医学、心理学及社会学研究中存在许多不可直接观测的现象,通常采用潜变量(latentvariable)对之进行描述。分析潜变量常采用结构方程模型(structure equation modeling,SEM),其中测量模型反映了可观测变量与潜变量之间的关系,结构模型反映了潜变量之间的结构关系,能够处理潜变量和测量误差是结构方程模型特有的优势。目前结构方程模型在医学领域的应用越来越多,通过考察方差/协方差结构,获得结构效度与关联性的结果。这样往往忽略了潜变量的均值结构与测量模型的截距。如果研究人员仅为评价潜变量之间的效应,以上分析尚可,但有时研究人员希望对比不同组的同一个或多个对应潜变量的均值与测量模型的截距,此时则须拟合均值结构模型(means structure model)。用结构方程分析比较潜变量的组间均值差异,相比传统的方差分析有以下的优点:(1)用潜变量可以正确调整测量上的误差,而传统的方差分析一般情况下不能够处理由信度所导致的问题;(2)未考察测量工具(如量表)的可比性而不合理地选用了方差分析,而用结构方程模型可进行测量的等同性检验(即可比性),在具有可比性的前提下,采用均值结构模型分析;(3)结构方程模型还能处理只有部分等同性的(partialinvariance)的多组比较,而方差分析却不能处理这类问题。本文系统详细地讨论了均值结构模型的统计原理,同时实现了均值结构模型的多组比较,并将均值结构模型应用于医学研究中。利用抑郁症病例——对照临床研究中的特质应对方式问卷(TCSQ)、社会支持(SSS)量表进行分组比较。验证性的均值结构模型结果显示患抑郁症的人消极应对方式高于正常人,而积极应对方式低于正常人;获主观支持、客观支持和对支持的利用都要比正常人低。均值结构方程模型结果进一步表明患抑郁症的人获主观支持、客观支持和对支持的利用都要低于正常人;并且在控制了主观支持与客观支持的效应的前提下,客观支持对支持的利用的作用无统计学意义,而对支持利用的作用主要来自于主观支持。