基础准备
草堂君前面推送的几篇文章介绍了结构方程模型的结构含义、Amos软件的分析原理、模型拟合质量指标和模型校正过程等内容，大家可以从首页下方获取Amos导航页进行系统回顾，导航页的形式可以点击下面的链接查看：
下面草堂君要介绍的是如何在Amos软件上实现不同群组对同一个模型的拟合分析。
群组分析
大家在设计问卷时，一定会设计人口统计学信息和研究背景的题项，这些题项收集上来的数据很多都是分类型数据，例如：受访者性别的男和女；年龄分组的青年人、中年人和老年人；户籍的农村和城市等等。如果分析者想用不同群组的数据分别拟合同一个模型，比较两套模型拟合结果的差异，那么就需要用到群组分析。下面用一个具体的案例来说明Amos软件群组分析的具体操作过程。
案例分析
某社会学者研究人生规划与生活适应性之间的关系，他根据其它社会学者已经发表的相关论文成果，结合自己的调查研究，制作了下面结构方程模型。人生规划和生活适应为潜在因子，其中，人生规律对应的测量变量为经济计划和生活计划；而生活适应对应的测量变量为社会适应、心理适应和生理适应。分析者想分别用全体受访者、男性受访者和女性受访者的数据分别拟合下面的模型，比较模型拟合结果。
下图是上述模型对应的SPSS数据，包括两个分类型变量：性别和经济状况。草堂君将用性别为例介绍如何进行群组分析，大家可以使用经济状况变量进行学习操作。
(数据已经上传到qq群，需要的朋友可以前往下载，qq群号：134373751)
分析步骤
1、群组名称设置。如下图所示，双击群组框的空白处，跳出右侧的对话框，在Group Name中输入群组名称，然后点击【New】，建立新群组。
根据案例题目的分析需求，如下图所示，草堂君设置了三个群组：全体受访者、男性受访者和女性受访者。分别对应全体受访者、男性受访者和女性受访者数据的模型拟合结果。
2、模型数据选择。设置完群组以后，点击【数据选择】按钮，会发现跳出的对话框中出现了刚才我们设置的三个群组名称，然后分别对三个群组选择数据。
以男性受访者群组为例，首先点击【View Data】按钮，选中该模型对应的SPSS文件（群组分析）；文件选中后，【Grouping Variable】亮起，点击该按钮，选中性别为分组变量；变量选中后，【Group Value】按钮亮起，选中1（对应男性）为分组变量；最后点击【OK】按钮，完成男性受访者的数据导入。女性受访者群组的数据导入过程是一样的，只不过最后的GroupValue应该选择2（对应女性）。全体受访者群组因为使用全体受访者数据拟合模型，因此不需要选择群组变量和群组变量值。
3、点击【数据变量】按钮，然后将变量框中的变量拖入路径图相应的矩形框中，完成变量数据的导入过程。
4、点击【模型拟合】按钮。
结果解释
1、模型拟合结果。如下图所示，Default model前面的XX变成OK，说明模型拟合成功。点击左上角的模型结果输出按钮，右侧的模型路径图中将会显示拟合模型的参数，包括方差和回归系数。需要注意，下图输出的模型参数结果对应的是全部受访者的非标准化结果。在模型下方显示，该模型的卡方值为42.611，p值小于0.05，表示假设模型与实际数据之间的拟合效果不理想。
2、男性受访者和女性受访者模型结果。可以发现，无论男性还是女性，模型的卡方值都为42.611，p值小于0.05，表示假设模型与实际数据拟合效果不理想。
3、模型校正。左下图为输出的模型校正线索，显示e3与e5、e2与e5、e2和e4之间可以进行修正，如果修正，卡方值分别降低8.479、5.306和7.594。在观察上面的路径图，会发现，e2属于人生规划潜在变量，e3、e4和e5来自与生活适应潜在变量。在文章： ，草堂君说过，模型修正不能完全依据模型输出结果，而应该结合研究背景，本案例中，生理适应和社会适应的残差e3和e5在现实中可能存在相关，因此草堂君在e3和e5间建立双向联系，如右下图所示：
可以发现，校正后的模型卡方值等于5.484，显著性0.790，大于0.05，说明校正后的模型与实际数据之间拟合质量良好。
4、残差共変性。草堂君将原始模型的e3和e5残差相连，也就是建立共変性。模型校正线索中显示残差之间存在共变关系。e3是来自生理适应变量的残差，e5是来自社会适应的残差，e3和e5之间存在共变关系，说明社会适应和生理适应除了受到潜在变量生活适应的影响，也会受到其它潜在变量的影响；还有一种情况，e3和e5也会存在共变关系，那就是生理适应和社会适应分别对应两个潜在变量（不是原始模型中的生活适应潜在变量），这两个潜在变量间存在相关关系。下图分别是男性受访者和女性受访者数据的模型拟合结果：
