结构方程模型PPT课件

.,1,结构方程模型,-AMOS的操作与应用,.,2,结构方程模型,（StructuralEquationModeling,SEM)结构方程模型是社会科学研究中的一个非常好的方法。该方法在20世纪80年代就已经成熟，可惜国内了解的人并不多。“在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。20世纪80年代以来，结构方程模型迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具。,.,3,147,.,4,211,.,5,972,.,6,.,7,.,8,结构方程简介,结构方程模式(StructuralEquationModels，简称SEM)，早期称为线性结构方程模式(LinearStructuralRelationships，简称LISREL)或称为共变量结构分析(CovarianceStructureAnalysis)。主要目的在于考验潜在变项(Latentvariables)与外显变项(Manifestvariable,又称观察变项)之关系，此种关系犹如古典测验理论中真分数(truescore)与实得分数(observedscore)之关系。它结合了因素分析(factoranalysis)与路径分析(pathanalysis)，包涵测量模式与结构模式。,.,9,x1,x2,x3,F1满意度,F2忠誠度,y1,y2,y3,e,e4,Lx1,b,D,e5,e6,e,e,测量残差,外生观察变量,因素负荷量,外生潜在变量,结构参数,内生潜在变量,因素負荷量,内生观察变量,结构模式,测量(CFA)模式,测量残差,Lx2,Lx3,Ly1,Ly2,Ly3,测量(CFA)模式,结构模式与测量模式,.,10,线性相关、线性回归、结构方程模型三种分析方法对比,线性相关分析:线性相关分析指出两个随机变量之间的统计联系。两个变量地位平等，没有因变量和自变量之分。因此相关系数不能反映单指标与总体之间的因果关系。,.,11,线性回归分析:线性回归是比线性相关复杂的方法，它在模型中定义了因变量和自变量。但它只能提供变量间的直接效应而不能显示可能存在的间接效应，而且会因为共线性的原因，导致出现单项指标与总体出现负相关等无法解释的数据分析结果。,.,12,结构方程模型分析:结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。,.,13,学习SEM的通俗意义,运用结构方程模型进行的资料分析，会增加投稿到中心核心期刊、CSSCI、EI、SCI等期刊的录用率研究生可以增加论文深度,.,14,对结构方程的感性认识,.,15,.,16,.,17,.,18,可以处理SEM的软件,AMOSLISRELEQSMplus。,.,19,AMOS系AnalysisofMomentStructure之简称，它与LISREL，EQS，PROCCALIS等均在处理SEM(structuralequationmodeling)的软件。AMOS最大的优势在于其路径图的图形使用者接口，免去如LISREL中界定八大参数矩阵的繁琐。AMOS采图解导向，操作简便是公认学习SEM的最佳软件。AMOS具有AMOSGraphics与AMOSBasic两大运作模式，尤其前者对于径路图之绘制与输出最为便捷。,.,20,.,21,SEM条件,数据符合常态、无遗漏值及例外值(Bentler&Chou,1987)下，样本比例最小为估计参数的5倍，10倍则更为适当。当原始数据违反常态性假设时，样本比例应提升为估计参数的15倍。以ML法评估，Loehlin(1992)建议样本数至少为100，200较为适当。当样本数为400500时，此法会变得过于敏感，而使得模式不适合。,.,22,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(Bollen,1989)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,.,23,SEM过程,.,24,模型测试,.,25,成年人生活满意度研究,.,26,信度与效度分析,.,27,构面组成（合）信度,构念的组成信度(CompositeReliability,CR)(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)(JreskogandSrbom,1996)。CR值是其所有测量变项信度的组成，表示构念指标的内部一致性，信度愈高显示这些指针的内部一致性愈高，0.7是可接受的门坎(Hair,1997),FornellandLarcker(1981)建议值为0.6以上。,.,28,变异数萃取量（平均方差抽取量）,平均变异数萃取量(AVE)=(因素负荷量2)/(因素负荷量)2+(各测量变项的测量误差)(JreskogandSrbom,1996)AVE是计算潜在变项之各测量变量对该潜在变项的变异解释力，若AVE愈高，则表示潜在变项有愈高的信度与收敛效度。FornellandLarcker(1981)建议其标准值须大于0.5。,.,29,模型适配度,.,30,.,31,模型修正,.,32,要修改模型，一般参考结构方程分析软件