目的通过构建结构方程模型的全模型,比较广义最小二乘法(GLS)和加权最小二乘法(WLS)在不同特征数据中的性能差异。方法建立包括12个外生显变量、3个外生潜变量和8个内生显变量、2个内生潜变量全模型的真模型和误设模型,运用SAS 9.1软件的IML模块生成模拟数据,通过CALIS过程进行模型拟合,采用两类错误频率对2种参数估计方法的性能进行评价。结果分布特征为多元正态分布、轻度偏态分布和重度偏态分布的数据,在采用相关系数矩阵和协方差矩阵时,GLS和WLS的两类错误频率均随相关系数或样本含量的增加而呈现下降趋势;GLS法表现为第一类错误频率较大而第二类错误频率较小,3种分布n>200即显变量个数的10倍以上时第二类错误频率<0.05,而第一类错误频率只有在n≥1 000即显变量个数的50倍及以上时才近似<0.05;WLS法第二类错误频率几乎均为0,但第一类错误频率较大,在数据特征条件相同时其相关系数矩阵的第一类错误频率小于协方差矩阵的第一类错误频率。结论 GLS法与WLS法相比是比较稳健的结构方程模型参数估计方法。