结构方程模型简介及应用PPT课件.ppt

结构方程模型简介 王国霞 2020 1 27 1 为何用结构方程模型呢 心理学研究中变量均是不能直接测量的传统的分析中均假设自变量没有测量误差问卷编制中的探索性因素分析是数据驱动的测验的个别题目属于多个维度可同时处理测量问题与分析问题 2020 1 27 2 结构方程模型的分析原理 是基于变量的协方差矩阵来分析变量之间关系的一种统计方法 理论模型与实际模型之间的协方差矩阵是否一致 2020 1 27 3 1 结构方程模型的基本概念 潜在变量 latentvariable 无法直接测量 需要用外显指标去间接测量的变量观测变量 observedvariable 可以直接被测量的变量外生变量 exogenousvariable 在模型中起解释变量作用的变量内生变量 endogenousvariable 在模型中 受模型其他变量包括外生变量与内生变量影响的变量残差项 errorterms 无法被模型解释的变异 2020 1 27 4 1 结构方程模型的基本概念 2020 1 27 5 2 结构方程模型的组成结构 2020 1 27 6 全模型 潜在变量 观测变量 内生潜变量 外生潜变量 误差 测量方程 测量方程 结构方程 相关 回归 2020 1 27 7 3 结构方程模型的特点 结构方程模型具有理论先验性结构方程模型可以同时处理测量与分析问题结构方程模型关注协方差的运用 变量间的协方差矩阵 理论模型与实际模型之间的协方差差异 结构方程模型适用于大样本的统计分析 一般大于200人 人数是观测变量的10 15倍 2020 1 27 8 4 结构方程模型的分析步骤 第一步 模型建构第二步 模型识别第三步 收集数据第四步 模型拟合第五步 模型修正第六步 模型解释 2020 1 27 9 第一步 模型建构 理论基础模型的准确性和简约型测量方程和结构方程模型建构的类型 纯粹验证 选择模型 模型发展型 2020 1 27 10 模型建构 SEM的准确性和简约性 SEM的简约性 df越大模型越简单自由度 是指当以样本的统计量来估计总体的参数时 样本中独立或能自由变化的资料的个数 计算方法 df n n 1 2 k 需要估计参数的数目 2020 1 27 11 2020 1 27 12 模型建构 描述数据的两难 准确就需要复杂简约准确性就低好模型 尽可能准确且相对简单 2020 1 27 13 模型建模的类型 纯粹验证型 拒绝or接受模型发展型 根据数据和理论修改选择模型 选择一个好的 2020 1 27 14 模型建构 模型选择 以验证性因素分析为例 多个一阶模型 理论和探索性因素分析结果直交or斜交 因素间是否存在相关一阶or二阶 因素间的相关大小 2020 1 27 15 第二步 模型识别 k n n 1 2低识别 有无数个解正好识别 有一个解 df 0 即饱和模型 过度识别 有一个解 df 0 2020 1 27 16 低识别模型 2020 1 27 17 2020 1 27 18 正好识别模型 2020 1 27 19 过度识别模型 2020 1 27 20 第三步 收集数据 样本数 a 理想的样本量与题项数比例为5 20倍b 样本越多越好 但是越多卡方值越大 模型被拒绝的可能性更大 c 200 500之间缺失数据 在spss里补好 2020 1 27 21 第四步 模型拟合 参数估计方法 极大似然法 maximumlikelihood 大样本 正态分布 观测变量是连续变量一般化最小平方法 generalizedleastsquares 大样本 非正态未加权最小平方法 unweightedleastsquares 数据不符合统计分布一般加权最小平方法 generallyweightedleastsquares 非正态 大样本 1000以上 对角线加权平方法 diagonallyweightedleastsquares 非正态 大样本 1000以上 工具性变量法 instrumentalvariables 两阶段最小平方法 two stageleastsquares 2020 1 27 22 第四步 模型拟合 基本拟合标准模型内在结构拟合度整体模型拟合度 外部 2020 1 27 23 第四步 模型拟合 基本拟合标准 估计参数中不能有负的误差方差潜变量与测量指标间的因素负荷量最好介于0 5至0 95之间不能有很大的标准误差 2020 1 27 24 第四步 模型拟合 模型内在结构拟合度 所有参数必须达到显著水平 t值 1 96 标准化残差的绝对值小于2 58修正指数小于3 48 2020 1 27 25 第四步 模型拟合 整体拟合指数 1 绝对拟合指数 理论模型与实际模型 2020 1 27 26 第四步 模型拟合 整体拟合指数 2 增值拟合指数 理论模型与独立模型 2020 1 27 27 第四步 模型拟合 整体拟合指数 3 简约拟合指数 2020 1 27 28 第五步 模型修正 测量模型 添加或删除因子载荷 因子之间的协方差 误差之间的协方差结构模型 添加或删除潜变量数目 路径系数 残差项之间的协方差 2020 1 27 29 模型修正 注意事项 修改的参数在理论上的合理性先考虑较大的MI 大于4 每次只能修改一个参数修正后需要用另一批数据重新验证防止将可识别的模型变为无法识别的模型 2020 1 27 30 第六步 模型解释 用理论来解释模型解释模型所代表的结果 2020 1 27 31 5 结构方程模型的用途 T检验 相关分析 F检验 验证性因素分析路径分析多组比较复杂的中介和调节效应的检验潜变量增长模型 2020 1 27 32 6 结构方程模型的分析软件 分析软件 Am