结构方程模型-SEM 部分.ppt

StructuralEquationModel,1,第三讲结构方程模型原理及其应用,StructuralEquationModel,2,路径分析原理PathAnalysis,不含潜变量，均是可观测变量,2.1模型,基本假设,StructuralEquationModel,3,2.2协方差矩阵,StructuralEquationModel,4,StructuralEquationModel,5,2.3路径图,StructuralEquationModel,6,递归模型RecursiveModel,变量中间只有单向的联系，没有直接或间接的反馈(直线)所有的误差都彼此不相关,StructuralEquationModel,7,非递归模型IrrecursiveModel,路径图中有直接或间接的循环直线箭头，或误差项之间有弧线箭头,StructuralEquationModel,8,2.4识别准则,t法则递归模型都是可识别的方程中的误差项和方程中的自变量（包括作为自变量出现的内生变量）都不相关。零B模型都是可识别的,StructuralEquationModel,9,非递归模型可识别的阶条件和秩条件，（p个内生变量，q个外源变量）,阶条件（必要）：,逐行检查的零元素个数，若每行至少有p-1个零元素，满足阶条件。,秩条件（充分必要）：,对第i个方程，将第i行中非零元素所在列删除，城下的矩阵为Ci，R(Ci)=p-1则其可识别,StructuralEquationModel,10,StructuralEquationModel,11,StructuralEquationModel,12,2.5参数估计类似于CFA的估计方法,2.6模型评价与修正,方程的测定系数,路径分析是分析和验证因果模型的技术，不能用来寻找或发现因果关系。,StructuralEquationModel,13,3结构方程分析原理,StructuralEquationModel,14,StructuralEquationModel,15,Measurementmodel,StructuralEquationModel,16,Structuralmodel,StructuralEquationModel,17,StructuralEquationModel,18,StructuralEquationModel,19,StructuralEquationModel,20,3.1结构方程基本概念,验证性因子模型和潜变量因果模型的结合,测量模型：CFA分析结构模型：潜变量的因果关系,StructuralEquationModel,21,3.2结构方程模型及其协方差结构,怎么寻找问题？怎么提假设？问卷的设计方案？目的：用数据检验假设在统计意义上的可靠性，提供科学的说服力，帮助理解经济管理方面的理论和明晰现实问题的运作机理,结构方程模型包括：测量方程、结构方程和模型假设,StructuralEquationModel,22,测量方程：,结构方程：,内生潜变量,外源潜变量,内生指标,外源指标,StructuralEquationModel,23,模型假设：,测量方程误差项,结构方程残差项,不相关,不相关,不相关,StructuralEquationModel,24,参数矩阵：四个系数矩阵，四个协方差矩阵,测量方程：,结构方程：,StructuralEquationModel,25,构造COV矩阵,StructuralEquationModel,26,StructuralEquationModel,27,StructuralEquationModel,28,StructuralEquationModel,29,StructuralEquationModel,30,3.3模型识别,模型参数个数11个,StructuralEquationModel,31,StructuralEquationModel,32,15个方程,StructuralEquationModel,33,识别法则：,1.t法则（必要条件）,p个指标产生的独立方程个数是,因此自由参数的个数满足：,StructuralEquationModel,34,2.两步法则（充分条件）,分别对测量方程和结构方程进行识别,构造CFA模型识别,构造PA模型识别,不适用,Y,N,Y,SEM可识别,不适用,N,StructuralEquationModel,35,对测量方程：将所有指标当做指标，所有因子看做因子。即所有变量做作为外源变量。有路径相连的潜变量（因子）按照相关处理。按CFA的判别法则进行识别。,第一步：,StructuralEquationModel,36,转化的因子模型SEMCFA,StructuralEquationModel,37,第二步：,对结构方程：将外源和内生的潜变量作为可观测变量，按因果模型处理按照因果模型的识别法则进行判别,StructuralEquationModel,38,Two-StepRuleexamples,x1,y1,x2,y2,2,1,1,2,StructuralEquationModel,39,Step1:,Step2:,x1,y1,x2,y2,2,1,1,2,StructuralEquationModel,40,1,1,1,TWOSTEPRULEEXAMPLES:,StructuralEquationModel,41,STEP1:CFA,StructuralEquationModel,42,STEP2:StructuralPart,StructuralEquationModel,43,3.MIMIC法则（充分条件）,MultipleIndicatorMultipleCausemodel,外源指标无测量误差,外源变量可观测变量,潜变量,内生潜变量,StructuralEquationModel,44,只含一个潜变量的MIMIC模型识别的充分条件：,StructuralEquationModel,45,Example:MIMIC,StructuralEquationModel,46,3.4模型评价与修正,评价：检查所估计的参数是否恰当（如符号），能否得到合理的解释。参数的显著性检验t检验，t=1.96检查测定系数检查拟合指数,StructuralEquationModel,47,修正：对测量方程部分的修正是：增删因子负荷增删因子之间的协方差增删误差项之间的协方差对结构方程：增删内生变量增删外源变量增删路径增删误差项之间的协方差,反复调整，平衡折衷经济意义明显，模型简洁,StructuralEquationModel,48,3.5标准化系数,SEM解一般用指标的协方差矩阵，若指标的方差先标准化为，潜变量也标准化则：,完全标准化解SC,StructuralEquationModel,49,标准化解SS,命令：OUSCSS注意在PathDiagram中的区别,StructuralEquationModel,50,StructuralEquationModel,51,StructuralEquationModel,52,StructuralEquationModel,53,StructuralEquationModel,54,StructuralEquationModel,55,StructuralEquationModel,56,StructuralEquationModel,57,StructuralEquationModel,58,StructuralEquationModel,59,StructuralEquationModel,60,StructuralEquationModel,61,StructuralEquationModel,62,StructuralEquationModel,63,StructuralEquationModel,64,StructuralEquationModel,65,StructuralEquationModel,66,StructuralEquationModel,67,StructuralEquationModel,68,StructuralEquationModel,69,StructuralEquationModel,70,StructuralEquationModel,71,StructuralEquationModel,72,StructuralEquationModel,73,Structuralequationmodels(SEMs)representageneralapproachtothestatisticalexaminationoftheoreticalmodelsfittoempiricaldata.SEMswithlatentvariablesembodysimultaneousequationswithmultipleexogenousandendogenousvariables(pathanalysis),alongwithmeasurementerrormodels(confirmatoryfactoranalysis).ThusSEMsarethesynthesisofmethodsdevelopedineconometricsandpsychometrics.Thiscourseprovidesanintroductiontothetheory,andempiricalapplicationsofSEMswithintheLISRELframework.,StructuralEquationModel,74,ThecoursewillexaminethefivestepsthatcharacterizemostapplicationsofSEMs:modelspecificationidentificationestimationassessmentofmodelfitmodelrespecification,StructuralEquationModel,75,MostpeoplefollowthenotationusedthecomputerprogramLISREL(LInearStructuralRELations)totalkaboutstructuralequationmodels,StructuralEquationModel,76,SEM假设条件合理的样本量（JamesStevens的AppliedMultivariateStatisticsfortheSocialSciences一书中说平均一个自变量大约需要15个case；BentlerandChou(1987)说平均一个估计参数需要5个case就差不多了，但前提是数据质量非常好；这两种说法基本上是等价的；而Loehlin(1992)在进行蒙特卡罗模拟之后发现对于包含24个因子的模型，至少需要100个case，当然200更好；小样本量容易导致模型计算时收敛的失败进而影响到参数估计；特别要注意的是当数据质量不好比如不服从正态分布或者受到污染时，更需要大的样本量）连续的正态内生变量（注意一种表面不连续的特例：underlyingcontinuous；对于内生变量的分布，理想情况是联合多元正态分布即JMVN）,StructuralEquationModel,77,模型识别（识别方程）（比较有多少可用的输入和有多少需估计的参数；模型不可识别会带来参数估计的失败，我就吃过这个亏）完整的数据或者对不完整数据的适当处理（对于缺失值的处理，一般的统计软件给出的删除方式选项是pairwise和listwise，然而这又是一对普遍矛盾：pairwise式的删除虽然估计到尽量减少数据的损失，但会导致协方差阵或者相关系数阵的阶数n参差不齐从而为模型拟合带来巨大困难，甚至导致无法得出参数估计；listwise不会有pairwise的问题，因为凡是遇到case中有缺失值那么该case直接被全部删除，但是又带来了数据信息量利用不足的问题全杀了吧，难免有冤枉的；不杀吧，又难免影响整体局势）模型的说明和因果关系的理论基础（实际上就是假设检验的逻辑你只能说你的模型不能拒绝，而不能下定论说你的模型可以被接受）,StructuralEquationModel,78,第四部分：用AMOSGraphics建立和检验模型SEM-Multiple回归关系的图示用AMOSGraphics画出模型（椭圆：隐变量/因子；长方形：显变量；单向箭头：因果关系；双向箭头：相关关系；我还花了好半天功夫学画图，ft）读入数据到AMOS（从File菜单打开数据文件，然后就是简单的拖拽，把变量拖进相应的框框中）选择AMOS分析选项并运行模型（设置好一些选项之后，点CalculateEstimates，基本就大功告成了）,StructuralEquationModel,79,第五部分：解释AMOS输出结果（实际上就是统计工作者最常做的工作：查看统计软件放的“屁”，我是说“P值”的那个“P”）评估总体模型拟合度绝对拟合度的检验相对拟合度的检验修改模型以获得更好的拟合优度（看着不爽的变量就杀掉）查看路径图输出（这大概是我们最关心的了）单个参数的显著性检验,StructuralEquationModel,80,StructuralEquationModel,81,StructuralEquationModel,82,StructuralEquationModel,83,StructuralEquationModel,84,StructuralEquationModel,85,StructuralEquationModel,86,StructuralEquationModel,87,StructuralEquationModel,88,StructuralEquationModel,89,StructuralEquationModel,90,StructuralEquationModel,91,StructuralEquationModel,92,StructuralEquationModel,93,StructuralEquationModel,94,StructuralEquationModel,95,StructuralEquationModel,96,StructuralEquationModel,97,StructuralEquationModel,98,StructuralEquationModel,99,StructuralEquationModel,100,StructuralEquationModel,101,StructuralEquationModel,102,StructuralEquationModel,103,StructuralEquationModel,104,StructuralEquationModel,105,StructuralEquationModel,106,StructuralEquationModel,107,StructuralEquationModel,10