简介：面向社会科学、计量经济学等领域研究者及Python初学者，这份路径分析（Path Analysis）代码用于构建结构方程模型并量化变量间因果关系，写法简洁、结果直观。项目基于回归分析计算路径系数，借助NetworkX绘制路径图，运行main.py即可生成示例数据与路径图、路径效应图、系数对比图、相关矩阵图等可视化结果，便于对照理解模型设定、路径系数估计与效果分解。资源共7个文件，包括Python主程序、依赖清单、说明文档及4张结果图表，压缩包仅673KB，轻量易部署，无需额外配置即可在Windows/Linux/macOS运行。目前已有97人学习下载，适合需要快速上手路径分析与结构方程建模、又希望避开繁重环境配置的研究者和数据分析人员，也可在此基础上修改代码中的模型结构，适配自己的路径分析任务。
1. 路径分析是什么：从“因果假设”到“能算的图”
你手上有一份三百人的问卷数据，领导只问一个问题：“工作压力到底是不是通过职业倦怠才影响离职倾向的？”常规做法是跑三个相关、两个回归，然后在脑子里把几段关系拼成故事。故事说得通，但汇报时站不住脚，因为相关矩阵里的每个数字都看不出方向。路径分析（Path Analysis）就是专门解决这个问题的：把因果假设画成带箭头的路径图，再用最大似然回归把每条箭头的“粗细”算出来。它其实是结构方程模型里最简单、也最常被误解的一种形态——没有潜变量，没有测量模型，只有一张显变量之间的有向图。这篇笔记把 Path Analysis 建模、求解到结构方程模型可视化用 Python 完整走一遍，论文评审和业务汇报都能接得住。
2. 路径分析与结构方程模型的关系：先搞懂识别，再谈跑代码
2.1 路径分析是结构方程模型的“显变量特例”
结构方程模型，习惯缩写为 SEM，由测量模型和结构模型两块拼接。测量模型负责把问卷里的多个题目装进一个潜变量里，比如“职业倦怠”这个看不见的概念，靠十几道李克特题去估计；结构模型负责描述变量之间的因果箭头。路径分析可以看作 SEM 的一种特例：所有变量都能直接观测，测量模型被省掉，代码里只剩结构模型那一层箭头。
这个特例的身份决定了它的写法和威力。你在 SEM 软件里写路径分析，模型其实就是一组回归方程的集合，但和普通回归有个关键差别：普通回归一次只能处理一个因变量，路径分析可以同时估计多个回归方程，并且允许某个变量既当因变量又当自变量。比如 M ~ X 和 Y ~ X + M 两条方程里，M 在第一条是结果，在第二条是预测源，这种“中间变量”就是路径分析最拿手的中介结构。
路径图里有个约定俗成的画法：显变量画成方框，潜变量画成椭圆，没有测量模型的路径分析理论上可以只画方框。实际论文里，很多人依然会给每个显变量补一个看起来像潜变量的椭圆残差项，这里先不展开，画图章节会讲。
2.2 直接效应、间接效应与总效应：路径系数拆解
路径分析的输出不是一张图就完了，核心是效应拆解。拿最经典的三变量中介模型举例，X 是工作压力，M 是职业倦怠，Y 是离职倾向。模型写成两条方程：
- M ~ X，得到路径系数 a；
- Y ~ X + M，得到路径系数 c′（X 对 Y 的直接路径）和 b（M 对 Y 的路径）。
这时 X 对 Y 的影响被拆成三块。直接效应就是 c′，间接效应是 a 乘 b，总效应是 c′ 加上 a 乘 b。这个乘法看起来简单，却是路径分析比普通回归多出来的核心价值：你不仅能回答“有没有影响”，还能回答“影响是怎么传过去的”。
效应拆解在多变量链条里会更复杂，比如 X→M1→M2→Y 这种两步中介，间接效应会有 a1、a2、b 三条系数相乘的部分。很多人一上来就背公式，我建议先在纸上把路径图画出来，每画一条箭头就标一个字母，再去写代码。路径分析里最常翻车的地方，不是系数的计算，而是箭头画错了。
2.3 模型识别：为什么有的路径分析一跑就报错
模型识别是路径分析新手最容易忽略、但报错时最让人挠头的问题。识别说白了是一个账目问题：观测数据能提供多少个信息，模型要估计多少个参数，信息不够，系数就没法唯一确定，软件就会报“无法识别”或者矩阵奇异。
观测变量是 n 个时，协方差矩阵能提供的独立信息是 n 乘 (n+1) 除以 2。待估参数包括路径系数、残差方差、外生变量方差等。自由度 df 等于前者减后者。df 大于 0，模型是过度识别，可以输出拟合指标；df 等于 0，模型恰好识别，通常称为饱和模型；df 小于 0，欠识别，软件直接拒绝干活。
路径分析里最常见的识别问题有两种。一种是拟合完才发现 df 是 0，这是因为模型把所有能画的箭头都画上了，变量间的协方差全被参数吃干抹净。另一种是两个变量之间同时写了相反方向的箭头，比如同时写 M ~ X 和 X ~ M，造成循环，系数矩阵算不出唯一解。识别问题不是玄学，先算 df 再跑模型，能省掉大量排查时间。
3. 用 Python 跑路径分析：模拟数据、参数估计与结果解读
3.1 模拟一份带有中介结构的数据，先让“真值”握在你手里
做路径分析的第一件事不是拿真实数据硬跑，而是先造一份已知结构的数据，让代码跑出的结果能和“真值”对照。真实数据里你不知道真实系数是多少，模型结果对错只能靠拟合指标猜；模拟数据里你亲手埋进去系数，跑出来大致接近，才算把链路走通了。
import numpy as np import pandas as pd np.random.seed(42) # 固定随机种子，结果可复现 n = 300 # 样本量，中介模型的常见规模 X = np.random.normal(5, 1.5, n) # 自变量：工作压力 M = 0.6 * X + np.random.normal(0, 1.0, n) # 中介：职业倦怠 Y = 0.4 * X + 0.5 * M + np.random.normal(0, 0.9, n) # 因变量：离职倾向 df = pd.DataFrame({"X": X, "M": M, "Y": Y}) print(df.head())这里 0.6、0.4、0.5 就是埋在数据里的真实路径系数，误差项都服从正态分布，变量之间没有复杂的非线性关系。样本量取 300，是因为常见问卷有效样本量多在两百到四百之间，这个量级也足够支撑后面 Bootstrap 检验。先跑df.corr()看一眼相关矩阵，你会发现 X、M、Y 两两相关，但相关矩阵看不出方向，这正是路径分析存在的意义。
3.2 用 statsmodels 两个回归手算路径系数
路径分析在显变量、无循环路径的前提下，可以退化成若干个回归方程分别求解。这种写法不依赖专门的结构方程建模包，逻辑透明，适合新手先建立直觉。缺点是它不给你整个模型的拟合指标，只给你一条条路径的系数。
import statsmodels.api as sm # 第一步：M ~ X reg_m = sm.OLS(df["M"], sm.add_constant(df[["X"]])).fit() # 第二步：Y ~ X + M reg_y = sm.OLS(df["Y"], sm.add_constant(df[["X", "M"]])).fit() print("M ~ X 系数:", reg_m.params) print("Y ~ X+M 系数:", reg_y.params)逻辑上，第一条回归算出 X 到 M 的路径 a，第二条回归同时算出 X 到 Y 的直接路径 c′ 和 M 到 Y 的路径 b。sm.add_constant的作用是给方程补截距项，路径分析默认包含截距，不写会对不上结果。分别回归的局限在于它假设两条方程的残差独立，如果业务上有理由认为 M 和 Y 的残差相关，就得用联立估计。
3.3 用 semopy 联立拟合路径模型
semopy 是 Python 生态里能承担结构方程建模的重量级包，语法借鉴了 R 语言的 lavaan，~表示回归箭头，~~表示方差或协方差。路径分析到这里才真正回到“结构方程模型”的统一框架下。
from semopy import Model model = Model(""" M ~ X Y ~ X + M """) model.fit(df) insp = model.inspect() print(insp)inspect()返回一个 DataFrame，包含 lval、op、rval、Estimate、Std. Err、z-value、p-value 等列。你会看到 Estimate 和前面 statsmodels 手算的结果非常接近，这是因为显变量路径分析在无循环时，联立最大似然与分别回归本来就趋于一致。差别在于 semopy 同时给出标准误和显著性，还保留了整个模型的协方差结构。
如果你没有装 semopy，直接pip install semopy，它会自动带上 numpy、pandas、scipy 等依赖。装完后建议先跑官方自带的数据集做一遍最小示例，确认环境没问题再用自己的数据。可视化需要的 graphviz 依赖后面单独说，和主包是两回事。
3.4 从拟合结果拆出直接效应与间接效应
拿到insp之后，不要只盯着 p 值，还要把效应拆出来。下面这段从 inspect 结果里按变量名定位系数，计算中介效应。
a = insp.loc[(insp["lval"] == "M") & (insp["rval"] == "X"), "Estimate"].iloc[0] b = insp.loc[(insp["lval"] == "Y") & (insp["rval"] == "M"), "Estimate"].iloc[0] cp = insp.loc[(insp["lval"] == "Y") & (insp["rval"] == "X"), "Estimate"].iloc[0] indirect = a * b total = cp + indirect print(f"a={a:.3f}, b={b:.3f}, c'={cp:.3f}") print(f"间接效应={indirect:.3f}, 总效应={total:.3f}")这里用lval和rval定位行而不是靠行号，是因为inspect()的输出顺序在不同版本里可能有变化，按列名筛选更稳。间接效应 a 乘 b 是路径分析里最需要谨慎对待的数字，它的标准误不是简单的乘法关系，下一章会专门讲怎么用 Bootstrap 给它一个可靠的置信区间。
4. 路径分析可视化：把系数列表变成能汇报的路径图
4.1 最小可用方案：用 networkx 手画有向路径图
结构方程模型可视化的本质是把拟合系数映射到图的边和节点上。semopy 自带绘图看整体够用，但细节上不如自己手画灵活。networkx 加 matplotlib 的组合，是 Python 生态里画路径图最可控的方案。
import networkx as nx import matplotlib.pyplot as plt G = nx.DiGraph() edges = [("X", "M", 0.59), ("X", "Y", 0.41), ("M", "Y", 0.49)] for u, v, w in edges: G.add_edge(u, v, weight=w) pos = {"X": (0, 1), "M": (1, 1), "Y": (2, 1)} # 手动布局，路径图不建议自动布局 plt.rcParams["font.sans-serif"] = ["SimHei", "PingFang SC", "Microsoft YaHei"] plt.rcParams["axes.unicode_minus"] = False fig, ax = plt.subplots(figsize=(8, 5)) nx.draw_networkx_nodes(G, pos, node_color="#b3d4fc", node_size=2000, ax=ax) nx.draw_networkx_labels(G, pos, font_size=14, ax=ax) nx.draw_networkx_edges(G, pos, arrows=True, arrowstyle="-|>", ax=ax) nx.draw_networkx_edge_labels( G, pos, edge_labels={(u, v): f"{d['weight']:.2f}" for u, v, d in G.edges(data=True)}, font_size=12, ax=ax ) plt.axis("off") plt.tight_layout() plt.savefig("path_diagram.png", dpi=200)这段代码里pos是手动指定的，路径图有明确的因果顺序，左边自变量、中间中介、右边因变量，自动布局会打乱这个阅读逻辑。weight存的是拟合出来的路径系数，画图时既用于边标签，也可以用来控制线宽。中文字体配置必须放在画图前，否则坐标轴和标签里的中文全会变成方块。
4.2 semopy 自带绘图接口与 graphviz 依赖的坑
semopy 提供了从模型对象直接出路径图的接口，一条命令就能输出带残差的路径图。下面是常见的调用方式：
try: from semopy.semplot import semplot semplot(model, "path_semopy.png", show=False) print("路径图已输出为 path_semopy.png") except Exception as e: print("semplot 调用失败，多为 graphviz 系统依赖缺失", e)这个接口方便，但坑也比较固定：它依赖系统层面的 graphviz 库，而不只是 pip 包。Windows 上经常遇到装完 graphviz 还得把其 bin 目录加进 PATH，Linux 上则可能缺 libgobject。当你看到 ImportError 或运行时找不到可执行程序的报错，优先怀疑系统依赖，而不是你的模型写错了。
不同小版本里 semplot 的接口名或签名可能有微调，动手前先dir(semopy)扫一眼，确认你装的版本里有哪些绘图函数。真调不出来也没关系，4.1 节手画的方案完全够用，而且样式更可控。绘图接口给的是便捷，“手画”给的是自由，按交付要求选一个即可。
4.3 让路径图能见人：节点、箭头与字体参数调整
可视化项目汇报时，评审关心的不是代码内联多漂亮，而是路径图要素是否齐、图例是否清楚。路径分析图至少要包含四条信息：变量名、路径系数、显著性或路径方向、变量分层关系。
| 画布元素 | 参数位置 | 经验取值或做法 |
|---|---|---|
| 节点大小 | networkxnode_size | 1500 到 2500，节点太大遮挡箭头 |
| 箭头形状 | arrowstyle | 用 `- |
| 路径线宽 | width | 可设 0.1 乘系数绝对值，系数越大线越粗，视觉上突出主路径 |
| 显著性标注 | 边标签文本 | 约定**表示 p<0.01，*表示 p<0.05，脚注说明 |
| 中文字体 | rcParams["font.sans-serif"] | SimHei、PingFang SC、Microsoft YaHei 任选，一般按系统来 |
| 输出清晰度 | savefig(dpi=...) | 汇报投屏用 150，打印或论文投稿用 300 |
页数允许的时候，建议出一张全模型图加一张仅显著路径图。全模型图交代完整假设，显著路径图讲核心结论，后者在业务汇报里往往更能让非技术听者跟上思路。
5. 路径分析常见问题排查：模型翻车时按顺序查这五件事
5.1 报错说矩阵奇异 / 模型无法识别
现象：model.fit()报singular matrix，或直接提示 model is not identified。
原因：最常见的是两个变量完全线性相关，比如 X 和 M 都从同一个总分拆分出来；其次是路径图里存在循环箭头，变量之间互为因果，系数矩阵因此无法获得唯一解。
解决：先df.corr().abs()检查自变量之间是否有相关系数超过 0.9 的情况，有就考虑删变量或合并。再看模型语法，确保箭头是单向的，不存在 X~M 与 M~X 同时出现。最后算一下自由度，欠识别模型先削掉几条箭头再跑。
5.2 CFI 恒等于 1、RMSEA 恒等于 0 的“完美假象”
现象：模型跑完，CFI 是 1.00，RMSEA 是 0.00，看起来完美到不行，但心里发虚。
原因：这通常是饱和模型，df 等于 0，模型用光了数据提供的所有信息，自然没有任何残差可让拟合指标扣分。三变量中介模型如果三条路径全部画满，就是饱和模型，指标必然满格。
解决：不要高兴，先在inspect()或模型信息里看自由度。df=0 时拟合指数没有任何判别力。需要汇报拟合指标的话，就要建一个嵌套对比模型，比如删掉 X→Y 这条直接路径，变成完全中介模型，再比较两个模型的卡方差异或 AIC。对中介研究来说，报告这种嵌套模型对比比报一个 CFI=1 更有说服力。
5.3 中介效应显著但总效应不显著的翻车现场
现象：间接效应 a 乘 b 的置信区间不含零，直观上 X 对 Y 应该有总影响，但算出的总效应 c′ 加 ab 却不显著，甚至接近零。
原因：直接效应和间接效应符号相反，发生了部分抵消。比如 X 提升了 M，M 提升 Y，但 X 又直接抑制 Y，两个方向的效果互相拉扯，总效应自然看不出来。
解决：这种情况说明“压制效应”在起作用，机制本身是真实存在的，但报告时不能只写一句话“中介显著”。要分别列出直接、间接、总效应三个数字，解释正负抵消才是完整故事。审稿人或业务方问“那到底有没有影响”时，答案要落在具体效应上，而不是一句笼统的“有”或“没有”。
5.4 标准化与非标准化系数混用导致结果对不上
现象：同一个模型，有人跑出路径系数零点几，有人跑出几十，对数据对到拍桌子。
原因：非标准化系数受变量单位影响极大。X 的单位是“分”、范围 0 到 10，M 的单位是“毫秒”、范围几百上千，非标准化系数自然差一个量级。审稿人通常更关注可比性强的标准化系数，不同论文里报告口径还不一致。
解决：教训是动手前先决定好口径，提前给自己留后悔药。后续想补标准化，不用重跑模型，把数据先做 z-score 标准化再拟合一次，得到的系数就是标准化路径系数。report 时标注清楚哪种口径，对比文献时先确认对方用的是哪一种。
5.5 semopy 和 R 的 lavaan 输出对不上的排查顺序
现象：同一份数据、同一个模型，semopy 跑出的系数比 R 的 lavaan 差零点零几，p 值差别更大，心里发慌。
原因：大概率不是包坏了，而是估计方法、缺失值处理、变量排序这些前置差异累积出来的。semopy 和 lavaan 语法虽然像，但默认选项并不完全一致，再加上数据里若有 NaN，两家处理策略不一样，结果就会分叉。
解决：按顺序排查——先保证数据没有任何缺失值，再确认模型语法完全等价，然后核对估计方法是否一致，最后是两个包计算标准误时用的稳健方法不同所致。零点零几的系数差异可以容忍，但如果相差超过 0.1，优先怀疑是数据在进入模型前就被截断或标准化错了。
6. 进阶验证：用 Bootstrap 给路径系数算一套置信区间
6.1 Bootstrap 在路径分析里解决什么问题
路径系数的乘积项 ab 不服从正态分布，常规标准误公式算出来的区间经常偏窄，显著性判断也容易失真。Bootstrap 的思路是从原始样本里有放回地抽取同样多的样本，反复拟合模型，积累上千次 ab 的分布，再用百分位数切出置信区间。这个方法不依赖分布假设，是如今中介效应检验里的常见做法。
6.2 手写一个 Bootstrap 路径分析
rng = np.random.default_rng(7) n_boot = 500 indirects = [] for i in range(n_boot): idx = rng.integers(0, len(df), size=len(df)) boot = df.iloc[idx].reset_index(drop=True) try: boot_model = Model(""" M ~ X Y ~ X + M """) boot_model.fit(boot) b_insp = boot_model.inspect() a = b_insp.loc[(b_insp["lval"] == "M") & (b_insp["rval"] == "X"), "Estimate"].iloc[0] b = b_insp.loc[(b_insp["lval"] == "Y") & (b_insp["rval"] == "M"), "Estimate"].iloc[0] indirects.append(a * b) except Exception: continue low, high = np.percentile(indirects, [2.5, 97.5]) print(f"Bootstrap 95% CI: {low:.3f} ~ {high:.3f}")循环里每次从 df 中随机抽取索引，构造新样本后重新拟合模型，落进try是为了跳过极少数拟合失败的抽样，比如某次抽样里变量方差恰好接近零导致收敛异常。reset_index(drop=True)必须做，否则残差计算时索引错位会静默产生错误结果。500 次迭代是底线，论文汇报建议 1000 到 2000 次。
6.3 汇报结果时怎么用这套区间
区间不含零就说间接效应显著，含零就不显著，这是 Bootstrap 检验最直白的判读方式。做实证汇报时，把 ab 的点估计和 95% 置信区间一起放进表格，同时注明用的是 percentile 方法。我在第一次做中介分析时只看了 p 值，没检查模型的自由度，CFI 满格让我空欢喜了一整天，后来补上 Bootstrap 才发现那套置信区间才是真正让结果站得住脚的东西。先拆模型，再验效应，已经是我的固定流程，这套顺序希望你也能直接用起来。
本文还有配套的精品资源，点击获取
