多组结构方程分析SEM mean-structure

1、整理课件1多组结构方程分析多组结构方程分析温忠麟 华南师范大学心理系整理课件2结构方程模型的结构 测量模型 xxyyx外源指标（如6项社经指标）组成的向量。 y内生指标（如语、数、英成绩）组成的向量x因子负荷矩阵 y误差项 结构模型 整理课件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)整理课件4多组验证性因子分析 1. 形态相同（configural/pattern invariance

2、）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 整理课件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？整理课件6Multiple Group using NG=2,M1Male DA NI=9 NO=600 NG=2KMSD1.07 1.23 .98 1.02 1.01 1.03 0.99 1.06 0.98MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX

3、6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=PS PH=PS TD=PSOU SS SC ND=3整理课件7multiple group fixing LX, M2male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO

4、 LX=IN PH=PS TD=PSOU SS SC nd=3整理课件8fixing covariance of PH 1 3 to be equalmultiple group, M3male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=IN PH=PS TD=PSEQ PH 1 3 1 PH 3 1 OU SS S

5、C nd=3整理课件9fixing all covariances of factorsmultiple group，M4male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=IN PH=IN TD=PSOU SS SC nd=3整理课件10fixing all variances of errorsmultiple

6、group, M5male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=IN PH=IN TD=INOU SS SC nd=3整理课件11表4-2 多组验证性因子分析各模型的拟合指数Model df chi-2 RMSEA NNFI CFI M0,M男生单独估计 24 49.57 .0423 .969 .979M0,F

7、女生单独估计 24 44.93 .0347 .976 .984M1 两组同时估计, no Inv 48 94.50 .0384 .972 .982M2 Loading Inv 54 107.18 .0389 .972 .979M3 Ld, PH(3,1) Inv 55 107.52 .0383 .973 .979M4 Ld, FacCov Inv 60 109.32 .0354 .977 .981M5 Ld、FacCov、U Inv 69 131.20 .0364 .974 .975M6 Ld,FacCov,U,Intrcpt Inv78 149.96 .0361 .975 .973M7 Ld

8、,FacCov,U,Intrcpt Inv; Fac meanFree 75 132.23 .0334 .979 .978M8 Ld,FacCov,U,Intrcpt, FacM Inv 78 146.77 .0360 .975 .973整理课件12多组分析：有均值结构（ mean structure ）的因子分析整理课件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

9、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，但难实现整理课件14Multiple Group fixing tx=invariance，M6male DA NI=9 NO=600 NG=2KMSD1.07 1.23 .98 1.02 1.01 1.03 0.99 1.06 0.98ME2.01 2.45 2.67 3.21 3.33 3.45 2.67 2.19 2.34MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR TX=FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2

10、LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3 female DA NO=700KMSD 1.05 1.20 1.02 .99 1.02 1.02 1.02 1.04 0.96ME2.02 2.48 2.69 3.10 3.20 3.38 2.75 2.29 2.45MO LX=IN PH=IN TD=IN TX=INOU SS SC ND=3整理课件15multiple group, Finding the mean difference M7male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI P

11、H=SY,FR TD=DI,FR TX=FR KA=FIFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3VA 0 KA 1 KA 2 KA 3OU SS SC ND=3 female DA NO=700KMMO LX=IN PH=IN TD=IN TX=IN KA=FROU整理课件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, 0.036 t值为0.351、-2.472、2.329 这表示: 语文自信

12、 - 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） 整理课件17multiple group, Fixing KA to be equal, M8 maleDA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR TX=FR KA=FIFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3 female D

13、A NO=700MO LX=IN PH=IN TD=IN TX=IN KA=INOU整理课件18表4-2 多组验证性因子分析各模型的拟合指数Model df chi-2 RMSEA NNFI CFI M0,M男生单独估计 24 49.57 .0423 .969 .979M0,F女生单独估计 24 44.93 .0347 .976 .984M1 两组同时估计, no Inv 48 94.50 .0384 .972 .982M2 Loading Inv 54 107.18 .0389 .972 .979M3 Ld, PH(3,1) Inv 55 107.52 .0383 .973 .979M4 L

14、d, FacCov Inv 60 109.32 .0354 .977 .981M5 Ld、FacCov、Er Inv 69 131.20 .0364 .974 .975M6 Ld,FacCov,Er,Intrcpt Inv78 149.96 .0361 .975 .973M7 Ld,FacCov, Er,Intrcpt Inv; Fac meanFree 75 132.23 .0334 .979 .978M8 Ld,FacCov,Er,Intrcpt, FacM Inv 78 146.77 .0360 .975 .973整理课件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

15、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。整理课件20七个变量相关系数矩阵整理课件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）较小整理课件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 家庭经济状况整理课件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

16、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。 整理课件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）整理课件25护士工作满意度（Paula L. Stamps)n Pay dollar remuneration and fringe benefits received for work done.n Autonomy amount of job-related independence, initiative and freedom, e

17、ither permitted or required in daily work activities.n Task requirements tasks or activities that must be done as a regular part of the job.n Organisational Policies management policies and procedures put forward by the hospital and nursing administration of this hospital.n Professional status overa

18、ll importance or significance felt about your job, both in your view and in the view of others. n Interaction opportunities presented for both formal and informal social and professional contact during working hours.整理课件261.My present salary is satisfactory.2.I feel that I am supervised more closely

19、 than is necessary.3.There is too much clerical and paperwork required of nursing personnel in this hospital. 4.The nursing staff has sufficient control over scheduling their own shifts in my hospital.5.Nursing is not widely recognised as being an important profession. 6.The nursing personnel on my

20、service pitch in and help one another out when things get in a rush.7.Doctors in general cooperate with nursing staff on my unit. 8 ,44整理课件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 再生协方差矩阵整理课件28整理课件29整理课件30总体协方差矩阵)var(),cov()var(),cov(),cov()var(),cov(),cov(),cov()var(),cov(),cov(),cov(),cov()var(5454353

21、432524232151413121xxxxxxxxxxxxxxxxxxxxxxxxx整理课件31模型推出的协方差矩阵55222522242524422242213152213142331123121215221214211213122112212111522111421111311111211111211)(7.32.12.48.14.25.28.04.11.142.28.13.15.13S整理课件32通过通过SPSS读取数据读取数据方法一（使用方法一（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

22、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“Import External Data in Other Format”(2)“file of type”一项，选择“spss for window(*.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“Data Scree

23、ning”，对数据进行扫描（现在已自动创建了LISREL程序所用的file1.dsf）。整理课件33方法一（续）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.dsf MO NX=9 NK=3（4） 把以上语句保存为p1.ls8 (文件名.ls8)。（5）点击“run LISREL”运行程序。整理课件34通过通过SPSS读取数据读取数据方法二（输出方法二（输出.txt协方差距阵）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