多组结构方程分析SEM mean-structure

按一下以編輯母片標題樣式,按一下以編輯母片,*,*,*,多组结构方程分析,温忠麟,华,南师范,大,学,心理系,1,结构方程模型的结构,测量模型,外源指标（如,6,项社经指标）组成的向量,。,内生指标（如语、数、英成绩）组成的向量,因子负荷矩阵,误差项,结构模型,2,多组,SEM,分析,第一类,:,多组验证性因子分析（或路径分析），,各组（例如男、女组）的因子结构是否相同？某些路径参数在不同的组是否有显著差异？,(,与比较多组回归系数是否相同类似,),第二类,:,各组的因子均值是否相同。这与传统方差分析相似,(,通常需要先做第一类分析,),3,多组验证性因子分析,1.,形态相同（,configural,/pattern invariance,）,2.,因子负荷等同,3.,因子方差等同,4.,误差方差等同,5.,因子协方差等同,4,首先要检验形态是否相同，即有同一个模型较好地拟合各组数据（程序见,P94,），然后依次比较：（,1,）各组,LX,相等吗？（,2,）各组,LX,、,PH,相等吗？（,3,）各组,LX,、,PH,、,TD,相等吗？,5,Multiple Group using NG=2,M1,Male,DA NI=9 NO=600,NG=2,KM,SD,1.07 1.23 .98 1.02 1.01 1.03 0.99 1.06 0.98,MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR,FR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3,VA 1 LX 1,1 LX 4,2 LX 7,3,OU SS SC ND=3,female,DA NO=700,MO LX=PS PH=PS TD=PS,OU SS SC ND=3,6,multiple group fixing LX,M2,male,DA NI=9 NO=600,NG=2,MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR,FR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3,VA 1 LX 1,1 LX 4,2 LX 7,3,OU SS SC ND=3,female,DA NO=700,MO,LX=IN,PH=PS TD=PS,OU SS SC,nd,=3,7,fixing covariance of PH 1 3 to be equal,multiple group,M3,male,DA NI=9 NO=600 NG=2,MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR,FR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3,VA 1 LX 1,1 LX 4,2 LX 7,3,OU SS SC ND=3,female,DA NO=700,MO LX=IN PH=PS TD=PS,EQ PH 1 3 1 PH 3 1,OU SS SC,nd,=3,8,fixing all,covariances,of factors,multiple group,，,M4,male,DA NI=9 NO=600 NG=2,MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR,FR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3,VA 1 LX 1,1 LX 4,2 LX 7,3,OU SS SC ND=3,female,DA NO=700,MO LX=IN,PH=IN,TD=PS,OU SS SC,nd,=3,9,fixing all variances of errors,multiple group,M5,male,DA NI=9 NO=600 NG=2,MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR,FR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3,VA 1 LX 1,1 LX 4,2 LX 7,3,OU SS SC ND=3,female,DA NO=700,MO LX=IN PH=IN,TD=IN,OU SS SC,nd,=3,10,表,4-2,多组验证性因子分析各模型的拟合指数,Model,df,chi-2,RMSEA NNFI CFI,M0,M,男生单独估计,24,49.57,.0423,.969,.979,M0,F,女生单独估计,24,44.93,.0347,.976,.984,M1,两组同时估计, no Inv 48,94.50,.0384,.972,.982,M2 Loading Inv,54,107.18,.0389,.972,.979,M3 Ld, PH(3,1) Inv,55,107.52,.0383,.973,.979,M4 Ld,FacCov,Inv,60,109.32,.0354,.977,.981,M5 Ld,、,FacCov,、,U Inv 69,131.20,.0364,.974,.975,M6,Ld,FacCov,U,Intrcpt,Inv78,149.96,.0361,.975,.973,M7,Ld,FacCov,U,Intrcpt,Inv;,Fac,meanFree,75,132.23,.0334,.979,.978,M8,Ld,FacCov,U,Intrcpt,FacM,Inv 78,146.77,.0360,.975,.973,11,多组分析：有均值结构（,mean structure,）,的因子分析,12,均值结构模型（限制均值等同）,多组分析时首先检验形态是否相同，然后检验,（,1,）,各组的负荷,LX,相同,（,2,）指标截距,TX,相同,先让第,1,组的,TX,自由,(TX=FR),要求其他组别,TX,与第,1,组的相等,(TX=IN),（,3,）因子均值等同,先设定第,1,组各因子均值为,0 (,KA=FI,),容许其他组的,KA,元素自由估计,(KA=FR,),因子值,2,倍,SE,（,t,2.0,）,则因子不同于第,1,组,（,4,）更希望因子协方差等同,误差方差等同，但难实现,13,Multiple Group,fixing,tx,=invariance,，,M6,male,DA NI=9 NO=600 NG=2,KM,SD,1.07 1.23 .98 1.02 1.01 1.03 0.99 1.06 0.98,ME,2.01 2.45 2.67 3.21 3.33 3.45 2.67 2.19 2.34,MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR,TX=FR,FR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3,VA 1 LX 1,1 LX 4,2 LX 7,3,OU SS SC ND=3,female,DA NO=700,KM,SD,1.05 1.20 1.02 .99 1.02,1.02,1.02,1.04 0.96,ME,2.02 2.48 2.69 3.10 3.20 3.38 2.75 2.29 2.45,MO LX=IN PH=IN TD=IN TX=IN,OU SS SC ND=3,14,multiple group, Finding the mean difference,M7,male,DA NI=9 NO=600 NG=2,MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR,TX=FR KA=FI,FR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3,VA 1 LX 1,1 LX 4,2 LX 7,3,VA 0 KA 1 KA 2 KA 3,OU SS SC ND=3,female,DA NO=700,KM,MO LX=IN PH=IN TD=IN,TX=IN KA=FR,OU,15,结果显示,:,第,2,组的,KA,元素（即语文自信、数学自信、英语自信均值）为,0.019, -0.102,和,0.083,对应的,SE,为,0.054, 0.041, 0.036,t,值为,0.351,、,-2.472,、,2.329,这表示,:,语文自信,-,男女无差异,男生（均值为,0,）的数学自信高于女生（均值 ,-0.102,t,= 2.47,）,女生的英语自信（均值 ,0.083,）则高于男生（均值为,0,t,= 2.33,）,16,multiple group, Fixing KA to be equal,M8,male,DA NI=9 NO=600 NG=2,MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR,TX=FR KA=FI,FR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3,VA 1 LX 1,1 LX 4,2 LX 7,3,OU SS SC ND=3,female,DA NO=700,MO LX=IN PH=IN TD=IN,TX=IN KA=IN,OU,17,表,4-2,多组验证性因子分析各模型的拟合指数,Model,df,chi-2,RMSEA NNFI CFI,M0,M,男生单独估计,24,49.57,.0423,.969,.979,M0,F,女生单独估计,24,44.93,.0347,.976,.984,M1,两组同时估计, no Inv 48,94.50,.0384,.972,.982,M2 Loading Inv,54,107.18,.0389,.972,.979,M3 Ld, PH(3,1) Inv,55,107.52,.0383,.973,.979,M4 Ld,FacCov,Inv,60,109.32,.0354,.977,.981,M5,Ld,、,FacCov,、,Er,Inv,69,131.20,.0364,.974,.975,M6,Ld,FacCov,Er,Intrcpt,Inv78,149.96,.0361,.975,.973,M7,Ld,FacCov,Er,Intrcpt,Inv;,Fac,meanFree,75,132.23,.0334,.979,.978,M8,Ld,FacCov,Er,Intrcpt,FacM,Inv 78,146.77,.0360,.975,.973,18,因子与潜变量,变量与因子,调查某校初中一年级新生的情况，包括：,身高、体重、语文入学成绩、数学入学成绩、英语入学成绩、家庭人均年收入、家庭月均支出。,19,七个变量相关系数矩阵,20,这七个变量中，下列变量之间相关系数较大：,身高与体重,三科入学成绩之间,家庭人均年收入与家庭月均支出,而其余的相关系数（绝对值）较小,21,这七个变量中，下列变量之间相关系数较大：,身高与体重,身形,三科入学成绩之间,成绩,家庭人均年收入与家庭月均支出,家庭经济状况,22,这样，可以将七个变量分成三组。身高、体重一组，反映了学生的身形；三科入学成绩为一组，反映了学生的学习成绩；家庭人均年收入、家庭月均支出为一组，反映了学生的家庭经济状况。学生的个头、学习成绩、家庭经济状况就称为因子（,factor,），它们是各组变量的特征。因子是潜在变量，不能直接测量，它是某组变量综合提取的产物。,23,潜变量与指标,外表自我概念,我长相好。,我有张漂亮的面孔。,我样子长得难看。,我有一副好身材。,别人认为我的样子好看。,（,1-,完全不吻合,6-,完全吻合）,24,护士工作满意度（,Paula L. Stamps),Pay, dollar remuneration and fringe benefits received for work done.,Autonomy, amount of job-related independence, initiative and freedom, either permitted or required in daily work activities.,Task requirements, tasks or activities that must be done as a regular part of the job.,Organisational,Policies, management policies and procedures put forward by the hospital and nursing administration of this hospital.,Professional status, overall importance or significance felt about your job, both in your view and in the view of others.,Interaction, opportunities presented for both formal and informal social and professional contact during working hours.,25,1.My present salary is satisfactory.,2.I feel that I am supervised more closely than is necessary.,3.There is too much clerical and paperwork required of nursing personnel in this hospital.,4.The nursing staff has sufficient control over scheduling their own shifts in my hospital.,5.Nursing is not widely,recognised,as being an important profession.,6.The nursing personnel on my service pitch in and help one another out when things get in a rush.,7.Doctors in general cooperate with nursing staff on my unit.,8 ,44,26,四种协方差矩阵,总体协方差矩阵,模型推出的协方差矩阵,样本协方差矩阵,再生协方差矩阵,27,28,29,总体协方差矩阵,30,模型推出的协方差矩阵,31,通过,SPSS,读取数据,方法一（使用,PRELIS,）,1.,在,SPSS,中创建,.,sav,文件,（,1,）使用,compute, recode,命令对数据进行编辑。,（,2,）把在,LISREL,中要用到的变量保存为,file1.sav (,文件名,.,sav,),。,2.,在,LISREL,中创建,.,dsf,文件,（,1,）点击“,file”,菜单中的“,Import External Data in Other Format”,(2)“file of type”,一项，选择“,spss,for window(*.,sav,)”;,通过恰当的路径选择“,file1.sav”,。,（,3,）现在看到一个表格，保存为,file1.psf, (,或其他设置的文件名，但,LISREL,并不读取,.,psf,文件,),。,（,4,）对,.,psf,文件进行必要的“,transformation”,和“,statistics”,后，选择“,statistics”,菜单中的“,Data Screening”,，对数据进行扫描（现在已自动创建了,LISREL,程序所用的,file1.dsf,）。,32,方法一（续）,3.,在,LISREL,中创建,.ls8,文件,（,1,）点击“,file”,中的“,new”(,或打开旧文档名,),（,2,）在第一行，用“,SY=file1.dsf”,代替“,DA”“ME”“KM”“SD”,命令。,（,3,）例如：,SY=file1.dsf,MO NX=9 NK=3,（,4,） 把以上语句保存为,p1.ls8 (,文件名,.ls8),。,（,5,）点击“,run LISREL”,运行程序。,33,通过,SPSS,读取数据,方法二（输出,.txt,协方差距阵）,1.,在,SPSS,中创建,.,cov,文件,(,此文件可以采用“,cov,”,或其他扩展名,),(1),使用,compute,，,recode,等命令编辑数据。,（,2,）把,LISREL,程序所用的变量保存为,file1.sav (,文件名,.,sav,),。,（,3,）创建协方差矩阵文件,file1.cov (,文件名,.,cov,),；把任一变量作为因变量，把其他所有变量当作自变量。,r,egression,matrix=out(c:SEMfile1.cov),/,var,=y1 y2 y3 x1 x2 x3,/,desc,=,cov,/,dep,=y1/meth=enter y2 to x3 .,34,方法二（续）,2.,在,SPSS,中创建,.txt,文件,（,1,）读取所选的协方差矩阵文件（这并不是一个,txt,文件，只有,SPSS,能读取并使用它）；输出这个文件内容为,file1.txt (,文件名,.txt),供,LISREL,使用。,（,2,）,E13.5:,使用指数格式，,5,位小数，总共,13,位数字。,get file=C:SEMfile1.cov .,write format y1 to x3 (E13.5) .,print,outfile,=C:SEMfile1.txt .,/y1 to y2,/y3 x1 to x3,.,execute .,35,方法二（续）,3.,在“,notepad”,中去掉人数,N,（,MS-WIN,的辅助非文本档案编辑器）,（,1,）编辑,file1.txt,，去掉人数,N (N,为被试人数；在回归中，用列删法会有,p,个“,N”,值，对删法会有,pp,个“,N”,值,),。,（,2,）保存为,file1.txt,。,（,3,）在,LISREL,程序中，甚至在分析中不会用着它们时，也必须读取,ME, SD, KM,。,DA NI=6 NO=249 MA=CM,ME FI=file1.txt,SD FI= file1.txt,KM FI= file1.txt FU,MO NX=6 NK=2,36,