三、分析方法

研究采用验证性分析方法——结构方程模型（SEM）来分析整体样本的数据。根据对提出模型的信心和把握来看，结构方程可分为三大类来分析：纯粹验证（strictly confirmatory，SC）、选择模型（alternative models，AM）和产生模型（model generating，MG）。［237］由于前期的研究已经得到了一个有理论基础的概念模型，本章的研究目的在于验证模型是否拟合样本数据，因此，本次分析是纯粹验证的结构方程分析，没有根据LISREL输出的调整指数（Modification Index，简称MI）对模型的路径进行调整和再选取。

具体地，采用LISREL 8.53软件中的极大似然法（Maxmium Likelihood，简称ML）来分析数据，在LISREL8.53命令语言环境下编写了相应的数据分析程序。LISREL模型一般由测量方程模型和结构方程模型两个部分组成。测量方程描述潜变量和指标（显变量）之间的关系，潜变量和指标之间的关系（即因子负荷）反映了测量题目的信度和效度，以及数据的质量。本章采用LISREL的测量模型对量表的效度进行了分析，对锻炼坚持机制解释结构模型各要素测量的具体分析见第六章的内容，对于结构方程验证时全模型中的测量模型部分的结果见第六章第三节。结构方程则描述潜变量之间的关系，对于结构方程模型部分，本章在测量模型的基础上，根据锻炼坚持机制解释结构模型的假设，设定了潜变量之间的路径关系，路径关系的显著性反映锻炼坚持机制解释结构模型的假设是否成立。(https://www.daowen.com)

在对模型的拟合度进行评估时，选取了以下几个指标：X2、RMSEA、GFI、AGFI、NFI、CFI、PNFI和PGFI，反映模型产生的协方差矩阵对原协方差矩阵的拟合程度（X2、RMSEA），整体模型的绝对拟合度（GFI、AGFI）、相对拟合度（NFI、CFI）和节约拟合度（PNFI、PGFI）。一般认为，X2/df越小越好，小于2.0表示模型和数据拟合非常好，在2.0至5.0之间时，可以接受模型。RMSEA的值越小越好，小于0.1表示好的拟合，小于0.05表示非常好的拟合；GFI、AGFI、NFI、CFI应大于0.9，大于0.95表示非常好的拟合；PNFI和PGFI则越大越理想，通常达到0.5以上就表示是一个好的模型。［138］