隨著電腦科技技術的快速演變，統計方法的操作亦有了大幅度的進步，促成當前結構方程模型的盛行，學習和使用結構方程模型的人愈來愈多，其中多數人通常在執行結構方程模型時，多會以各種適配度指標作為確認整體模型的優劣，但卻時常忽略了，每項統計分析方法都有一些前提假設需要被滿足，在滿足這些前提假設之後，方才能夠說明與支持該統計分析跑出來的結果是適用的。

關於結構方程模型的前提假設，本篇以採用估計參數是否違犯估計(offending estimates)為依據：

  • 誤差變異數只能為正值，若為負值，表示存在Heywood cases，且違反估計。
  • 誤差變異數需要達統計顯著水準，若為不顯著時，則表示違反估計。
  • 標準化估計係數絕對值需小於95，若超過0.95，則表示違反估計，可能原因為構念之間存有高度相關、構念信度過低等因素。
  • 過大的標準誤，表示違反估計，若標準誤與估計值具有顯著相關，表示標準誤太大，出現第二類型錯誤的機率較高，使得應達統計顯著水準而未達顯著。

備註：出現Heywood cases，其中原因可能為樣本數過少(少於300個樣本)或每個構念(construct)並未具有三個測量變數。

參考文獻

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2009). Multivariate Data Analysis, 7th, Upper Saddle River, NJ: Prentice-Hall.