－－０ ３４＊
（ｏ．１３） ２．５３
注：＋ｐ＜Ｏ．０５；４＋‘ｐ＜０．００１
ＬＯＣＡＴｌＯＮ １３，＝０ ９８＋’‘
磐丝卦 翱量●Ｉ型ｌ
Ｉ！兰竺卜、
ＥＥ｝ｐ⑩ｉ朱） 目
匡三卜
Ｒ：＝＝］． （三）争产…‘
匿目巨—＝；■／｝∥五影？，
ｏ．．－．．一．．．．．．一．．．．．．．．．．．．．一一．．．．，．．．．
－ｇ：ａ一外生变量、自变量：ｂ－内生变量、因变量
田１住宅价格与住宅特征之间的结构方程模型
２模型结果分析
指数（ＣＦＩ）、拟合优度指数（ＧＦＩ）、调整后的拟合优度指数
关键词：消费者偏好；住宅综合特征；Ｈｅｄｏｎｉｃ模型；结构方程模型；住宅交易价格 中图分类号：Ｆ２９３．３０ 文献标识码：Ａ 文章编号：１００２—６４８７（２００８）０６－－０１１０－０３
Ｏ引言
ｑｕａｔｉｏｎ Ｍｏｄｅｌ。ＳＥＭ）探讨住房综合特征、住房个别特征和 住房价格之间的结构和关系，并通过Ｌｉｓｒｅｌ程序来完成阁。
第三，住宅所在楼座本身对住宅交易价格也有一定影响 （ｐ：＝０．２７），而且人们对较高的楼座和纯住宅表现出一定的偏 爱。另外，模型结果还显示住宅单位自身的特征对住宅价格 的影响很小（Ｂ，＝０．０５２），也就是说，卧室数量、卫生间数量及 建筑面积的不同对住宅单价没有多大影响，这个结果与国外 一些学者的对国外住宅市场的研究成果存在分歧阳３１。