SEM 實作路線圖／入口橋樑文

為什麼很多人一學 SEM 就迷路？

很多研究生學 SEM（結構方程模型）最大的坑，就是一上來就打開 Amos 或 Mplus，然後被滿畫面的圓圈、方塊和滿天飛的數字淹沒。

他們會急著問：「CFI 要多少才算好？」「RMSEA 超過 0.08 怎麼辦？」「為什麼我的模型跑不出來？」

但這些問題背後，往往是更根本的困惑：我到底現在卡在哪裡？

不要試圖一次「學完」SEM。SEM 是一個龐大的工具箱，你不需要每個工具都會用。在卡關焦慮之前，你應該先確定自己現在處於學習地圖的哪一個位置。

這篇文章是一份給新手的 SEM 實作路線圖，幫你判斷自己目前卡在哪裡、下一步應該先學什麼。

第一關：釐清心法——SEM ≠ 因果

最常見的誤區：把路徑圖當成因果證明

初學者常有一個錯覺：只要我在 Amos 或 Mplus 裡畫了一個單向箭頭，跑出來顯著，我就「證明」了因果關係。

錯了。

箭頭是你畫的，理論是你定的，軟體只負責告訴你「這組資料跟你的理論架構配不配」。

如果你的研究設計本身不是實驗操弄、不是縱貫性資料（追蹤同一群人在不同時間點），SEM 無法無中生有地為你創造出因果。它只能在「你的理論是對的」這個前提下，檢驗資料是否支持這套架構。

心法建議

在開啟任何 SEM 軟體之前，先把你的理論邏輯理清楚：

• 為什麼 A 會影響 B？
• 中間的機制是什麼？
• 有沒有替代解釋？

軟體只是檢驗工具，不能幫你想清楚研究問題。

第二關：測量模型——先看 CFA，再看路徑

常見錯誤：急著看假設顯不顯著

很多研究生把資料丟進 SEM 後，第一個動作是看「假設 H1 有沒有顯著」。這是致命的順序錯誤。

在檢驗任何結構路徑之前，你必須先確認你的測量模型是穩固的。

測量模型的關鍵指標

CFA（驗證性因素分析）是 SEM 的第一步。你必須確認：

• **CFI（比較適配指數）**：通常建議 > 0.90，愈高愈好
• **RMSEA（近似誤差均方根）**：通常建議 < 0.08，< 0.05 更佳
• **SRMR**：通常建議 < 0.08

如果你的 CFI 連 0.9 都不到，RMSEA 飆高，這代表你的「測量工具」本身就有問題——可能是題項設計不良、信度不足，或因素結構不如預期。

這時候後面的路徑係數再怎麼顯著，都是建立在沙地上的樓閣。測量都測不準，後面的推論毫無意義。

進階閱讀

如果你對 CFA 還不熟悉，建議先看完這篇入門：

• [CFA 實作入門：驗證性因素分析步驟與常見錯誤](https://researcher20.com/2026/03/20/cfa-confirmatory-factor-analysis/)

第三關：結構模型與複雜路徑

測量過關後，才進入結構模型

當你的 CFA 配適度及格、組合信度與變異數萃取量都達標，才可以進到正式的「結構模型」階段，檢驗你的研究假設。

這裡你會遇到各種複雜的路徑問題：

• 單純的相關或迴歸路徑？
• 中介效果（X 透過 M 影響 Y）？
• 調節效果（W 改變 X→Y 的強弱）？
• 還是更複雜的「調節中介（Moderated Mediation）」？

SEM 一次做，還是 PROCESS 分開做？

這是許多研究生的選擇難題：

用 SEM（Amos/Mplus/R lavaan）：

• 優點：可以一次估計整個模型、處理潛在變數、處理多個中介或調節的組合
• 缺點：學習曲線較陡、軟體操作較複雜

用 PROCESS macro（在 SPSS 中）：

• 優點：入門門檻低、 Hayes 的文件與範本非常完整
• 缺點：只能處理觀察變數（總分）、複雜模型需要分段跑

判斷原則

• 如果你的變數是「總分」（而非潛在因素），且模型相對簡單 → PROCESS 可能更快速
• 如果你的模型有潛在變數、多個中介鏈、或需要同時估計測量與結構 → SEM 更全面

關於 PROCESS 的使用時機，可以參考這篇：

• [Bootstrap 中介效果：用 PROCESS macro 跑比 Baron & Kenny 更準](https://researcher20.com/2026/03/20/bootstrap-mediation-process/)

常見卡點分類：你現在卡在哪？

根據過去指導學生的經驗，學習 SEM 的人通常會卡在以下四種情境：

卡點一：把工具當答案

症狀：「我學會了 Amos 怎麼按按鈕，但我不知道我的研究問題適不適合用 SEM。」

解方：回到研究問題。SEM 適合檢驗「理論架構」，但不適合探索「我不知道變數之間有什麼關係」。探索性分析請用 EFA、相關分析或質化研究。

卡點二：只看 fit 不看理論

症狀：「我的 CFI 0.95，RMSEA 0.06，所以可以發表了？」

解方：Fit indices 只是「必要條件」而非「充分條件」。好的配適度只代表「你的模型架構跟資料不矛盾」，不代表你的理論是對的。還是要回到文獻、邏輯、與實務意義來解釋。

卡點三：把路徑圖誤認為因果證明

症狀：「我的模型顯著，所以我證明了 A 導致 B。」

解方：重申一次：SEM 是檢驗「你的理論架構是否與資料一致」，而不是發明因果。因果推論需要研究設計的配合（實驗、縱貫、工具變數等）。即使是縱貫 SEM，也只能提供較強的證據，而非因果的充分條件。

卡點四：太早追進階模型

症狀：「我想直接跑調節中介的完整 SEM，但我連基本的 CFA 都還不確定自己做對沒有。」

解方：複雜模型是建立在簡單模型的基礎上。如果你的基本中介都跑不穩，貿然進入調節中介只會讓錯誤更難排查。先確認你能獨立完成簡單中介或單純路徑，再考慮進階模型。

根據你目前的狀態，這裡有幾條建議的學習路徑：

如果你屬於「概念搞混型」

• **先學**：研究設計基礎、變數類型、因果推論的限制
• **推薦起點**：閱讀 Shadish, Cook, & Campbell（2002）的因果推論經典，或任何實驗設計入門

如果你屬於「測量卡關型」

• **先學**：CFA、信效度、因素分析
• **推薦起點**：[CFA 實作入門](https://researcher20.com/2026/03/20/cfa-confirmatory-factor-analysis/)

如果你屬於「路徑選擇困難型」

• **先學**：迴歸基礎、中介 vs 調節的邏輯差異
• **推薦起點**：[Bootstrap 中介效果：用 PROCESS macro](https://researcher20.com/2026/03/20/bootstrap-mediation-process/)

如果你屬於「進階模型型」

• **先學**：多群組分析、調節中介、縱貫 SEM
• **推薦起點**：Kline（2016）《Principles and Practice of Structural Equation Modeling》或 Little（2013）《Longitudinal Structural Equation Modeling》

結語：SEM 真正能幫你的

學 SEM，就像闖關遊戲：

1. 第一關釐清心法（別把工具當答案）

2. 第二關搞定測量模型（CFI 要及格）

3. 第三關處理複雜路徑（中介與調節）

下次跑模型卡住時，先不要急著找「哪個按鈕按錯了」。

先問自己：我現在是理論邏輯卡住、CFI 不及格，還是不知道怎麼跑調節中介？

找到你真正的痛點，精準補強，你才會真正進步——而不是在軟體介面裡迷路。

本文為研究生 2.0 SEM 系列入口文，後續將推出 CFA 深度教學、調節中介實作指南等主題。

原文：

> 「如果你的研究設計本身不是實驗操操、不是縱貫性資料…」

修訂後：

> 「如果你的研究設計本身不是實驗操弄、不是縱貫性資料…」

採用 knight 建議的方案 A（保守版），在卡點三「把路徑圖誤認為因果證明」的解方中，補充說明縱貫 SEM 的限制：

修訂後：

> 「解方：重申一次：SEM 是檢驗『你的理論架構是否與資料一致』，而不是發明因果。因果推論需要研究設計的配合（實驗、縱貫、工具變數等）。即使是縱貫 SEM，也只能提供較強的證據，而非因果的充分條件。」

• [x] sage 完成修訂
• [ ] 送 magician QC
• [ ] 通過後標記為 `ready_for_publish`

Revision completed by sage on 2026-04-12.

延伸閱讀

Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin.

Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.

如果有問題，歡迎留言。