多组结构方程分析SEM mean-structure.ppt

1,多组结构方程分析,温忠麟,华南师范大学心理系,2,结构方程模型的结构,测量模型,外源指标（如6项社经指标）组成的向量。,内生指标（如语、数、英成绩）组成的向量,因子负荷矩阵,误差项,结构模型,3,多组SEM分析,第一类:多组验证性因子分析（或路径分析），各组（例如男、女组）的因子结构是否相同？某些路径参数在不同的组是否有显著差异？(与比较多组回归系数是否相同类似)第二类:各组的因子均值是否相同。这与传统方差分析相似(通常需要先做第一类分析),4,多组验证性因子分析,1.形态相同（configural/patterninvariance）2.因子负荷等同3.因子方差等同4.误差方差等同5.因子协方差等同,5,首先要检验形态是否相同，即有同一个模型较好地拟合各组数据（程序见P94），然后依次比较：（1）各组LX相等吗？（2）各组LX、PH相等吗？（3）各组LX、PH、TD相等吗？,6,MultipleGroupusingNG=2,M1MaleDANI=9NO=600NG=2KMSD1.071.23.981.021.011.030.991.060.98MONX=9NK=3LX=FU,FIPH=SY,FRTD=DI,FRFRLX2,1LX3,1LX5,2LX6,2LX8,3LX9,3VA1LX1,1LX4,2LX7,3OUSSSCND=3femaleDANO=700MOLX=PSPH=PSTD=PSOUSSSCND=3,7,multiplegroupfixingLX,M2maleDANI=9NO=600NG=2MONX=9NK=3LX=FU,FIPH=SY,FRTD=DI,FRFRLX2,1LX3,1LX5,2LX6,2LX8,3LX9,3VA1LX1,1LX4,2LX7,3OUSSSCND=3femaleDANO=700MOLX=INPH=PSTD=PSOUSSSCnd=3,8,fixingcovarianceofPH13tobeequalmultiplegroup,M3maleDANI=9NO=600NG=2MONX=9NK=3LX=FU,FIPH=SY,FRTD=DI,FRFRLX2,1LX3,1LX5,2LX6,2LX8,3LX9,3VA1LX1,1LX4,2LX7,3OUSSSCND=3femaleDANO=700MOLX=INPH=PSTD=PSEQPH131PH31OUSSSCnd=3,9,fixingallcovariancesoffactorsmultiplegroup，M4maleDANI=9NO=600NG=2MONX=9NK=3LX=FU,FIPH=SY,FRTD=DI,FRFRLX2,1LX3,1LX5,2LX6,2LX8,3LX9,3VA1LX1,1LX4,2LX7,3OUSSSCND=3femaleDANO=700MOLX=INPH=INTD=PSOUSSSCnd=3,10,fixingallvariancesoferrorsmultiplegroup,M5maleDANI=9NO=600NG=2MONX=9NK=3LX=FU,FIPH=SY,FRTD=DI,FRFRLX2,1LX3,1LX5,2LX6,2LX8,3LX9,3VA1LX1,1LX4,2LX7,3OUSSSCND=3femaleDANO=700MOLX=INPH=INTD=INOUSSSCnd=3,11,表4-2多组验证性因子分析各模型的拟合指数Modeldfchi-2RMSEANNFICFIM0,M男生单独估计2449.57.0423.969.979M0,F女生单独估计2444.93.0347.976.984M1两组同时估计,noInv4894.50.0384.972.982M2LoadingInv54107.18.0389.972.979M3Ld,PH(3,1)Inv55107.52.0383.973.979M4Ld,FacCovInv60109.32.0354.977.981M5Ld、FacCov、UInv69131.20.0364.974.975M6Ld,FacCov,U,IntrcptInv78149.96.0361.975.973M7Ld,FacCov,U,IntrcptInv;FacmeanFree75132.23.0334.979.978M8Ld,FacCov,U,Intrcpt,FacMInv78146.77.0360.975.973,12,多组分析：有均值结构（meanstructure）的因子分析,13,均值结构模型（限制均值等同）多组分析时首先检验形态是否相同，然后检验,（1）各组的负荷LX相同（2）指标截距TX相同先让第1组的TX自由(TX=FR)要求其他组别TX与第1组的相等(TX=IN)（3）因子均值等同先设定第1组各因子均值为0(KA=FI)容许其他组的KA元素自由估计(KA=FR)因子值2倍SE（t2.0）,则因子不同于第1组（4）更希望因子协方差等同,误差方差等同，但难实现,14,MultipleGroupfixingtx=invariance，M6maleDANI=9NO=600NG=2KMSD1.071.23.981.021.011.030.991.060.98ME2.012.452.673.213.333.452.672.192.34MONX=9NK=3LX=FU,FIPH=SY,FRTD=DI,FRTX=FRFRLX2,1LX3,1LX5,2LX6,2LX8,3LX9,3VA1LX1,1LX4,2LX7,3,OUSSSCND=3femaleDANO=700KMSD1.051.201.02.991.021.021.021.040.96ME2.022.482.682.752.292.45MOLX=INPH=INTD=INTX=INOUSSSCND=3,15,multiplegroup,FindingthemeandifferenceM7maleDANI=9NO=600NG=2MONX=9NK=3LX=FU,FIPH=SY,FRTD=DI,FRTX=FRKA=FIFRLX2,1LX3,1LX5,2LX6,2LX8,3LX9,3VA1LX1,1LX4,2LX7,3VA0KA1KA2KA3OUSSSCND=3femaleDANO=700KMMOLX=INPH=INTD=INTX=INKA=FROU,16,结果显示:第2组的KA元素（即语文自信、数学自信、英语自信均值）为0.019,-0.102和0.083对应的SE为0.054,0.041,0.036t值为0.351、-2.472、2.329这表示:语文自信-男女无差异男生（均值为0）的数学自信高于女生（均值-0.102,t=2.47）女生的英语自信（均值0.083）则高于男生（均值为0,t=2.33）,17,multiplegroup,FixingKAtobeequal,M8maleDANI=9NO=600NG=2MONX=9NK=3LX=FU,FIPH=SY,FRTD=DI,FRTX=FRKA=FIFRLX2,1LX3,1LX5,2LX6,2LX8,3LX9,3VA1LX1,1LX4,2LX7,3OUSSSCND=3femaleDANO=700MOLX=INPH=INTD=INTX=INKA=INOU,18,表4-2多组验证性因子分析各模型的拟合指数Modeldfchi-2RMSEANNFICFIM0,M男生单独估计2449.57.0423.969.979M0,F女生单独估计2444.93.0347.976.984M1两组同时估计,noInv4894.50.0384.972.982M2LoadingInv54107.18.0389.972.979M3Ld,PH(3,1)Inv55107.52.0383.973.979M4Ld,FacCovInv60109.32.0354.977.981M5Ld、FacCov、ErInv69131.20.0364.974.975M6Ld,FacCov,Er,IntrcptInv78149.96.0361.975.973M7Ld,FacCov,Er,IntrcptInv;FacmeanFree75132.23.0334.979.978M8Ld,FacCov,Er,Intrcpt,FacMInv78146.77.0360.975.973,19,因子与潜变量,变量与因子调查某校初中一年级新生的情况，包括：身高、体重、语文入学成绩、数学入学成绩、英语入学成绩、家庭人均年收入、家庭月均支出。,20,七个变量相关系数矩阵,21,这七个变量中，下列变量之间相关系数较大：身高与体重三科入学成绩之间家庭人均年收入与家庭月均支出而其余的相关系数（绝对值）较小,22,这七个变量中，下列变量之间相关系数较大：身高与体重身形三科入学成绩之间成绩家庭人均年收入与家庭月均支出家庭经济状况,23,这样，可以将七个变量分成三组。身高、体重一组，反映了学生的身形；三科入学成绩为一组，反映了学生的学习成绩；家庭人均年收入、家庭月均支出为一组，反映了学生的家庭经济状况。学生的个头、学习成绩、家庭经济状况就称为因子（factor），它们是各组变量的特征。因子是潜在变量，不能直接测量，它是某组变量综合提取的产物。,24,潜变量与指标,外表自我概念我长相好。我有张漂亮的面孔。我样子长得难看。我有一副好身材。别人认为我的样子好看。（1-完全不吻合6-完全吻合）,25,护士工作满意度（PaulaL.Stamps),Paydollarremunerationandfringebenefitsreceivedforworkdone.Autonomyamountofjob-relatedindependence,initiativeandfreedom,eitherpermittedorrequiredindailyworkactivities.Taskrequirementstasksoractivitiesthatmustbedoneasaregularpartofthejob.OrganisationalPoliciesmanagementpoliciesandproceduresputforwardbythehospitalandnursingadministrationofthishospital.Professionalstatusoverallimportanceorsignificancefeltaboutyourjob,bothinyourviewandintheviewofothers.Interactionopportunitiespresentedforbothformalandinformalsocialandprofessionalcontactduringworkinghours.,26,1.Mypresentsalaryissatisfactory.2.IfeelthatIamsupervisedmorecloselythanisnecessary.3.Thereistoomuchclericalandpaperworkrequiredofnursingpersonnelinthishospital.4.Thenursingstaffhassufficientcontroloverschedulingtheirownshiftsinmyhospital.5.Nursingisnotwidelyrecognisedasbeinganimportantprofession.6.Thenursingpersonnelonmyservicepitchinandhelponeanotheroutwhenthingsgetinarush.7.Doctorsingeneralcooperatewithnursingstaffonmyunit.8,44,27,四种协方差矩阵,总体协方差矩阵模型推出的协方差矩阵样本协方差矩阵再生协方差矩阵,28,29,30,总体协方差矩阵,31,模型推出的协方差矩阵,32,通过SPSS读取数据,方法一（使用PRELIS）1.在SPSS中创建.sav文件（1）使用compute,recode命令对数据进行编辑。（2）把在LISREL中要用到的变量保存为file1.sav(文件名.sav)。2.在LISREL中创建.dsf文件（1）点击“file”菜单中的“ImportExternalDatainOtherFormat”(2)“fileoftype”一项，选择“spssforwindow(*.sav)”;通过恰当的路径选择“file1.sav”。（3）现在看到一个表格，保存为file1.psf,(或其他设置的文件名，但LISREL并不读取.psf文件)。（4）对.psf文件进行必要的“transformation”和“statistics”后，选择“statistics”菜单中的“DataScreening”，对数据进行扫描（现在已自动创建了LISREL程序所用的file1.dsf）。,33,方法一（续）3.在LISREL中创建.ls8文件（1）点击“file”中的“new”(或打开旧文档名)（2）在第一行，用“SY=file1.dsf”代替“DA”“ME”“KM”“SD”命令。（3）例如：SY=file1.dsfMONX=9NK=3（4）把以上语句保存为p1.ls8(文件名.ls8)。（5）点击“runLISREL”运行程序。,34,通过SPSS读取数据,方法二（输出.txt协方差距阵）1.在SPSS中创建.cov文件(此文件可以采用“cov”或其他扩展名)(1)使用compute，recode等命令编辑数据。（2）把LISREL程序所用的变量保