结构方程模型简介与的初级应用详解演示文稿

结构方程模型简介与的初级应用详解演示文稿目前一页\总数三十四页\编于八点优选结构方程模型简介与的初级应用目前二页\总数三十四页\编于八点为什么要用结构方程模型假如4道题目来衡量企业在某方面的竞争优势，还有3道题目来测量企业绩效。现要研究竞争优势与企业绩效的关系。按照传统的回归分析做法：3个Y只取一个或运用某种方法合并为1个Y信息丢失竞争优势X1X2X3X4企业绩效Y1Y2Y3目前三页\总数三十四页\编于八点结构方程模型（SEM）的优点

同时处理多个因变量(多个Y);

容许自变量和因变量含测量误差，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;

估计整个模型的拟合程度，用以比较不同模型;

容许更大弹性的测量模型；

SEM是复杂多元的统计方法，包括:回归分析、因子分析(验证性因子分析)、ｔ检验、方差分析、比较各组因子均值、交互作用模型、实验设计等。目前四页\总数三十四页\编于八点SEM概念概念1：结构方程模型(StructuralEquationModeling，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。概念2：结构方程模型是一种通用的线性统计建模技术。它主要是利用联立方程组求解，但是没有严格的假设限定条件，同时允许自变量和因变量存在测量误差。概念3：SEM是一种呈现客观状态的数学模型，主要用来呈现检验观察变量与潜在变量之间的假设关系，它融合了因素分析与路径分析两种统计技术。关键词：结构、协方差、线性目前五页\总数三十四页\编于八点理论模型λxn1

λyn1λyn2γ3λxm2δ2

δ1

δ4

δ3

λxm1ζ1ε4ε1Φ21ξ1Xn1Xn2Xm1Xm1ξ2λxn2

η1γ1Yn1Ym2η2γ2ζ2βYn2ε2Ym1ε3λym2λym2构成要素：变量、模型目前六页\总数三十四页\编于八点1、潜变量(latentvariable)：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；(η,市场财务绩效)外生潜变量:由系统外其他因素决定的潜变量；(ξ，反应速度)2、显变量(observableindicators)：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；(Y)外生指标:间接测量外生潜变量的指标。(X)3、误差项(δ、ε、ζ

)结构方程模型的变量λxn1

λyn1λyn2γ3λxm2δ2

δ1

δ4

δ3

λxm1ζ1ε4ε1Φ21ξ1Xn1Xn2Xm1Xm1ξ2λxn2

η1γ1Yn1Ym2η2γ2ζ2βYn2ε2Ym1ε3λym2λym2目前七页\总数三十四页\编于八点结构方程模型的结构1、测量模型:测量指标与潜变量之间的关系x=∧xξ+δy=∧yη+ε

2、结构模型

对于潜变量间的关系，可用结构方程表示：

η=Bη+Гξ+ζ反应效率E1E2E3市场绩效财务绩效反应效率反应速度λxn1

λyn1λyn2γ3λxm2δ2

δ1

δ4

δ3

λxm1ζ1ε4ε1Φ21ξ1Xn1Xn2Xm1Xm1ξ2λxn2

η1γ1Yn1Ym2η2γ2ζ2βYn2ε2Ym1ε3λym2λym2目前八页\总数三十四页\编于八点SEM实质x=∧xξ+δy=∧yη+εη=Bη+Гξ+ζSEM分析核心概念是变量的协方差，用协方差反应两个变量的共同变异或相关联程度。假设模型隐含的协方差矩阵B，应尽可能的接近样本协方差矩阵A，A与B越接近，模型拟合越好，参数估计越有效。估计方法：最大似然估计法(ML),二阶段最小二乘法(TSLS)等LISREL（LinearStructuralRelationship，线性结构关系）结合矩阵分析技巧，用以处理协方差结构分析的一套计算机程序。AMOS（AnalysisofMomentStructure,矩结构分析）矩结构与协方差矩阵内涵类似，结合了传统的一般线性模型与共同因素分析的技术。目前九页\总数三十四页\编于八点SEM应用条件

随机抽样

线性相关

ML和TSLS估计时满足：连续变量且多元正态分布

李克特量表

SEM适合大样本分析样本量绝对不能小于100200-500是最佳样本范围使用GL估计时样本量需在200以上标准样本量应当是变量数（题项）的10-15倍目前十页\总数三十四页\编于八点在SEM分析模型中，只有测量模型而无结构模型的回归关系，即为验证性因子分析(CFA)；相反的，只有结构模型而无测量模型，则潜在变量见因果关系的讨论，相当于传统的路径分析；λxn1

λyn1λyn2γ3λxm2δ2

δ1

δ4

δ3

λxm1ζ1ε4ε1Φ21ξ1Xn1Xn2Xm1Xm1ξ2λxn2

η1γ1Yn1Ym2η2γ2ζ2βYn2ε2Ym1ε3λym2λym2SEM与CFA及路径分析目前十一页\总数三十四页\编于八点SEM建模过程理论发展模型界定模型识别抽样与测量参数估计模型拟合评鉴模型修饰讨论与结论阶段一模型发展阶段二估计与评鉴1、模型构建

2、前期工作3、模型估计4、模型拟合评鉴5、模型修饰6、假设检验目前十二页\总数三十四页\编于八点理论先验性以SEM来检验因果关系是否成立主要是属于验证的性质，需以理论为基础。1、以核心理论为基础；2、以相关实证发现为建立潜在自变量与潜在因变量间因果关系之依据；3、透过逻辑推理过程验证或修正上述已建立之因果关系；4、藉由相关理论综述与实地深度访谈，进一步验证初步建立之因果关系。目前十三页\总数三十四页\编于八点实例：速度营销动态能力对企业绩效的影响1、模型构建理论发展模型界定变量确定研究假设H1：速度营销反应效率对企业市场绩效存在正向的影响关系；H2：速度营销反应速度对企业市场绩效存在正向的影响关系；H3：速度营销反应效率对企业财务绩效存在正向的影响关系；H4：速度营销反应速度对企业财务绩效存在正向的影响关系；M1M2M3市场绩效F1F2F3财务绩效反应效率反应速度E1E2E3S1S2S3E3目前十四页\总数三十四页\编于八点2、前期工作研究设计变量的测量（李克特量表）问卷设计数据收集前期数据分析描述性统计(SPSS,EXCEL)信度分析(SPSS)效度分析EFA目前十五页\总数三十四页\编于八点309份有效问卷目前十六页\总数三十四页\编于八点信度分析(SPSS)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。

量表的信度分析包括内在信度分析和外在信度分析。内在信度分析重在考察一组评估项目是否测量的是统一特征，这些项目之间是否具有高度的内在一致性；外在信度分析是指不同时间对同批被评估对象实施反复测量时，评估结果是否具有一致性。主要是内在。指标：克朗巴哈α系数（Cronbach’sα）修正总相关系数(CITC)折半信度系数（即可测量外在信度又可测量内在信度）目前十七页\总数三十四页\编于八点效度分析内涵内容效度：内容效度指测试或量表内容或题项的适当性与代表性。效标关联效度：是指测量工具的内容具有预测或估计的能力。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。一般分为收敛效度和区分效度。收敛效度：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。

研究方法收敛效度：因子分析法(EFA和CFA)

平均萃取量(AVE>0.5)组合信度(CR>0.7)区分效度:AVE的平方根应该大于该变量与其它变量的相关系数目前十八页\总数三十四页\编于八点3、模型估计（Lisrel或Amos）LISREL语法见长必须使用PRELIS计算出CORorCOV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目前十九页\总数三十四页\编于八点验证性因子分析CFA剔除EFFE3LISREL目前二十页\总数三十四页\编于八点验证性因子分析CFA剔除EFFE3AMOS目前二十一页\总数三十四页\编于八点结构方程SEMLISREL目前二十二页\总数三十四页\编于八点结构方程SEMAMOS目前二十三页\总数三十四页\编于八点4、模型拟合评鉴适配度指标是评价假设的路径分析模型图与搜集的数据是否相互适配，而不是说明路径分析模型图的好坏。一个适配度完全符合评价标准的模型图不一定保证是个有用的模型，只能说研究者假设的模型图比较符合实际数据的情况。（1）模型基本适配标准（2）整体模式适配指标―模式外在质量（3）模式内在拟合度―模式内在质量目前二十四页\总数三十四页\编于八点4、模型拟合评鉴（1）模型基本适配标准BagozziandYi（1988）认为较重要之模式基本适配标准为下列五项：1.不能有负的误差变异；2.误差变异必需达到显著水平（t>1.96）；3.估计参数之间的相关绝对值不能太接近1；4.因素负荷量不能太低（＜0.5）或太高（＞0.95）；5.不能有很大的标准误。

当违反上述标准时，表示模式可能有“细列误差”、“辨认问题”或“输入有误”。当符合上述标准时，方可进行检验“整体模式适配标准”及“模式内在结构适配度”。目前二十五页\总数三十四页\编于八点4、模型拟合评鉴（2）整体模式适配指标―模式外在质量卡方检验：卡方自由度比(χ2/df)模型拟合指数：拟合指数(GFI)、调整后拟合指数(AGFI)、正规拟合指数(NFI)、非正规拟合指数(NNFI)、增量拟合指数(IFI)替代指数：RMSEA,CFI指数残差分析指数：残差均方根(RMR)拟合指标χ2/dfGFIAGFINFIIFICFIRMRRMSEA建议值＜5＞0.9＞0.8＞0.9＞0.9＞0.9＜0.05＜0.08实际值3.9670.910.850.900.920.920.110.083目前二十六页\总数三十四页\编于八点Lisrel模型拟合指标输出DegreesofFreedom=65MinimumFitFunctionChi-Square=244.80(P=0.0)NormalTheoryWeightedLeastSquaresChi-Square=234.80(P=0.0)EstimatedNon-centralityParameter(NCP)=169.8090PercentConfidenceIntervalforNCP=(126.75;220.44)MinimumFitFunctionValue=0.79PopulationDiscrepancyFunctionValue(F0)=0.5590PercentConfidenceIntervalforF0=(0.41;0.72)RootMeanSquareErrorofApproximation(RMSEA)=0.09290PercentConfidenceIntervalforRMSEA=(0.080;0.10)P-ValueforTestofCloseFit(RMSEA<0.05)=0.00ExpectedCross-ValidationIndex(ECVI)=0.9390PercentConfidenceIntervalforECVI=(0.79;1.10)ECVIforSaturatedModel=0.59ECVIforIndependenceModel=6.60Chi-SquareforIndependenceModelwith78DegreesofFreedom=2005.84IndependenceAIC=2031.84ModelAIC=286.80SaturatedAIC=182.00IndependenceCAIC=2093.38ModelCAIC=409.87SaturatedCAIC=612.73NormedFitIndex(NFI)=0.88Non-NormedFitIndex(NNFI)=0.89ParsimonyNormedFitIndex(PNFI)=0.73ComparativeFitIndex(CFI)=0.91IncrementalFitIndex(IFI)=0.91RelativeFitIndex(RFI)=0.85CriticalN(CN)=119.80RootMeanSquareResidual(RMR)=0.11StandardizedRMR=0.082GoodnessofFitIndex(GFI)=0.90