LISREL做CFA、模型及修正,手把手教会你

1、运行 LISEREL Windows Application协方差检验File t Import External Data in Other Formats （导入外部数据） 宀右击任一变量名， 选择 Define Variables （定义变量），点击 Variable Type （设定变量类型），选择Continuous （连续型）和Apply to all （应用到所有），点击OK、0K。如下图所示：丨 EFFE2EFFE3EFFE4SPEE1SPEE2SPEE3MAR0030Q0JO10JOJO JO in m30DJO030ID0030105 0002.0005 0004.005.

2、0003.0003.000v nnn4000 2000 5.000 nnnB.0（ Define Variables4.020KoToTo1.0204.0405.0To5.0507.6:EFFE3EFFE4SFEE1SFEE2SPEE3HAKK1 llAKKMAW HUAIFINA2outtt5.0001.0005.0003.000<0003.00040002.0006.00040002.0005.0003 0005 OOu3.0001 nnn2.0006 0003.0006 000-1.0006.0003.000jOOO2.0007.000<000e nnn6.000f nnn3

3、.000To itltct more thwa time, hold dawn the CTHL key while cli ckin.g on the vari ables to be3 0004.000BJ000b.UUU5.000b.UUU6.000完成上述操作后点击 save保存数据（注意数据应保存在系统盘，否则可能得不出结果）Q龐13 S 11洌IS E ffiEFFE4SPEElSPEE2_ 10005000i.oool2000二 1 000r2.000p5000r5000r5.0004000r3ooo3.000finrin4 nnnsnnnData Tr arts form at

4、 i on StatisticsGraphsMultileviStatisticst output options.（输出选项，选择 Save to fi.、LISREL system data、Save the transformed data to.。输入与之前文件名一致名字的cov、dsf文件（如下图中test1.cov、test1.dsf）, Covariances :协方差）OutputMan ent Matrix叼 Save to fi p LISEEL system datSav to fil电：得到协方差矩阵接下来进行CFAFlie t New 宀 Path Diagram 宀

5、保存（同名文件 testl.pth）Setup （定义相关设定）t Title and comments （般不用定义）t选择next, 至 Group names（一般也不用定义）t next至Labels，如下图（左侧 Observed Variables:观测变量即观测指 标；右侧 Late nt Variables :潜变量）t选择 Add/Read variables（得下图，在 Add/Read variables 中选择 PRELIS System Flie ）Labels1m i2VAR 2Observed VariablesAdd/Read VariablesLatent V

6、ariablesAdd Latent VariablesMovft UpFfl&vfi UphasPressoFresz bgeit t选择 Browse.宀打开 testl.psfOK选择Add late nt Variables （添加潜变量，手输），如下图Haig1EFFE12IFFE23IFFI34IFFE4SSFEE16SFEE27SPEE33MAKlaUAT>imObserved VariablesAid/Read VariiblesNameLatent VariablesAdd Latent VariablesPress the Down Arrow bn type

7、d in the prePress the Insert keyAdd one or li st of var i abl&s h&re （色” g.IeffeOKCancel得到点击 next 进入 Data （Statistics 中选择 Covariances. File 中选择 External ASCII Data , FileBrowse.中选择同名 cov文件，Number of中输入样本数量）DataGroups:Summary statistFileMean included in the dataSwim ary Hatrix|Covar i ancesEx

8、ternal ASCII DataTFull matr Fortran for mitt FileBrewst.|C: Dio cum en t s and Se ttinsVjfStatisticsWeightInclude wei ma-1Nwnb电r ofMatrix to LeCovwr i aiLcesC Frevi oils点击OK作图'Groups：ZJModels：X-ModelObservedEFFE1EFFE2.ooEFFE3EFFE4SPEE10. 00SPEE2兀F1NAI0. 000. 000. 00F1NA2FINA3一 o口0000oi. ao0. 000

9、,00._0.00_ . 000.00LatentEFFESPEFMARKF NAEFFE1EFFE2EFFE3EFFE4SPEE1SPEE2SPEE3MARK1 MARKSMARK3FINA1FINA2FINA3厂o.aoSPEEMAPK1J口MARK2Y0. MARKS0.ooHAFF：Setups Build LISREL Syntax0.00FIMAt选择estimates （估计值）Soluti on注：对于Standardized Solution值的删减标准无一定说法，但一般应当高于 观测指标不多，可适当降低标准。一般最少也应大于0.5。上图中对于较小的中: Standardiz

10、ed0.6、0.7。如果0.34应删除这条路径，删除后再运行程序一次。如果有多条路径要删除，应当一条一条删。完成删减路径工作后，查看模型拟合系数Output t Fit in dices （拟合指数），如下图:=二二Degrees of Freedon = 50fllinumini F辻 Function Chi-Square = 218. 75 (P = 0. 0)Normal Theory Weighted Least Squares 匚hiSquare = 217. 77 (P = CL 0)Estimated Non-centralxty Parameter (NCP) = 157,7

11、790 Percent Confidence Interval for NCP 二(116. 43 : 206* 70)Minimum Fit Function Value = 0* 71Population Discrepancy Funct ion Value CFO) = CL 5190 Percent Confidence Interval for FO = (0.38 ; 0.67)Root Mean Square Error of Approximation (RMSEA) = 0» 092SO Percent Confidence Interval for RMSEA

12、= (0. 07S : CL 11)P-Value for Test of Close Fit (RMSEA < 0.05)二 C, 00Expected Cross-Validation Index CECVI) = 0.919D Percent Confidence Interval for ECVI = (0. 77 : L OT)EC¥I for Saturated Model 二 0. 59ECVI for Indepertdence Model = 6. 60Chi-Square for Independence Model with 78 Degress of F

13、reedom = 2005. 34Ind ep ends nee AIC = 203L 84Fodel AIC 二 279,77Saturat ed AIC = 182. 00Independence CAIC = 2023.38Model CAIC = 426,51Saturated CAIC = 612. ?3Norined Fit Index (NFI) = D* 89Non-Nocmed Fit Indeu (IfflFI) = 0. E9Parsimony Normed Fit Indes (PNFI)二 CL 69Comparative Fit Index (CFI)二 0. 92

14、Increment al Fit Index (IFI) = 0.92Relative Fit Index (RFI) - 0.83Critical N (CN) = 125,44Root Mean Square Residual (RHR) = 0.11St aridairdized RHR = 0. 083Goodness of Fit Index (GFI)二 0. 60Adjusted Gocdness of Fit Index (AGFI) = 0.85ParsiJhony Goodness of Fit Index CPGFI) = (L 59彳"semi拟合指标建议值拟

15、合指标 2df GH AGFI NFI IFI CFI RMR RMSEA P>0.9>0,9【 <0.05<0,08>0.05以上CFA完成接下来结构方程模型分析Filet newi选择 Path Diagram，如下图USREL Windows AppficationAle View H1 创 |P |1 AJ*la|倒倒創保存为test2.pthSetup （定义相关设定Title and comments （般不用定义选择next, 至 Group names（一般也不用定义next至Labels，如下图（左侧 Observed Variables:观测变

16、量即观测指 标；右侧 Late nt Variables :潜变量）t选择 Add/Read variables（得下图，在 Add/Read variables 中选择 PRELIS System Flie ）Labels1m i2VAR 2Observed VariablesAdd/Read VariablesLatent VariablesAdd Latent VariablesMovft UpFfl&vfi UphasPressoFresz bgeit t选择 Browse.宀打开 testl.psfOK选择Add late nt Variables （添加潜变量，手输），如下

17、图Haig1EFFE12IFFE23IFFI34IFFE4SSFEE16SFEE27SPEE33MAKlaUAT>imObserved VariablesAid/Read VariiblesNameLatent VariablesAdd Latent VariablesPress the Down Arrow bn typed in the prePress the Insert keyAdd one or li st of var i abl&s h&re （色” g.IeffeOKCancel得到点击 next 进入 Data （Statistics 中选择 Cova

18、riances. File 中选择 External ASCII Data , FileBrowse.中选择同名 cov文件，Number of中输入样本数量）点击OK结构方程模型的路径系数图绿色：外生潜变量；灰色：外生观测变量（外生观测指标） 黄色：内生潜变量；蓝色：内生观测变量（内生观测指标）Groups:Observed | Y|-EFFE1EFFE2EFFE3EFFE4SPEE1SPEE2SPEE3MARK1MARK2MARK3FINA1FINA2FINA3LateintEta |1EFFESPEEMARKXFl NA!r " Eta下选中转化为内生潜系统均默认为外生变量，在

19、Y下选中，转化为内生观测变量，在变量 作图，与CFA 样，得到下图42MARKnut0812"11,031*2MARKFI Mir EstiZnds c«i选择Estimate中modification in dices （修正系数，MI值：增加某条路径所减少的卡方值，从 大的开始），用以增加路径。但一定要有理论依据，一般不随便增加。SPEE1HNA1其中，选择Estimate中T-values，从最小的开始，用以删路径。一般T值的绝对值应当大于1.96，才说明显著水平达到0.05，用一个*表示。另，大于2.58用*表示，大于 用*表示。$4ii c Mq4.h1IZi.D

20、D0.0D*<1.00C hi-Equare=191.9? t df=49 P-value-.00000,3. 4£4*8.65Ch±-3quare=191,97, =49,P-v*lue=0.00000, RNSEA=0,097o.op0.0DRMSEA=0.0970.OO*11.24ES.Ofi 22.03*0.000.0014.730.0D*-丄 C.57MARKSEFFE2MARK3MARK1SPEE2EFFE4FINA3EFFE1SPEE3FINA2MARK；EFFE2SPEE2FINA3MARK1FINA1MARK3EFFEISPEE3SPEEIEFFEI

21、Models;JEstimate：|T-v*luis巒模型修正1twine最小值R专家未注册Ml最大值最终模型根据Ml值添加路径（根据数值大小；理论依据），后运行根据Ml值添加路径（根据数值大小；理论依据），后运行T值最小值开始用以删路径，Ml值最大值开始用以增加路径。无论增、减路径都得一条一条进行。D . 40Chi-Square-195.53, dfs51, P-value-JOOODO, RMSEA-0.D960.74根据T值依次删除两条路径后（在其中最好保存语法）得到下图:17B»ic Modtl+Emmttfc-Stuidurdion根据Ml值添加路径（根据数值大小；理论依

22、据），后运行根据Ml值添加路径（根据数值大小；理论依据），后运行上图表明 SPEE对MARK影响系数为 0.45，EFFE对FINA影响系数为 0.24。根据Ml值添加路径（根据数值大小；理论依据），后运行Chi-Square=103.22 f df=50,P-value=O.00000, RMSEA=0.093Fit IndicesQrl+F以上结构修正完成，接下来输出相关指标数据:ie ®utput Window HelpSIM PUS Outputsod.4USREL OutputsXSelected FrintoutCorr el at ion Matrix of Param

23、eter EsStmdardi zd.ResidutlEri f *n t> - * *、尸17 Total Effects and IndirectFsctcr-scores Kegr7 g t dar_di zed SolutjCompletely StMidardiz«d SoliTechni cal OutpuMi scellute ouE R鯉冒ult雪 (see SeeExcluding iModi fication InPrint ANumber of Decimals (0=8) in th电* Invoke F ath Di agtUlf i de选择 Tot

24、al Effects and Indirect Effects （总体影响和间接影响）、Standardized solution 点击Next，选择下列指标输出点击OKSetup运行语法打开同名OUT文件，所有指标数据可以看到。 例如：TINumber of Number oF Number oF Number oF Number oF Number oFInput Uariables 13 V - Uariabl5 6 K - Uariables 6ETfi - Uariables 2 KSI - Uariables 2 Obseruations 309表示所有输入变量13个Y变量（外生观

25、测变量）6个X变量（内生观测变量）6个 外生潜变量2个内生潜变量2个样本数309TICovariance MatrixMARK1JURK2 MARK3FINA1FIHA2FINA3MAEK11. 37MAEK20. 841. 26MAEK30.850. 66FINA10. 11-0. 01FINA20. 260. 24FINA30, 360. 14EFFE10,240. 26EFFE20- 190. 16EFFE40.430. 19SPEE1U.400. 34SPEE20.27D. 26SPEE30. 340. 26Covariance Matrix.31.231.2?.420,801, 26

26、28553314114223o.o,0.0.o-oeo>2777561CTJ111A -nVo.o.o.o,0,0,0.03522818222000o.o.obiobo-io.ob871930222330001 .o.o,0.o.o.o.EFFE1EFFE2EFFE4SFEE1SPEE2EFFE1L55EFFE21. 151. 57EFFE40.931. 151. 62SPEE10.360. 3S0.381.16SPEE20, 150190.250,580. 39SPEE3-0. 020. 060,310.430.48上图表示输入的协方差矩阵SPEE31.37Couariaince Ma

27、trix of ETfi and KSIMARKFI HAEFFESPEEMARK0.98FINfi0.270.96EFFE0.14Q,22SPEE0.U30.17fl-311,00上图表示变量间的协方差矩阵Goodness of Fit StatisticsDegrees of Freedom = 50Minimum Fit Function Chi-Square = 1 S3. 41 (P = CL Cl)Normal Theory Weighted Least Squares 匚hi-Square = 183. 22 (P = CL D)Estiiaated Kon-centrality

28、 Parameter (NCP) = 133*2290 Percent Confidence Interval for NCP = (9G. 57 ; 17S. 45)Miriimujii Fit Funct ion Value = U 60Population Discrepancy Function Value (F0) = 0,4390 Percent Cnnfidence Interval for F0 二(0* 31 : IL E8)Root Mean Square Error of Approximation (RMSEA) = 0* 09390 Percent Confidenc

29、e Interval for RMSEA = (0.OTS ; 0. 11)F-Value for Test of Close Fit (RMSEA < 0.05) = 0.00Expected Cross-Validation Index CEC¥I) = 0.7890 Percent Confidence Interval for ECVI = (0.65 ; 0.92)ECVI for Saturated Model = 0. 51ECVI for Independence Model = 6. 25hi-Square for Independence Model ivith 66