结构方程模型ppt课件

结构方程模型,-AMOS的操作与应用,1,结构方程模型,（StructuralEquationModeling,SEM) 结构方程模型是社会科学研究中的一个非常好的方法。该方法在20世纪80年代就已经成熟，可惜国内了解的人并不多。“在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。20世纪80年代以来，结构方程模型迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具。,2,147,3,211,4,972,5,6,7,结构方程简介,结构方程模式(Structural Equation Models，简称SEM)，早期称为线性结构方程模式(Linear Structural Relationships，简称LISREL)或称为共变量结构分析(Covariance Structure Analysis)。 主要目的在于考验潜在变项(Latent variables)与外显变项(Manifest variable, 又称观察变项)之关系，此种关系犹如古典测验理论中真分数(true score)与实得分数(observed score)之关系。它结合了因素分析(factor analysis)与路径分析(path analysis)，包涵测量模式与结构模式。,8,x1,x2,x3,F1满意度,F2忠誠度,y1,y2,y3,e,e4,Lx1,b,D,e5,e6,e,e,测量残差,外生观察变量,因素负荷量,外生潜在变量,结构参数,内生潜在变量,因素負荷量,内生观察变量,结构模式,测量(CFA)模式,测量残差,Lx2,Lx3,Ly1,Ly2,Ly3,测量(CFA)模式,结构模式与测量模式,9,线性相关、线性回归、结构方程模型 三种分析方法对比,线性相关分析 :线性相关分析指出两个随机变量之间的统计联系。两个变量地位平等，没有因变量和自变量之分。因此相关系数不能反映单指标与总体之间的因果关系。,10,线性回归分析 :线性回归是比线性相关复杂的方法，它在模型中定义了因变量和自变量。但它只能提供变量间的直接效应而不能显示可能存在的间接效应，而且会因为共线性的原因，导致出现单项指标与总体出现负相关等无法解释的数据分析结果。,11,结构方程模型分析:结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。,12,学习SEM的通俗意义,运用结构方程模型进行的资料分析，会增加投稿到中心核心期刊、CSSCI、EI、SCI等期刊的录用率 研究生可以增加论文深度,13,对结构方程的感性认识,14,15,16,17,可以处理SEM的软件,AMOS LISREL EQS Mplus 。,18,AMOS系Analysis of Moment Structure之简称，它与LISREL，EQS，PROC CALIS等均在处理SEM(structural equation modeling)的软件。AMOS最大的优势在于其路径图的图形使用者接口，免去如LISREL中界定八大参数矩阵的繁琐。AMOS采图解导向，操作简便是公认学习SEM的最佳软件。 AMOS具有AMOS Graphics与AMOS Basic两大运作模式，尤其前者对于径路图之绘制与输出最为便捷。,19,20,SEM条件,数据符合常态、无遗漏值及例外值(Bentler & Chou, 1987)下，样本比例最小为估计参数的5倍，10倍则更为适当。 当原始数据违反常态性假设时，样本比例应提升为估计参数的15倍。 以ML法评估，Loehlin (1992)建议样本数至少为100，200较为适当。 当样本数为400500时，此法会变得过于敏感，而使得模式不适合。,21,模型中潜在因素至少应为两个 (Bollen, 1989) 量表最好为七点尺度 (Bollen, 1989) 每个潜在构面至少要有三个题目， 五七题为佳 (Bollen, 1989) 每一指标不得横跨到其它潜在因素上 (Bollen, 1989) 问卷最好引用自知名学者，尽量不要自己创造 理论架构要根据学者提出的理论作修正 模型主要构面维持在5个以内，不要超过7个,22,SEM过程,23,模型测试,24,成年人生活满意度研究,25,信度与效度分析,26,构面组成（合）信度,构念的组成信度(Composite Reliability, CR) (标准化因素负荷量)2/ (标准化因素负荷量)2+(各测量变项的测量误差) (Jreskog and Srbom , 1996)。 CR值是其所有测量变项信度的组成，表示构念指标的内部一致性，信度愈高显示这些指针的内部一致性愈高，0.7是可接受的门坎( Hair,1997), Fornell and Larcker (1981)建议值为0.6以上。,27,变异数萃取量（平均方差抽取量）,平均变异数萃取量 (AVE)= (因素负荷量2)/(因素负荷量)2+ (各测量变项的测量误差) (Jreskog and Srbom , 1996) AVE是计算潜在变项之各测量变量对该潜在变项的变异解释力，若AVE愈高，则表示潜在变项有愈高的信度与收敛效度。 Fornell and Larcker(1981)建议其标准值须大于0.5。,28,模型适配度,29,30,模型修正,31,要修改模型，一般参考结构方程分析软件输出结果中的模型修正指数(MI) (Modification Indices)。修正指数中拟合的改进是用卡方统计量的减少来测量，它能发现使卡方拟合指数减少的有意义的信息修正指标。模型修改时，原则上每次只修改一个参数。,32,33,范例演示,34,