小弟我看了很多结构方程模型论文，大多只列出了主要的潜变量的关系，但是对于这些每个潜变量背后巨大的多维量表如何最终测量得到潜变量数值很不清楚，因此无法开展研究，请各位大侠专家赐教！不胜感激！

我在许多管理学的博士和期刊论文里看到大量用3层或者以上潜变量构建结构方程模型，每个潜变量都是由一个比较大的多维量表去支撑的，如研究，如由一个文章模型的一部分是研究组织承诺通过员工态度的中介作用影响企业绩效的3个潜变量模型，其中组织承诺是由1个巨大的包含3个维度（连续承诺、规范承诺和感情承诺）的量表来测度，但是在我看来，用来测量组织承诺的三个维度本身就是3个潜变量，因为他们也都是由许多问项测得的，可惜在各类文章中，都仅仅列出了他们模型核心潜变量的路径图，以及核心潜变量的相关系数矩阵，我菜鸟实在不知道这些潜变量的值是如何确定下来的，比如上例该文章仅仅列出了组织承诺与员工态度，以及组织承诺与企业绩效的相关系数，和路径图，可是我不知道组织承诺是如何被测量出来的，一般说潜变量都是需要由3个或以上显变量测量，但是组织承诺的3个测量变量（连续承诺、规范承诺和感情承诺）都是隐变量啊，因为他们本身都是由许多问项去测量的，难道隐变量还可以测量隐变量？或者作者把他核心隐变量组织承诺的上一阶隐变量全部视为显变量处理了？他的处理方法又是什么呢？

我在看了一些相关资料后，推测可能是先进行因子分析，然后利用因子得分进行测量，比如上例对组织承诺的测量量表进行因子分析，得到该量表3个维度（连续承诺、规范承诺和感情承诺）的因子得分，将因子得分视为该3个维度的分数以将这3个维度转化为组织承诺的显变量，继而进行后续的结构方程模型分析，等于对模型进行了降维处理，不知道是不是这样的？

这种利用大型多维量表去测量某个潜变量是非常常见的，但是由于量表本身就是多维的具有潜变量，而不是我在AMOS教程里看到的每个潜变量都是由3，4个简单问项作为显变量去测量，而每个论文里都没有说明他是如何将多维的测量量表中的各个维度转化为其模型核心潜变量的显变量的，请大家不要笑我，我是真的不知道啊，谢谢大家了！

我也等待

楼主的问题说得很繁琐啊，个人看了一下，楼主是不是想问结构方程模型中的隐变量怎样得到的啊？

一般来说，本人实际做研究的时候，会先构想自己要印证的模型的结构，然后根据模型变量的含义，对每个变量设置尽可能完备的测项，一般这个设置的过程是有量表可以参考和组合的，或者是通过深度访谈得到，然后对通过前测保留大约20个效果最好的测项。

用这个量表进行测量，数据拿回来，是每个测项的数据，然后用因子分析对测项数据进行分析，之后会看效果，是否能够提炼像一开始设计那样的几个变量，一般都能提取出来，否则就是前测没做好，就从修改量表开始再来一次。提取出这几个变量以后，再将测项的数据放到lisrel里头，通过组合调整删减，做出结构模型。

个人认为，变量的得到最常用的方法是因子分析，但不仅仅只有因子分析，聚类和主成分分析也都有人用，看看实际情况吧，符合相应的假设条件，就应该用相应的方法。

至于隐变量的问题，不知道楼主提的隐变量具体是指哪一级的变量，曾经和同仁讨论过一级变量和二级变量的问题，通常我们如果做验证性因子分析的时候，原本认为是一个变量的，结果却显示两个，那么会再用属于该两个变量的数据再做一次因子分析（聚类，主成分分析都有可能，看实际需要），然后通过组合调整变换，将它们拟合成一个变量，把前面的两个变量称为一级变量，后面的一个变量称为二级变量。不过以前读书的时候，和导师交流，感觉这种方法会对模型结构有不可预知的误差威胁，所以以前老师会更提倡我们的文献研究的时候，把模型做好一些，尽可能不要用二级变量。不过老师也说，学术界有些人倒是热衷于二级变量的运用，我想这个可能是观点的不一样咯。

不知道回答了楼主的问题没有。