目的探讨结构方程模型的广义最小二乘法(GLS)和加权最小二乘法(WLS)2种参数估计方法在不同特征数据中的性能差异。方法设定包含15个显变量、3个潜变量但未包含内生显变量、内生潜变量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GLS法和WLS法的性能进行评价。结果分布特征为正态分布、指数分布和二项分布的数据,在采用相关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呈下降趋势;在数据特征相同的条件下,2种矩阵分析均表现为GLS两类错误频率之和小于WLS法;GLS在r=0.3且n≥750即显变量个数的50倍时,或在r=0.5且n≥300即显变量个数的20倍时3种分布的两类错误频率之和均<0.05;WLS相关矩阵分析的结果相对于协方差矩阵分析而言稳定性较差,其协方差矩阵分析表现为不论相关系数如何,只要n≥750即两类错误频率之和<0.05。结论 GLS法和WLS法对参数的估计均为无偏的和渐进有效的,数据条件和矩阵的不同会影响其参数估计结果,在应用过程中应根据实际情况合理选择。