SEM原理、应用及操作.ppt

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 PARTA SEM原理PARTB SEM应用PARTC SEM上机操作 SEM的定义 PARTA 结构方程模型 StructuralEquationModeling StructuralEquationModel StructureEquationModeling 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 PARTA 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 PARTA 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 也称为因变量 内显潜变量 内生因子 EndogenousFactors 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 ExogenousFactors 等 指标 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 外生指标 间接测量外生潜变量的指标 相关概念 续1 PARTA 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 MediatorEffects MediatingEffect 调节变量 Moderator 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 ModeratorEffects ModeratingEffect 相关概念 续2 PARTA 控制变量 ControlVariable ControlVariables ControlledVariable 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 PARTA 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 PARTA 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 PARTA SEM主要参数 PARTA 结构方程模型的路径系数图 PARTA 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 PARTA 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 PARTA 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 PARTA 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 GoodnessofFitIndex GFI 和调整拟合优度指数 AdjustedGoodnessofFit 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 RootMeansquareResidual RMR 和近似误差均方根 RootMeanSquareErrorofApproximation 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 NormedFitIndex NFI 和增量拟合指数 IncrementalFitIndex 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 ComparativeFitIndex 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 PARTA DegreesofFreedom 59MinimumFitFunctionChi Square 184 35 P 0 00 IndependenceAIC 2016 04RootMeanSquareErrorofApproximation RMSEA 0 08ModelAIC 278 15SaturatedAIC 306 00IndependenceCAIC 2098 63ModelCAIC 491 90SaturatedCAIC 1049 26NormedFitIndex NFI 0 90Non NormedFitIndex NNFI 0 94ParsimonyNormedFitIndex PNFI 0 72ComparativeFitIndex CFI 0 95IncrementalFitIndex IFI 0 95RelativeFitIndex RFI 0 88CriticalN CN 263 34RootMeanSquareResidual RMR 0 054StandardizedRMR 0 054GoodnessofFitIndex GFI 0 94AdjustedGoodnessofFitIndex AGFI 0 92ParsimonyGoodnessofFitIndex PGFI 0 67 SEM拟合指标建议值 PARTA SEM步骤 PARTA 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 PARTA 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MplusorEQS LISREL文件类型 PARTA 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 PARTA 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 PARTA SEM原理PARTB SEM应用PARTC SEM上机操作 PARTB SEM应用 PARTB 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EFACFASEM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 PARTB 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 scholargoogle 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 PARTB 概念模型拓展 PARTB 企业资源维度变量的确定 企业声誉 CompanyReputation 产品声誉 ProductReputation 员工技能 EmployeeKnow how 企业文化 Culture 组织网络 OrganizationalNetworks 开放性组织结构 OrganizationStructure Hall 1993 PARTB 速度营销动态能力维度变量的确定 PARTB 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 PARTB 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 PARTB 概念全模型 研究假设 示例 PARTB 变量的测量 PARTB 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 PARTB 数据收集 PARTB 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 PARTA SEM原理PARTB SEM应用PARTC SEM上机操作 数据分析 PARTC 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 PARTC 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 ConvergentValidity 和区分效度 DiscriminantValidity 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 EFAandCFA 平均提取方差 AverageVarianceExtracted AVE 示例 效度检验 因子分析步骤 PARTC 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 PARTC 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 PARTC 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 PARTC 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 PARTC 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 PARTC 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 Model1 EFFE 11ADAP 12ABSO 13INNO 14MAEN e1Model2 EFFE 21ADAP 22ABSO 23INNO 24MAEN 25ADAP MAEN 26ABSO MAEN 27INNO MAE