SEM原理、应用及操作讲解

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,SEM,原理、应用及操作,尹卫兵,同济大学经济与管理学院,主要内容,PART A,：,SEM,原理,PART B,：,SEM,应用,PART C,：,SEM,上机操作,SEM,的定义,PART A,结构方程模型（,Structural Equation Modeling/ Structural Equation Model/ Structure Equation Modeling,，简称,SEM,）是基于变量的协方差矩阵来分析变量之间关系的一种综合性的统计方法，因此又称为协方差结构分析。,SEM,的优点,PART A,同时处理多个因变量；,容许自变量和因变量含有误差，精确估计观察变量与潜在变量之间的关系；,同时估计因子结构和因子关系；,可以估计整个模型和数据的拟合程度。,相关概念,PART A,潜变量,(latent variable),：不能被直接测量的变量；,内生潜变量,:,受其它潜变量影响的潜变量，也称为因变量、内显潜变量、内生因子（,Endogenous Factors,）等；,外生潜变量,:,由系统外其他因素决定的潜变量，也称为自变量、外显潜变量、外生因子（,Exogenous Factors,）等；,指标,(observable indicators),：间接测量潜变量的指标，也称为观测变量；,内生指标,:,间接测量内生潜变量的指标；,外生指标,:,间接测量外生潜变量的指标。,相关概念（续,1,）,PART A,中介变量（,Mediator,）：,考虑自变量,X,对因变量,Y,的影响，如果,X,通过影响变量,M,来影响,Y,，则称,M,为中介变量,；,中介效应（,Mediator,Effects;Mediating,Effect,）,调节变量,(M,oderator,),：,如果变量,Y,与变量,X,的关系是变量,M,的函数，称,M,为调节变量；,调节效应（,Moderator,Effects;Moderating,Effect,）,相关概念（续,2,）,PART A,控制变量（,C,ontrol,V,ariable;,C,ontrol,V,ariables;,C,ontrolled,V,ariable,）：是指那些除了实验因素,(,自变量,),以外的所有影响实验结果的变量,这些变量不是本实验所要研究的变量,所以又称无关变量、无关因子、非实验因素或非实验因子。,题项,(Items):,具体操作问题,结构方程模型的结构,PART A,测量模型,:,测量指标与潜变量之间的关系,x=,x,+,y=,y,+,其中，,：外生潜变量,(xi) ,：内生潜变量,(eta),x,：外生指标,：,x,的误差项,(delta),y,：内生指标,：,y,的误差项,(epsilon),x,：外生指标与外生潜变量的关系,(lambda),y,：内生指标与内生潜变量的关系,结构方程模型的结构（续）,PART A,结构模型,对于潜变量间的关系，可用结构方程,表示：,=,B+,：内生潜变量,(eta),： 外生潜变量,(xi),B,：内生潜变量间的关系,(,bta,),：外生潜变量对内生潜变量的影响,(gamma),： 结构方程的残差项,(zeta),SEM,的八个矩阵,PART A,SEM,主要参数,PART A,结构方程模型的路径系数图,PART A,在,SEM,中用直观的图形表达各变量之间的关系，这种图形称为路径系数图。,SEM,路径系数图图形规则,PART A,椭圆形表示潜变量,绿色椭圆形代表外生潜变量；,黄色椭圆形代表内生潜变量；,长方形代表观测指标,灰色长方形代表外生观测指标；,亮蓝色长方形代表内生观测指标；,长方形代表观测指标,SEM,路径系数图图形规则（续）,PART A,单向箭头表示单向影响或效应,潜变量之间；潜变量与观测指标之间；,单向箭头且无起始图形表示测量误差或未,被解释部分,潜变量；观测指标；,双向弧形箭头表示相关关系,潜变量之间；观测指标之间；,SEM,拟合指标,PART A,2,与,2/df,：,2,值越小，说明实际矩阵和输入矩阵的差异越小，说明假设模型和样本数据之间拟合程度越好。,拟合优度指数（,Goodness of Fit Index,，,GFI,）和调整拟合优度指数（,Adjusted Goodness of Fit,，,AGFI,）：,反映了假设模型能够解释的协方差的比例，拟合优度指数越大，说明自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比越高。,残差均方根（,Root Mean square Residual,，,RMR,）和近似误差均方根（,Root Mean Square Error of Approximation,，,RMSEA,）：,残差均方根和近似误差均方根是测量输入矩阵和估计矩阵之间残差均值的平方根，数值越小则说明模型拟合程度越佳。,规范拟合指数（,Normed,Fit Index,，,NFI,）和增量拟合指数（,Incremental Fit Index,，,IFI,）：,规范拟合指数是测量独立模型与假设模型之间卡方值的缩小比例。但其与卡方指数一样，容易收到样本容量的影响，为弥补其缺点，学者建议采用增量拟合指数来衡量模型优度。,比较拟合指数（,Comparative Fit Index,，,CFI,）：,比较拟合指数反映了独立模型与假设模型之间的差异程度，数值越接近,1,，则假设模型越好。,SEM,拟合指标范例,PART A,Degrees of Freedom = 59,Minimum Fit Function Chi-Square = 184.35 (P = 0.00),Independence AIC = 2016.04,Root Mean Square Error of Approximation (RMSEA) = 0.08,Model AIC = 278.15,Saturated AIC = 306.00,Independence CAIC = 2098.63,Model CAIC = 491.90,Saturated CAIC = 1049.26,Normed,Fit Index (NFI) = 0.90,Non-,Normed,Fit Index (NNFI) = 0.94,Parsimony,Normed,Fit Index (PNFI) = 0.72,Comparative Fit Index (CFI) = 0.95,Incremental Fit Index (IFI) = 0.95,Relative Fit Index (RFI) = 0.88,Critical N (CN) = 263.34,Root Mean Square Residual (RMR) = 0.054,Standardized RMR = 0.054,Goodness of Fit Index (GFI) = 0.94,Adjusted Goodness of Fit Index (AGFI) = 0.92,Parsimony Goodness of Fit Index (PGFI) = 0.67,SEM,拟合指标建议值,PART A,拟合指标,2/df,GFI,AGFI,NFI,IFI,CFI,RMR,RMSEA,P,建议值,5,0.9,0.9,0.9,0.9,0.9,0.05,0.08,0.05,SEM,步骤,PART A,概念模型设定,研究假设,变量的测量,数据初步处理：描述性统计指标；,信度和效度检验：,系数 、,EFA,和,CFA,；,模型估计,模型评价,模型修正,假设检验,典型步骤范例,SEM,工具,PART A,LISREL,语法见长,必须使用,PRELIS,计算出,COR or COV,矩阵作为输入,也可以画图,AMOS,图形见长,可以直接以原始数据作出输入,适合于初学者,Mplus,or EQS,LISREL,文件类型,PART A,*.ls8: LISREL,语法文件，用以执行,ISREL,分析,*,.,spl,: SIMPLIS,语法文件，用以执行,SIMPLIS,分析,*,.,pth,: LISREL,路径文件，用以存放,LISREL,执行完毕后的路径,图型,*,.pr2: PRELIS,语法文件，用以执行,PRELIS,分析,*,.out: LISREL,结果文件，用以存放,LISREL,执行完毕的报表。,*,.,dat,:,原始数据文件，用以存放待分析的原始数据。,*,.,cor,:,相关矩阵档，用以存放待分析的相关矩阵数据。,*,.,cov,:,共变矩阵档，用以存放待分析的共变矩阵数据。,*,.lab:,卷标文件，用以存放各变项的卷标数据。,*,.,wmf,: LISREL,路径文件经转换后的图形文件，可以复制到,WORD,软件中使用,其他说明,PART A,数据样本容量：样本数在,100,以下不宜；样本量与题项数比例至少要在,5:1,以上；理想的样本量与题项数比例为,10-25,倍。,对于标准化路径系数而言，其绝对值大于,0.5,以上算是大效果、,0.3,为中效果，小于,0.1,为小效果,主要内容,PART A,：,SEM,原理,PART B,：,SEM,应用,PART C,：,SEM,上机操作,PART B,SEM,应用,PART B,理论模型构建,文献综述,模型构建,变量确定,研究假设,研究设计,变量的测量,问卷设计,数据收集,研究方法和研究工具,数据分析,描述性统计,信度分析,EFA,CFA,SEM,假设检验,潜变量假设检验,中介变量假设检验,调节变量假设检验,结论与讨论,理论模型构建,PART B,文献综述,别人做了什么,我打算做什么,(,示例,),如何找文献,关键字,中文文献,中文文献,英文文献,英文文献,英文文献,工具：,scholar,google,、,ABI,、,EBSCOhost,图书馆数据应用（,示例,）,如何保存文献,打分（,示例,）,归档（示例）,本文研究概念模型,理论学派,研究范式,优势基础,市场竞争行为,结构学派,结构,-,行为,-,绩效,产业结构,产业识别,-,战略选择,-,竞争,资源学派,资源,-,优势,-,绩效,关键性资源,资源识别,-,资源价值计算,-,资源利用,能力学派,能力,-,优势,-,绩效,关键性能力,能力识别,-,市场选择,-,能力升级,动态能力理论,动态能力,-,优势,-,绩效,动态能力,确立,-,获取,-,升级,时基竞争理论,时间压缩能力,优势,时间,扫描,-,替代,-,快速抢占市场,PART B,概念模型拓展,PART B,企业资源维度变量的确定,企业声誉（,Company Reputation,）,产品声誉（,Product Reputation,）,员工技能（,Employee Know-how,）,企业文化（,Culture,）,组织网络（,Organizational Networks,）,开放性组织结构（,Organization Structure,）,Hall(1993),PART B,速度营销动态能力维度变量的确定,PART B,竞争优势维度与企业绩效维度变量的确定,竞争优势,有效性,速度,企业绩效,市场绩效,财务绩效,PART B,调节变量、控制变量和中介变量,调节变量：市场环境和技术环境,中介变量：速度营销竞争优势,控制变量：,企业类型,/,企业司龄,/,企业规模,/,所在部门,/,担任职务,PART B,概念全模型,研究假设（,示例,）,PART B,变量的测量,PART B,原则,尽量借鉴现有文献（信度、内容效度）,尽量全面,符合理论依据,示例,（,5.1.1,企业声誉的测量 ）,与确定变量的区别,突出操作性定义（如速度在不同背景下的含义）,突出测量性指标,确定变量时，体现为变量与变量之间的关系,问卷设计,PART B,数据收集,PART B,回收率,样本的回收率,有效回收率,样本描述,分布情况,合理性,代表性,主要内容,PART A,：,SEM,原理,PART B,：,SEM,应用,PART C,：,SEM,上机操作,数据分析,PART C,描述性统计,均值,MIN,和,MAX,标准差,单个测量指标分布,信度检验,信度（,Reliability,）又可称为可靠性，是指测验的可信程度。信度好的指标在同样或类似的条件下重复操作，可以得到一致或稳定的结果。它主要表现测验结果的一致性、一贯性、再现性和稳定性,指标：,alpha,值在,0.60,以上,工具：,SPSS16.0,数据分析,效度检验,PART C,内涵,内容效度：内容效度指测试或量表内容或题项的适当性与代表性。,构建效度：建构效度是指测量结果体现出来的某种结构与测值之间的对应程度。 一般分为聚合效度（,Convergent Validity,）和区分效度（,Discriminant,Validity,）。,聚合效度：当测量同一构念的多重指标彼此间聚合或有关连时，表明聚合效度存在,区分效度：区分效度是指当一个构念的多重指标相聚合或呼应时，则这个构念的多重指标也应与其相对立之构念的测量指标有负向相关，若相关程度越低，则区分效度越好。,研究方法,因子分析,(EFA and CFA),平均提取方差（,Average Variance Extracted,，,AVE,）（,示例,）,效度检验,因子分析步骤,PART C,步骤,1,：,Bartlett,球度检验和,KMO,步骤,2,：探索性因子分析（,EFA,）,步骤,3,：验证性因子分析（,CFA,）,步骤,1,：,Bartlett,球度检验和,KMO,PART C,目的：是否适合进行因子分析；,Bartlett,球度检验从检验整个相关矩阵出发，其零假设为相关矩阵是单位阵，即各观测变量之间是不相关的，这时认为不适合做因子分析。建议值,0.8.,KMO,是用于比较观测值相关系数值与偏相关系数值的一个指标，其值愈逼近于,1,，表明对这些变量进行因子分析的效果愈好。,工具：,SPSS,步骤,2:,EFA,PART C,目的：在事先不知道影响因素的基础上，完全依据资料数据，利用统计软件以一定的原则进行因子分析，最后得出因子的过程；,步骤：,因子矩阵，抽取公共因子；,根据题项含义，定义公共因子；,(,示例：,6.3.1,),判别：因子载荷系数,工具：,SPSS,步骤,3:,CFA,PART C,目的：利用先验信息，在已知因子结构情况下检验所搜集的数据资料是否按事先预定的结构方式产生作用；,判别：,因子载荷；,拟合指标,(,示例：,6.3.1,),工具：,LISREL,EFA,和,CFA,区别,PART C,EFA,是在事先不知道影响因素的基础上，完全依据资料数据，利用统计软件以一定的原则进行因子分析，最后得出因子的过程；,CFA,充分利用了先验信息，在已知因子的情况下检验所搜集的数据资料是否按事先预定的结构方式产生作用；,因此,EFA,主要是为了找出影响观测变量的因子个数，以及各个因子和各个观测变量之间的相关程度；而,CFA,的主要目的是决定事前定义因子的模型拟合实际数据的能力；,进行,EFA,之前，我们不必知道我们要用几个因子，各个因子和观测变量之间的联系如何；而进行,CFA,要求事先假设因子结构，我们要做的是检验它是否与观测数据一致。,中介效应和调节效应的检验步骤与判别标准,中介效应检验,调节效应检验,自变量,X,X,因变量,Y,Y,中间变量,M,Z,回归分析,Y =,11,X + e,1,M =,21,X + e,2,Y =,31,X +,32,M + e,3,Y=,11,X+,12,Z+e,1,，,得,R,2,1,Y=,+,21,X+,22,Z+,23,XZ + e,2,，,得,R,2,2,判定标准,11,21,32,均显著且不等于,0,23,显著不等于,0,，且,R,2,2,显著大于,R,2,1,PART C,中介变量检验方法,LISREL,中的,OUT,文件,(,示例,6.5.2,),SPSS,多元线性回归,调节变量回归方程,Model 1,：,EFFE=,11,ADAP+,12,ABSO+,13,INNO+,14,MAEN+ e,1,Model 2,：,EFFE=,21,ADAP+,22,ABSO+,23,INNO+,24,MAEN,+,25,ADAPMAEN+,26,ABSOMAEN,+,27,INNOMAEN,+ e,2,PART C,数据中心化处理,各个题项的均值作为变量数值,新组数值减除平均值得到离均差，所得到的一组新数值即为变量中心化数值,PART C,LISREL,操作,DATA,PATH,DIAGRAM,CORRELATION OR COVARIANCE,MATRIX,PRELIS,LISREL,数据（见,DATA0328,）,步骤：,PART C,模型修正,t-value,最小值,MI,最大值,初始模型,最终,模型,PART C,常用,BBS,网址推荐,人大经济论坛：,http:/,www.pinggu.org/bbs/index.html,统计之都,http:/,www.cos.name/bbs/index.php,PART C,谢谢吴老师及各位同门！,LISREL 8.70,上机操作,Q & Arayee_yin,