问卷数据结构方程全流程（SPSS + AMOS）

一张设定卡（YAML）驱动整条流程：R/lavaan 按 AMOS 的默认设置把所有数字算出来，同时生成用户可以在 SPSS / AMOS 里原样复现的语法和操作步骤，再把结果排成中文论文的三线表和结果段落。

.sav 数据 ──► draft_spec.R ──► 设定卡 spec.yml ──► run_sem.R ──► 输出文件夹
                                   ▲                                │
                                   └──── 模型修正（写理由）◄─────────┘

先说清楚能做什么、不能做什么

能做	不能做 / 要说明
用 lavaan 复算 AMOS 的 ML 估计（第一载荷固定为 1、χ² = (N−1)F、偏差校正 bootstrap），数字和 AMOS 一致到小数点后两三位	不能运行 SPSS 或 AMOS 本身。生成的 .sps 和 AMOS 步骤要用户自己在装了软件的电脑上跑
生成 SPSS 语法：清洗、描述统计、Harman、信度、EFA、相关、VIF、PROCESS	AMOS 的 VB.NET 程序按 IBM Amos 28 用户手册的语法生成，未在真实 AMOS 里跑过；主路线是 Amos Graphics 画图清单
PROCESS 模型 1/4/6/7/8/14（OLS + 百分位 bootstrap，与宏的算法一致）	不做 PLS-SEM（SmartPLS）、潜变量交互（LMS）、贝叶斯 SEM、纵向 / 多层 SEM
中文三线表（Word）、结果段落初稿、路径图、模型修正记录	理论模型（构念、路径、假设）由用户的研究设计决定，不由数据倒推

硬规则（每次都要遵守）

1. 数字只能来自本次运行的 results.json / results.xlsx。 不要凭印象写 AMOS 输出，不要编造任何一个系数、拟合值或置信区间。用户贴来 SPSS / AMOS 原始输出时，以那份输出为准，并用 references/08-lavaan-amos-parity.md 解释差异。
2. 模型修正只通过设定卡的 modifications，每条必须写理由。 引擎会自动核对理由和数据（被删题项在上一步模型里的载荷、误差相关的 MI 和排名），不符时在 模型修正记录.md 里打 ⚠。不要替用户删题、加误差相关来"凑"拟合；跨构念误差相关和交叉载荷不建议采纳。规则细节见 references/05-fit-and-modification.md。
3. 未达标就如实写未达标。 结果段落里的「未达标」「不成立」「不显著」是真实结果，不改写成达标；可以帮用户解释原因、给出改进方向或局限性写法。
4. 只引用 references/citations.md 里的文献作为阈值出处。需要别的文献时告诉用户自己查证，不要编。
5. --quick 只用来检查设定卡和数据（bootstrap 只有 200 次），交付前一定用正式模式重跑。
6. 告诉用户 AMOS 的 C.R. 是 z 值（临界比），不是组合信度 CR——这是问卷论文里最常见的错误之一。

工作流程

0. 环境

需要 R ≥ 4.1 和这些包（第一次用时安装）：

install.packages(c("yaml", "lavaan", "semTools", "psych", "GPArotation", "haven", "openxlsx",
                   "officer", "flextable", "jsonlite", "readxl", "ragg"))

ragg 是可选的（画路径图更清晰）；读 .xlsx 需要 openxlsx，读 .xls 需要 readxl。

1. 看数据，起草设定卡

Rscript scripts/draft_spec.R 用户数据.sav --out spec.yml

脚本会打印变量总览（名称、SPSS 标签、取值范围、缺失），按变量名前缀把题项分组（PU1 PU2… → PU），找出与同组负相关的疑似反向题，写一份带 TODO 的设定卡草稿。

2. 和用户确认设定卡

只问数据里看不出来的东西，一次问完：

• 每个构念的中文名和题项归属（草稿按前缀分组，常常要改）；
• 结构路径和研究假设（来自用户的理论模型 / 开题报告，不要自己编）；
• 反向题是否属实（对照问卷原文）；
• 要不要检验具体中介路径、多群组、PROCESS 调节模型。

字段说明见 assets/templates/spec_template.yml，完整示例见 assets/demo/spec_demo.yml。构念代码 ≤ 6 个字母（PROCESS 宏要求变量名不超过 8 个字符，生成的均值变量叫 m_代码）。

3. 快速试跑

Rscript scripts/run_sem.R spec.yml --out 输出文件夹 --quick

读 results.json 和 模型修正记录.md，向用户汇报：样本清洗结果、信度、EFA 是否有归错维度或交叉载荷的题、CFA 载荷 < 0.5 的题、拟合指标、区分效度。

4. 决定是否修正模型

按 references/05-fit-and-modification.md 的顺序：先看低载荷题项（< 0.5，且题干确实有问题才删；每个构念至少保留 3 题），再看同一构念内、题干相似的误差相关。每条修正都要用户同意并写进 modifications（带理由），然后重跑。

5. 正式运行并交付

Rscript scripts/run_sem.R spec.yml --out 输出文件夹

在 demo 数据上，SEM bootstrap 2000 次加 PROCESS 5000 次大约 15 秒。交付时按下表告诉用户每个文件怎么用：

文件	用途
结果表格.docx	中文三线表（宋体 + Times New Roman，五号），直接贴进论文第四章
结果段落.md	结果部分初稿，数字全部来自本次运行；用户按学校格式改措辞
路径图.png	结构模型标准化路径图（300 dpi），实线显著、虚线不显著
模型修正记录.md	每一步修正的内容、理由、数据依据和拟合变化，答辩被问时用
analysis.sps	SPSS 语法：改第一行文件夹路径后全选运行，输出同时导出为 spss_output_tables.xlsx
<数据名>_cleaned.sav	清洗后的数据（反向计分、剔除无效问卷、加了 m_ 均值变量），AMOS 直接读
amos/AMOS操作步骤.md	Amos Graphics 画图与设置清单，附每个 AMOS 表格的预期数值
amos/01_CFA_VB程序.vb、02_SEM_VB程序.vb	AMOS Program Editor 程序（不用手画；未实测，报错时以画图为准）
amos/03_自定义估计量.txt	具体间接效应的 estimands，粘贴到 AMOS 的 Define new estimands
results.xlsx / results.json	全部中间结果；json 供 Claude 读取和核对
lavaan_model.txt	与 AMOS 设定一致的 lavaan 模型语法

6. 用户带回 SPSS / AMOS 输出时

• SPSS：读 spss_output_tables.xlsx（OMS 导出），逐项对照 results.xlsx。α、KMO、载荷、相关系数应完全一致；不一致通常是反向题、缺失值处理或题项归属不同。
• AMOS：对照 AMOS操作步骤.md 里的预期值。点估计和拟合指标应一致到小数点后两位左右；bootstrap 置信区间因随机数不同会有第三位小数的差异，但显著性判断应一致。差异来源见 references/08-lavaan-amos-parity.md。

设定卡速查

字段	必填	说明
data	✓	数据文件，相对设定卡的路径；.sav/.zsav/.dta/.csv/.xlsx/.xls
constructs	✓	代码: {label: 中文名, items: [题项...]}，代码 ≤ 6 个字母
structural		因变量: [自变量...]，只支持递归（无环）模型；不写就只做测量模型
hypotheses		H1: X -> Y，必须对应一条结构路径；不写就自动编号
indirect		H8: X -> M -> Y（可多级），偏差校正 bootstrap 检验
reverse_items / scale_points		反向题与李克特点数（反向 = 点数 + 1 − 原值）
missing		listwise（默认，AMOS 要求完整数据）或 fiml
drop_straightliners		剔除所有题目同一答案的问卷（在反向计分之前判断）
demographics / controls		人口统计变量；控制变量（数值型）指向所有内生构念
multigroup		2 组分组变量：测量不变性 + 路径组间差异
process		{model: 4, x: X, m: [M], y: Y, w: W, covariates: [...], center: true}
modifications		{type: drop_item, item: X, reason: ...} 或 {type: error_cov, items: [A, B], reason: ...}
bootstrap / process_bootstrap / seed		默认 2000 / 5000 / 20261027

判断标准速查

指标	标准	出处
Cronbach's α	> 0.7	Nunnally (1978)
CITC	> 0.5（常用经验值）	—
KMO / Bartlett	KMO > 0.7，Bartlett 显著	Kaiser (1974)
Harman 第一因子	< 40%	Podsakoff et al. (2003)；周浩、龙立荣 (2004)
标准化载荷	> 0.5（理想 > 0.7）	Hair et al. (2019)
CR / AVE	CR > 0.7，AVE > 0.5	Fornell & Larcker (1981)
区分效度	√AVE > 相关系数；HTMT < 0.85（宽松 0.90）	Fornell & Larcker (1981)；Henseler et al. (2015)
拟合	χ²/df < 3；CFI、TLI ≥ 0.95（> 0.90 可接受）；RMSEA ≤ 0.06（< 0.08 可接受）；SRMR < 0.08	Hu & Bentler (1999)；Browne & Cudeck (1993)
中介	bootstrap 95% CI 不含 0；类型按 Zhao et al. (2010)	Preacher & Hayes (2008)
测量不变性	ΔCFI ≤ 0.01，ΔRMSEA ≤ 0.015	Cheung & Rensvold (2002)；Chen (2007)

参考文档（按需读取）

• references/01-workflow-and-chapters.md：问卷论文第四章的标准结构，每一节报告什么
• references/02-spss-syntax.md：生成的 SPSS 语法逐段说明、怎么读输出、常见报错
• references/03-amos-guide.md：AMOS 画图、设置、读输出、自定义估计量、多群组、常见报错
• references/04-reliability-validity.md：α、CITC、CR、AVE、FL、HTMT 的公式，不达标怎么办
• references/05-fit-and-modification.md：拟合指标含义与模型修正规则
• references/06-mediation-moderation.md：SEM 中介、PROCESS 各模型、选哪个
• references/07-reporting.md：中文写作模板、表格规范、答辩常见问题
• references/08-lavaan-amos-parity.md：lavaan 与 AMOS / SPSS 的设置对应与数值差异
• references/citations.md：全部判断标准的文献出处

演示与自检

• assets/demo/questionnaire_demo.sav：模拟的移动支付 App 问卷（430 份，5 个构念，18 题），生成模型已知，并且故意埋了反向题、低载荷题、误差相关、SPSS 缺失代码 9、缺答和规律作答。生成脚本是 scripts/make_demo_data.R。
• assets/demo/example_output/：用 demo 设定卡正式运行的完整输出，可以先给用户看效果。
• Rscript tests/test_demo.R：端到端自检，共 48 项检查：α / KMO 与 psych 对照，PROCESS 与 lm() 对照，χ² 的 N−1 规则，能否恢复生成模型，生成的 SPSS / AMOS 文件结构是否正确，设定卡校验，以及 PROCESS 模型 1/6/14、观测调节变量、FIML 的第二套设定。