结构方程模型作为一种基于统计分析技术的研究方法,可以同时处理多变量之间的复杂关系,已经被广泛应用于社会科学领域。结构方程模型应用过程中,使用者需要手动进行模型界定并使用专业软件进行参数估计与拟合计算,该流程复杂低效且要求使用者具有专业知识背景。该领域的专业软件目前仅有国外企业研发的AMOS、LISREL、MPLUS等,但存在版权受限问题。因此,自动生成结构方程模型具有显著的研究意义和应用价值。结构方程模型界定时存在优化指标过多且指标间相互抑制的现象。我们将结构方程模型界定问题建模为多目标优化问题,同时优化结构方程模型的多个统计学拟合指标。结构方程模型界定本质是一个搜索过程,搜索空间规模随潜在变量数量增加呈幂指数级增长。本文提出一种基于微搜索的最优结构方程自动建模方法。微搜索是一种以在微小有效决策子集内的搜索替代整个决策集的搜索来求解优化问题的方法,其关键在于构建微小规模的有效决策子集。我们观察发现,一组较优结构方程模型具有公共结构,且公共结构的拟合指标符合统计学要求。本文提出假设,结构方程模型的公共结构对模型界定起主要影响,公共结构中变量间因果关系的组合构成了最优结构方程模型搜索问题的有效决策子集。基于有效决策子集空间搜索时潜在变量之间具有非独立性,我们设计了一种变量因果关系权重计算方法。如果改变某个变量因果关系可以提高结构方程模型拟合度,则增加该变量因果关系权重,反之减小权重。搜索算法首先根据权重选取变量因果关系,然后通过变量因果关系的排列组合构建有效决策子集,最终在有效决策子集内搜索公共结构。我们使用结构方程类著作中数据进行测试,实验结果表明基于微搜索的最优结构方程自动建模方法可以在有效决策子集内搜索到满足统计学要求的结构方程模型,且有效决策子集规模相比原始搜索空间规模从2π~2降低为2π。基于上述研究,本文设计了一个结构方程模型自动生成系统。相比现有专业软件,该系统将结构方程模型设计自动化,让不具备专业领域知识的使用者也能获取最优结构方程模型,降低了专业门槛和人力成本,促进了该领域软件国产化。