1、結(jié)構(gòu)方程模型要點一、結(jié)構(gòu)方程模型的模型構(gòu)成1、變量觀測變量：能夠觀測到的變量路徑圖中以長方形表示潛在變量：難以直接觀測到的抽象概念,由觀測變量推估出來的變量路徑圖中以橢圓形表示內(nèi)生變量:模型總會受到任何一個其他變量影響的變量因變量;路徑圖會受到任何一個其他變量以單箭頭指涉的變量外生變量:模型中不受任何其他變量影響但影響其他變量的變量自變量;路徑圖中會指向任何一個其他變量,但不受任何變量以單箭頭指涉的變量中介變量：當內(nèi)生變量同時做因變量和自變量時,表示該變量不僅被其他變量影響,還可能對其他變量產(chǎn)生影響.內(nèi)生潛在變量：潛變量作為內(nèi)生變量內(nèi)生觀測變量：內(nèi)生潛在變量的觀測變量外生潛在變量：潛變量作為外

2、生變量外生觀測變量：外生潛在變量的觀測變量中介潛變量：潛變量作為中介變量中介觀測變量：中介潛在變量的觀測變量2、參數(shù)“未知和“估計潛在變量自身：總體的平均數(shù)或方差變量之間關(guān)系：因素載荷,路徑系數(shù),協(xié)方差參數(shù)類型：自由參數(shù)、固定參數(shù)自由參數(shù)：參數(shù)大小必須通過統(tǒng)計程序加以估計固定參數(shù)：模型擬合過程中無須估計1為潛在變量設(shè)定的測量尺度 將潛在變量下的各觀測變量的殘差項方差設(shè)置為1 將潛在變量下的各觀測變量的因子負荷固定為12為提升模型識別度人為設(shè)定限定參數(shù)：多樣本間比擬半自由參數(shù)3、路徑圖1含義：路徑分析的最有用的一個工具,用圖形形式表示變量之間的各種線性關(guān)系,包括直接的和間接的關(guān)系.2常用記號：矩

3、形框表示觀測變量圓或橢圓表示潛在變量小的圓或橢圓,或無任何框,表示方程或測量的誤差單向箭頭指向指標或觀測變量,表示測量誤差單向箭頭指向因子或潛在變量,表示內(nèi)生變量未能被外生潛在變量解釋的部分,是方程的誤差單向箭頭連接的兩個變量表示假定有因果關(guān)系,箭頭由原因外生變量指向結(jié)果內(nèi)生變量兩個變量之間連線的兩端都有箭頭,表示它們之間互為因果弧形雙箭頭表示假定兩個變量之間沒有結(jié)構(gòu)關(guān)系,但有相關(guān)關(guān)系變量之間沒有任何連接線,表示假定它們之間沒有直接聯(lián)系3路徑系數(shù)含義：路徑分析模型的回歸系數(shù),用來衡量變量之間影響程度或變量的效應(yīng)大小標準化系數(shù)、非標準化系數(shù)類型：反映外生變量影響內(nèi)生變量的路徑系數(shù)反映內(nèi)生變量影響

4、內(nèi)生變量的路徑系數(shù)路徑系數(shù)的下標：第一局部所指向的結(jié)果變量第二局部表示原因變量4效應(yīng)分解直接效應(yīng)：原因變量外生或內(nèi)生變量對結(jié)果變量內(nèi)生變量的直接影響,大小等于原因變量到結(jié)果變量的路徑系數(shù)間接效應(yīng)：原因變量通過一個或多個中介變量對結(jié)果變量所產(chǎn)生的影響,大小為所有從原因變量出發(fā),通過所有中介變量結(jié)束于結(jié)果變量的路徑系數(shù)乘積總效應(yīng)：原因變量對結(jié)果變量的效應(yīng)總和總效應(yīng)=直接效應(yīng)+間接效應(yīng)4、矩陣方程式X=x1y=y二B1和2是測量模型方程,3是結(jié)構(gòu)模型方程測量模型：反映潛在變量和觀測變量之間的關(guān)系結(jié)構(gòu)模型：反映潛在變量之間因果關(guān)系5、結(jié)構(gòu)方程模型的八種矩陣概念代表意義結(jié)構(gòu)模型矩陣B內(nèi)生潛在變量被內(nèi)生潛

5、在變軍釋之回歸矩陣回歸系數(shù)r內(nèi)生潛在變量被外生潛在變身解釋之回歸矩陣回歸系數(shù)測量模型矩陣Ax外生觀測變量被外生潛在變身解釋之回歸矩陣因素載荷Ay內(nèi)生觀測變量被內(nèi)生潛在變軍釋之回歸矩陣因素載荷外生潛在變量之協(xié)方差矩陣因素共變殘差矩陣內(nèi)生潛在變量被外生潛在變量i軍釋之誤差項協(xié)方差矩陣解釋殘差68外生觀測變量被外生潛在變,軍釋之誤差項協(xié)方差矩陣X變量殘差內(nèi)生觀測變量被內(nèi)生潛在變身解釋之誤差項協(xié)方差矩陣Y變量殘差、模型整體評價指標名稱指標含義接受標準適用情形殘差分析未標準化殘差RMR未標準化假設(shè)模型整體殘差越小越好了解殘差特性標準化殘差SRMR標準化模型整體殘差<.08了解殘差特性擬合效果指標絕

6、對擬合效果指標卡方值導(dǎo)出矩陣與觀測矩陣的整體相似程度卡方自由度比卡方值/自由度<2不受模型復(fù)雜程度影響擬合指數(shù)GFI模型可解釋觀測數(shù)據(jù)的方差與協(xié)力差比>.90說明模型解釋力調(diào)整擬合指數(shù)AGFI用模型自由度和參數(shù)數(shù)目調(diào)整的GFI>.90不受模型復(fù)雜程度影響簡效擬合指數(shù)PGFI用模型自由度和參數(shù)數(shù)目調(diào)整的GFI>.50說明模型的簡單程度相對擬合效果指標正規(guī)擬合指數(shù)NFI假設(shè)模型與獨立模型的卡方差異>.90說明模型較虛無模型的改善程度非正規(guī)擬合指數(shù)NNFI用模型自由度和參數(shù)數(shù)目調(diào)整的NFI>.90不受模型復(fù)雜程度的影響替代性指標非集中性參數(shù)NCP假設(shè)模型的卡方值跑

7、離中央卡方值分布的離散程度越小越好說明假設(shè)模型矩陣中央卡方值的程度相對擬合指數(shù)CFI假設(shè)模型與獨立模型的非中央性差異>.95說明模型較虛無模型的改善程度,特別適合小樣本平均概似平均誤根系數(shù)RMSEA比擬理論模型與飽和模型的差距<.05不受樣本數(shù)與模型復(fù)雜度影響訊息指數(shù)AIC經(jīng)過減效調(diào)整的模型擬合度的波動性越小越好適用效度復(fù)核非嵌套模型比擬一致信息指數(shù)CAIC從樣本量方面對AIC進行調(diào)整越小越好適用效度復(fù)核非嵌套模型比擬關(guān)鍵樣本指數(shù)CN接受假設(shè)模型所需的樣本數(shù)目>200反映樣本規(guī)模的適切性三、模型修正1、參考標準模型所得結(jié)果是適當?shù)模凰媚Ｐ偷膶嶋H意義、模型變量間的實際意義和所

8、得參數(shù)與實際假設(shè)的關(guān)系是合理的；參考多個不同的整體擬合指數(shù)；2、修正原那么省儉原那么兩個模型擬合度差異不大的情況下,應(yīng)取兩個模型中較簡單的模型；擬合度差異很大,應(yīng)采取擬合更好的模型,暫不考慮模型的簡潔性；最后采用的模型應(yīng)是用較少參數(shù)但符合實際意義,且能較好擬合數(shù)據(jù)的模型.等同模式等同模式：用不同的方法表示各個潛在變量之間的關(guān)系,能得出根本相同的結(jié)果,參數(shù)個數(shù)相同,擬合程度相同的模式.實際意義、屢次驗證3、模型修正方向模型擴展方面放松一些路徑系數(shù),提升擬合度修正指數(shù)MI=12-:MIModificationIndicesM.I.】反映的是一個固定或限制參數(shù)被恢復(fù)自由時,卡方值可能減少的最小的量.

9、如果MI變化很小,那么修正沒有意義；通常認為MI>4,模型修正才有意義.顯著水平為0.05時,臨界值為3.84模型簡約方面刪除或限制一些路徑系數(shù),使模型變簡潔臨界比率CR=2/dfCR通過自由度調(diào)整卡方值,以供選擇參數(shù)不是過多,又能滿足一定擬合度的模型,尋找CR比率最小者單個參數(shù)調(diào)整設(shè)為0兩個變量之間路徑系數(shù)關(guān)系進行調(diào)整,設(shè)為相等4、模型修正內(nèi)容1測量模型修正添加或刪除因子載荷添加或刪除因子之間的協(xié)方差添加或刪除測量誤差的協(xié)方差(2)結(jié)構(gòu)模型修正增加或減少潛在變量數(shù)目添加或刪減路徑系數(shù)添加或刪除殘差項的協(xié)方差四、驗證性因子分析(CFA1、驗證性因子分析eie2e?*xiX2X3ULe&#

10、177;Je5e6_Lr_x4X5X6一階驗證性因子分析eie2e3e4e5e62、路徑分析DD遞歸模型非遞歸模型路徑分析參數(shù)估計圖自我效能對于學(xué)業(yè)表現(xiàn)的模型衍生相關(guān)：軌跡法那么1直接效應(yīng)：自我效能學(xué)業(yè)表現(xiàn)=0.292間接效應(yīng)：自我效能成就動機學(xué)業(yè)表現(xiàn)=0.133相關(guān)間接效應(yīng):自我效能社會期待一學(xué)業(yè)表現(xiàn)=0.13*0.16=0.02自我效能一社會期待成就動機一學(xué)業(yè)表現(xiàn)=0.13*0.02*0.21=0.000546衍生相關(guān)為0.29+0.13+0.02+0.00=0.44五、SPSSWAmos一般的研究論文的數(shù)據(jù)分析局部少不了對樣本的描述、對變量進行探索性因子分析EF網(wǎng),然后再利用多變量分析技

11、術(shù)或SEMS行數(shù)據(jù)分析,最后提出研究結(jié)論驗證假說,提出建議.基于這樣的了解,我們來看SPSSWAmos9f發(fā)揮的功能:SPSSAmos樣本描述V非常詳盡V因子分析EFACFA多變量分析方差分析、判別分析、回歸分析、多元尺度法等建立SEM進行路徑分析.多群組分析、Bootstrapping六、利用amos做統(tǒng)計檢驗利用amog所得到的值是顯著性p值,我們要用顯著性和我們所設(shè)的顯著水平值做比擬,如果顯著性大于0c值,未到達顯著水平,那么接受虛無假說；如果顯著性小于口值,到達顯著水平,那么拒絕虛無假說即發(fā)現(xiàn)有統(tǒng)計上的顯著性.在統(tǒng)計檢驗時,本書所設(shè)定的顯著性水平皆是0.05%=0.05七、擬合度AMO

12、是以卡方統(tǒng)計量來進行檢驗的,一般以卡方值p大于0.05判斷模型是否具有良好的擬合度.但是卡方統(tǒng)計量容易受到樣本大小的影響,因此還要參考其他擬合指標.如下列圖：擬合指標判斷準那么絕對擬合指標X2P>0.05說明擬合度較好GFI越接近1表示模型擬合度越好,通常采用GFI>0.9RMR越接近0表水模型擬合度越好,通常米用RMR0.05RMSEA越接近0表水模型擬合度越好,通常米用RMSER0.1增值擬合指標AGFI越接近1表水模型擬合度越好,通常米用AGFI>0.9NFI越接近1表水模型擬合度越好CFI越接近1表水模型擬合度越好IFI越接近1表水模型擬合度越好精簡擬合指標AICAIC越小表本該模型那個較好CAICCAIC越小表本該模型那個較好八、遞歸與非遞歸模型PA-VO的路徑分析有兩種應(yīng)用模型：遞