在财务管理研究中，运用传统统计方法可能会遇到这样的问题：无法处理多个原因、多个结果的关系;变量无法直接观测。结构方程模型弥补了传统统计方法的不足，在处理多变量关系时具有独特的优势，已在多学科领域得到广泛应用，并被称为近年来统计学三大发展之一。在国内，结构方程模型研究方法则刚刚兴起，部分学者在财务管理类实证研究中也开始采用这一方法。本文检索了国内财务管理领域的相关文献，对结构方程模型的应用进行了汇总分析。
一、结构方程模型概述
结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，也称为协方差结构分析[1]。它集合了因子分析、路径分析、回归分析等一系列多元统计分析方法的优点，具有同时处理多个因变量、容许自变量和因变量含有测量误差、同时估计因子结构和因子关系、允许更大弹性的测量模型、估计整个模型的拟合程度等优点[2]。结构方程模型最突出的是引入潜变量概念，通过为潜变量设定观测指标，用观测指标之间的关系来研究潜变量之间的关系，包含测量方程和结构方程两部分。测量方程为x=x和y=y+，其中x为外生指标向量;为外生潜变量向量;y为内生指标向量;为内生潜变量向量;x是外生指标在外生潜变量上的因子载荷矩阵;y是内生指标在内生潜变量上的因子载荷矩阵;和是相应的误差项，反映未能被解释的部分。结构方程为=В++，其中В和都是路径系数;是残差项。
结构方程模型的建立过程通常有四个主要步骤：模型设定、模型识别、模型估计和模型评价与修正[3]。在结构方程建模中，参数的估计一般由专业统计软件来实现，目前使用较广的软件有LISREL、AMOS、EQS以及Mplus。
二、结构方程模型在财务管理研究中的应用
在财务管理研究中，结构方程模型主要用于解决某变量的构成要素或影响因素、两个潜变量之间的关系或三个潜变量之间关系的多元回归分析问题，以及带有中间变量的因素间的关系问题。
1.多元回归分析模型
回归分析是被广大研究者所熟悉的统计模型，主要用于解释因变量受一个或多个自变量的影响程度。当存在多个因变量时，或变量之间的影响是双向的，可利用联立方程模型。同样，结构方程模型也可实现以上效果，但与传统的回归分析不同，它允许自变量和因变量存在测量误差，为分析潜变量之间的结构关系提供了可能。
陈媛(2009)应用结构方程模型建立上市公司财务综合评价模型[4]。文中以盈利能力、偿债能力、现金流量能力、发展能力作为四个潜变量，然后构建了26个评价指标作为潜变量的观测变量，最终得出上市公司财务评价的数学模型的表达公式。
此外，王虹等(2009)采用结构方程模型分析我国制造业上市公司信用结构对企业绩效的影响[5]。文中将公司信用具体分为商业信用、银行信用和证券信用作为外生潜变量;将企业绩效分为市场绩效和财务绩效作为内生潜变量。在此基础上又为外生潜变量和内生潜变量各自设置了8个外生观测变量和6个内生观测变量。
同时，关健等(2011)使用结构方程模型分析了中小企业投资类利益相关者关系质量、扭亏战略与财务脱困的关系[6]。文中采用调查问卷法收集数据，将投资类利益相关者关系质量通过沟通、信任、承诺和参与治理四个维度来测量，又将扭亏战略分为三类，选取综合指标评价测量财务脱困。
2.带有中介变量的模型
在实践研究中，自变量对因变量有直接的作用关系，但是自变量也可能通过另一个变量对因变量产生作用。谭卓等(2008)应用结构方程模型实证检验了股权集中度、董事会独立性和公司绩效间的三角关系，研究结果表明股权集中度对公司绩效不但有直接影响而且通过董事会独立性产生间接影响[7]。文中将股权集中度作为外生潜变量，用H2指数(公司前两大股东持股比例平方和)和cr_10指数(公司前10大股东持股占公司总股本比例之和)来作为外生显变量;将董事会独立性和公司绩效作为内生潜变量，前者由独立董事比例和两职状态作为内生显变量，后者将EPS(每股收益率)和ROE(净利润)作为内生显变量。
三、结束语
以上分析，只是对结构方程模型在财务管理研究中的应用中解决的问题类型进行了汇总，并没有对具体应用做详细的描述和评价。结构方程模型具有其他统计分析模型所不及的优势，在财务管理领域中有大量的研究课题适合运用结构方程模型来进行分析。但是，结构方程模型在财务管理研究中的应用并不广泛，究其原因，可能是这种方法研究过程复杂、对研究者的知识能力要求较高。同时，结构方程模型也有其适用条件，如对样本容量的要求较高、对其应用应该以清楚的理论模型或逻辑推理为依据等。因此，在使用结构方程模型进行数据分析时，应该对其原理和适用条件有充分的理解，只有这样，才能够更好的运用这个方法，得到有意义的结果。
