Amos20 论文完全攻略 simple ppt课件

与SEM共舞 曙光初现Amos20论文完全攻略 张伟豪三星统计服务公司执行长Amos亚洲一哥 BestreadingsforSEM 3 参考书 4 参考书 5 参考书 6 大纲 StructuralEquationModeling基本原理SEM能作些什么 SEM常用名词解释Amos的操作环境与模式建立Amos环境介绍建立路径图资料读取数据处理 分析 数据输出 报表解读 7 大纲 SEM假设合理的样本量参数设定原则模型识别验证式因素分析 ConfirmatoryFactorAnalysis CFA 一阶验证性因素分析 firstorder 二阶验证性因素分析 secondorder 组成信度 CR 与变异数萃取量 AVE 8 大纲 SEM模型适合度评估整体模型配适度违犯估计的检查Amos报表解读Amos配适度指标介绍绝对配适指标增值配适指标精简配适指标竞争配适指标 9 SEM是近期成长快速的统计技术 Herhberger 2003 愈来愈多的SEM文章发表于心理学期刊上SEM已成为心理学学者最常用的统计技术方法论上SEM的期刊被大量的引用SEM出版的书大幅增加SEM的研讨会愈来愈多专门讨论SEM的期刊大幅增加 10 SEM发表的期刊论文有比较好吗 Babin Hair Boles 2008 不用SEM的PAPERS是否比较容易被拒绝 使用SEM的PAPERS是否评价比较高 使用SEM是否对reviewers较有影响力 软件使用Amos是否比Lisrel容易被拒绝 模型配适度好坏是否会影响reviewers评价 美国人使用SEM是否比其它国家的学者多 美国人用SEM投稿是否比其它国家的人有优势 11 SEM常用的名词 参数 parameter 又称母数 带有 未知 与 估计 的特质 如没特别说明 一般指的是自由参数 自由参数 freeparameter 在Amos所画的每一条线均是一个参数 除设为固定参数者外 自由估计参数愈多 自由度 df 愈小 固定参数 fixparameter Amos图上被设定为0或1或任何数字的线 均是固定参数 图上未连结的关系 Amos均设定为0 12 SEM常用的名词 观察变项 observed measured indicatorormanifestvariables 在数据文件中的变量 人们可以直接观察 并进行测量的变量 如身高 体重 价格 收入等 潜在变项 latent unobservedvariables factororconstruct 数据文件看不到 不可以直接进行观测 但可以藉由观察变项反应的变量 如顾客满意度 忠诚度等 潜在变项会受到观察变项的影响 潜在变项之间也会相互影响 这些影响关系又分为 因果关系 及 相关关系 13 14 SEM的术语 误差 ErrororE e1 e6测量变量被估计后无法解释的变异 干扰 DisturbanceorD e7潜在变量经估计后无法解释的变异 误差 干扰 残差 residual 不可解释变异 15 SEM常用的名词 外生变数 exogenous 自变数 用来预测变量的变量 本身不具有测量误差的变量 unique errorvariables 有潜在及观察变量数两种 模型中没有被任何箭头刺到的变量即为外生变量 如下图的信任 为一外生观察变量 16 SEM常用的名词 内生变数 endogenous 依变数 被自变量预测的变量 本身具有测量误差的变量 即使该变量也有去预测别的变量 有潜在及观察变量两种 凡是在模型中被箭头刺到的变量即为内生变量 如Q1 Q3 S1 S3 服务质量及满意度 Amos图解说明 Amos图解说明 Amos操作范例介绍 科技接受模型TechnologyofAcceptanceModel TAM 20 TAM路径分析模型 易用性影响态度与有用性 有用性影响态度及行为意图态度与有用性影响行为意图 21 回归分析模型 易用性 有用性及态度同时影响行为意图 22 TAM结构分析模型 潜在变量的路径分析 SEM分析 每个潜在变量至少3个观察变量 Amos操作环境与模式建立 程序集 IBMSPSSStatistics IBMSPSSAmos20 AmosGraphics 24 Amos操作环境 绘图区 展示区 工具箱 Amos的图画超出绘图区不会影响分析结果 但会影响图的输出 25 显示区说明 Selectinputoroutputpathdiagram 显示输入 输出路径图 Listofgroups 群组列表 Filelist Amosgraphic 分析数据图文件档案列表 Listofparameterformat 显示参数格式 Summaryofcomputations 计算过程摘要 Listofmodels 模型列表 26 工具栏图示说明 26 27 工具栏图示说明 27 28 工具栏图示说明 28 建立TAM路径分析图 绘制4个观察变量利用复制功能确保图形大小一致建立因果关系在内生变数上加一个残差利用魔术棒调整位置使用移动功能调整观察变量的位置 选择数据文件分析 选择数据文件 选择数据文件 选取数据文件 将变量置入路径图中 列出档案中的变量名称内容与SPSS资料建文件一致将题目拖曳至方框中 选择输出结果 选择输出那些报表执行分析按红色箭头即可看到结果显示于图面上 33 AnalysisProperties Output 收敛过程 标准化估计 复相关平方 修正指标 差异决断值z test 常态及极端值检验 直接 间接及总效果 样本COV矩阵 期望COV矩阵 残差矩阵 因素分数加权值 共变异数估计值 观察信息矩阵 相关估计值 修正指标预设门坎 含潜在变项的期望矩阵 输出报表选项 AnalysisProperties Estimation 35 Amos内建估计方法Kline 2005 GLS及ULS均属全讯息的估计方法 ULS需要所有观察变量的尺度一样 ML比ULS有效率 因为可得到较小的标准误 GLS为WLS ADF 的一分支 WLS可用在数据严重非常态的情形下 ADF适用于大样本 1000 又称为理论上最佳法 GLS及ULS比ML的优点为运算时间短 但在现今计算机发达下 已无实质意义了 建立回归分析图 绘制4个观察变量利用复制功能确保图形大小一致建立因果关系在内生变数上加一个残差利用魔术棒调整位置建立外生变量之间的相关 先以选择对象将目标物变成蓝色 再从Plugins DrawCovariances 共变异数方向的调整 点选再移进曲线直到变成红色 拖曳至左侧 再以调整即可 38 Amos绘图流程 制作潜在变数 复制对象 制作观察变量 建立潜在变量之间关系 读取数据文件 交待变量名称 分组 若有 分析属性窗口设定 参数名称设定 计算估计值 检视输出值 建立结构模型 绘制潜在变量并利用复制移到适当位置将每个潜在变量增加三个指针旋转至适当的位置绘制因果关系内生变数加残差Plugins NameUnobservedVariables将残差命名调整残差编号的位置 Title制作 利用Title将常用的配适度指标显示于图面上 40 41 Title制作 利用Title将常用的配适度指标显示于图面上 42 Title常用输入语法 一 43 Title常用输入语法 二 44 对象属性复制的功能说明 图形 圆形或方形 大小的复制 垂直对齐 水平对齐 复制对象名称 设参数限制一样 如1或0 设参数位置一样 设对象字号一样 设参数字号一样 不重要 45 Interfaceproperties 接口属性 view interfaceproperties Amos操作接口属性设定在Amos操作环境下 可以用 Ctrl I 直接启动 Interfaceproperties pagelayout 调整图形区域的大小 46 Interfaceproperties formats 可以用来增加图形估计参数的小数字数 47 Interfaceproperties colors 改变图形的颜色 48 Interfaceproperties typefaces 更改图形上显示的字型 49 Interfaceproperties penwidth 改变图形上箭头的大小及框线的粗细 50 Interfaceproperties misc 图形是否显示卷标 51 52 数据的处理 分析 Estimation 估计平均数及截距 数据不符常态性假设 至少要1000个样本以上 系统内定 53 SEM样本数需求 经验法则为每个预测变量用15个样本 JamesStevens 1996 BentlerandChou 1987 提出样本数至少为估计参数的5倍 在符合常态 无遗漏值及例外值下 否则要15倍的样本数Loehlin 1992 提出 一个有2 4个因素的模型 至少100个样本 200个更好小样本容易导致收敛失败 不适当的解 违犯估计 低估参数值及错误的标准误 54 SEM分析样本数需求 Hair et al 2009 ch 12 Hair JosephF WilliamC Black BarryJ Babin RolphE Anderson 2009 MultivariateDataAnalysis 7thEdition EnglewoodCliffs N J PrenticeHall 55 所有独立变量的变异数均是模型的参数所有外生变量之间的共变异数都均是模型的参数所有与潜在变项有关的因素负荷量均是模型的参数所有测量变项之间或潜在变项之间的回归系数都是模型的参数与内生变项有关的量数都不是模型的参数对每一个潜在变项 必须给定一个适当的潜在量尺 SEM参数设定原则 Raycov Marcoulides 2006 56 所有外生变量的变异数均是模型的估计参数 57 所有自变量之间的共变异数都是模型的估计参数 58 Amos路径分析与SPSS回归比较 共变为何一定要存在 回归偏相关的估计公式己将共变 相关系数 纳入估计实务上来看 不可能有几个外生变量同时估计内生变量 而外生变量之间是不相关的 60 所有潜在 观察 变量变量之间的因素负荷量均是模型的估计参数 61 所有的观察 潜在 变量之间的回归系数都是模型的估计参数 内生变数的变异数 共变异数及外生变量与内生变量之间的共变异数都不是模型的估计参数 对每一个潜在变项 必须给定一个适当的潜在量尺 潜在变项与一般测量变项最大的不同在其 不可直接量测 的特性 因此潜在变项缺乏一个自然存在的尺度 也就是没有单位 因此 必须以人为的手段设定尺度 让潜在变量可以解读 64 SEM最常使用的方法是将 外生潜在变项 变异数设为1 或将潜在变项其中的一个 测量变项与潜在变项 的因素负荷量设为1 两种方法结果模型配适度不变 但因素负荷量会有稍微的差异 SEM参数设定原则 第6原则探讨 65 模型识别 p 模型中所有观察变量DP datapoint DP df p p 1 2t rule 自由估计的参数数目t DP p p 1 2tDP 不足辨识 underidentified 实例说明 a b 62a b 103a b 12a和b为估计参数 三个方程式为过度辨识 1及2式可得a 4 b 2 代入3式得14 14 12 2 4 残差 若a 3 b 3 则 0 2 10 9 2 0 2 1 67 seeyoutomorrow 68 SEM实务上的基本要求 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 Cross loading 0 4 Hairetal 1998 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 Formativevs Reflective 社经地位 收入 职业 教育 住宅 朋友 收入 健康 休闲 Formativevs Reflective 网络信任 SEM模型 71 72 SEM模型 73 验证式因素分析 一阶验证性因素分析二阶验证性因素分析组成信度 CR 与平均变异数萃取量 AVE 74 一阶验证性因素分析 75 CFA分析时常见的问题 因素中负荷量不高 如小于0 45 问卷设计不良 缺乏信度观察变数指定到其它构面 Kline 2011 因素中负荷量有些超过1 观察变量之间有共线性因素负荷量部份不错大于0 7 部份不佳小于0 5 潜在构面可能不是一个 而是两个潜在构面 76 CFA分析时常见的问题 续 因素负荷量都不错 大于0 7 但模型配适度不佳 残差不独立 即样本不独立因素负荷量为负值表反向题忘了转向CFA根本跑不出来观察变量之间相关太低观察变数之间相关为 1 ModificationIndices用法 View Analysisproperties Output Modificationindices 77 78 二 高 阶验证性因素分析 79 二 高 阶验证性因素分析 一阶完全有相关 服务质量二阶验证因素之模型配适指针 二 高 阶验证性因素分析辨识条件 每个二阶构面至少需要有三个一阶构面一阶构面至少要有两个指标二阶构面到一阶构面的因素负荷要有一条固定为1 二阶CFA的目的 在二阶模型有4个一阶因子以上时 二阶模型卡方值必大于一阶因子有相关卡方值 二阶模型为一阶模型的简化 目的在于简化结构模型 目标系数 Targetcoefficient 为一阶因子有相关卡方值 二阶模型卡方值目标系数愈接近1表示二阶模型愈具有代表性 83 组成信度 compositereliability CR CR值是所有测量变项信度的组合 表示构念指针的内部一致性 雷同于cronbach CR愈高表示构念的内部一致性愈高 0 7是可接受的门坎 Hair 1997 FornellandLarcker 1981 建议值为0 6以上 计算公式构念的组成信度 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 J reskogandS rbom 1996 84 变异抽取量 Averageofvarianceextracted AVE AVE是计算潜在变量之测量变量的变异数解释力 若AVE愈高 则表示构念有愈高的信度与收敛效度 理想上标准值须大于0 5FornellandLarcker 1981 0 36 0 5为可接受门坎 计算公式AVE 因素负荷量2 因素负荷量 2 各测量变项的测量误差 J reskogandS rbom 1996 85 CFA模型设定的考虑 86 CFA模型设定的考虑 87 以下这个又如何呢 结构模型是构念关系的组合 个人主义对谈判风格的影响 89 SEM模型分析 共变异数矩阵的制作 SEM模型分析中AnalysisProperties Output Samplemoments打勾执行分析 共变异数矩阵的制作 ViewText SampleMoments SampleCovariancesSampleCovariances右键单击复制 共变异数矩阵的制作 共变异数矩阵贴入excel新增一行填入 N 并填写样本数新增一栏并填入ROWTYPE 以下填入COV变量名称上加入VARNAME 以上英文字母大小写不拘 共变异数矩阵的制作 存档或另存新档为excel2003的版本Amos将可顺利读取档案 数据输出 报表解读 AnalysisSummary分析摘要 94 95 数据输出 报表解读 分析摘要 群组说明 变数摘要 参数摘要 常态性估计 样本矩阵 模型说明 估计 修正指标 收敛过程 成对参数比较 模型配适度 模型的比较 运行时间 离形心最远的观察值距离 数据输出 报表解读 NotesforModel 模型的批注 报表解读 RegressionWeights非标准化回归系数 97 报表解读 StandardizedRegressionWeights标准化回归系数 98 报表解读 Covariances共变异数Correlations相关系数 报表解读 Variances变异数 检查是否有违犯估计 101 违犯估计 offendingestimates 所估计的参数违反统计所能接受的范围 负的误差变异数 HeywoodCase 误差变异数不显著标准化回归系数接近或超过于1 以0 95为门坎 Heiret Al 1998 有太大的标准误 102 HeywoodCase发生的原因 Hair etal 2009 样本数太小未能符合每个构面至少三个变量原则 模型配适度判断准则 模型配适度可分成三大评估准则估计出的配适度 0 5表示愈接近1愈好 0 9以上为理想值 0 8以上为可接受估计出的配适度 0 5表示愈接近0愈好 0 05以下为理想值 0 08以下为可接受估计出的配适度不在0 1之间 表示值愈低愈好 模型配适度 ModelFitSummary模型配适度摘要 104 CMIN 卡方差异值 愈小愈好 DF 自由度 愈大表示模型愈精简 CMIN DF 理想值为3 1之间 105 模型配适度 IFI TLI NNFI CFI为最常报告的配适度指标 理想值为 0 9甚至于 0 95 精简配适度指标 0 5表示模型不太复杂 但在配适度指标中不常出现 106 模型配适度 愈小愈好 没有一定标准 因此只有在竞争模型 两个以上的模型 才会用到 卡方最小差异值 N 1 FMIN为卡CMIN 因此样本数愈大 CMIN愈大 107 模型配适度 目前配适度指标报告最多的指标之一一般会含90 信赖区间 CI 一并报告PCLOSE 0 05表示CI包含0 05 愈小愈好 没有一定标准 因此只有在竞争模型 两个以上的模型 才会用到 108 模型配适度 愈小愈好 没有一定标准 因此只有在竞争模型 两个以上的模型 才会用到 在95 信心水平下 200表示样本是足够的小于75表示样本严重的不足 109 AMOS输出解释 绝对配适指标可解释为样本共变异数矩阵被模型共变异数矩阵解释的比例 类似于R2 增值配适指标研究模型的配适度与统计基本模型比较改善的程度 基本模型指的是独立 虚无 模型 精简配适指标决定研究模型是否太过复杂 同一笔样本数据但相似的模型以精简指针愈大者愈好 竞争配适指标非巢状模型比较用的配适指标 愈小愈好 没有标准值 配适度指针的限制 Kline 2011 P192 193 配适度指针的值只是模型的整体配适度或平均值而已 因此在模型的某些题目仍会有较大的差异 SEM没有万用的指标每一个配适度指针 仅表示数据某一面向的讯息 因此某一指针良好 不表示模型配适良好配适度指针的值与模型是否设定是否正确没太大的相关如模型有4个构面 而且配适度好 并不代表你的模型是对的 仅能告诉大家模型与样本数据的配适良好 配适度指标的限制 Kline 2011 P192 193 良好的配适度不代表有良好的统计检定力及解释能力变数之间相关愈低 愈容易得到良好的模型配适度 配适度指标不能用来解释成理论是具有意义的如某一回归估计值的符号方向与理论值相反 即使配适度良好 也不能说是正确的 须要有良好的解释 112 绝对配适指标 理论模型与饱和模型比较所得的统计量 2test 卡方值 愈小愈好p值 未达显著水平 p 0 05NormedChi square NC 2 df3 NC 1 严谨 NC0 90AGFI 调整后 0 90 113 绝对配适指标 理论模型与饱和模型比较所得的统计量RMR 残差均方和平方根 200 P值显著的争议 实务上卡方值不是个很实用的配适度指标P值在200个样本以上 几乎所有的研究都是显著的 因此佐以其它的配适度指标协助判断Tanaka 1993 Maruyama 1998 115 SRMR的