高级统计学结构方程

高级统计学结构方程第一页，共一百零四页，2022年，8月28日参考书结构方程模型——方法与应用易丹辉编著29元(

Amos)

中国人民大学出版社结构方程模型及其应用

侯杰泰温忠麟成子娟著39元(LISREL+光盘)

教育科学出版社第二页，共一百零四页，2022年，8月28日主要内容为何要用结构方程模型？结构模型原理结构方程的建立结构方程的Amos实现科研案例第三页，共一百零四页，2022年，8月28日两个简单的结构方程国民收入发展保障人均GDP社会和谐城镇收入农村纯收入新增固定资产卫生机构数高校数犯罪率离婚率投诉率义务教育普及率医保率养老保险投保率0.9780.9610.9730.8110.9170.915───＋＋＋＋＋第四页，共一百零四页，2022年，8月28日工作自主权工作方式选择工作目标调整工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度第五页，共一百零四页，2022年，8月28日为何要用结构方程模型？很多社会、心理研究中所涉及到的变量,都不能准确、直接地测量,这种变量称为潜变量,如工作自主权、工作满意度、社会和谐、忠诚度、满意度等.这时,只能退而求其次,用一些外显指标,去间接测量这些潜变量.如用工作方式选择、工作目标调整作为工作自主权(潜变量)的指标,以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度(外显指标)作为工作满意度的指标.传统的统计分析方法不能妥善处理这些潜变量,而结构方程模型则能同时处理潜变量及其指标.第六页，共一百零四页，2022年，8月28日结构方程术语（TechnicalTerms）Measuredvariable（显变量、指标、题目）Observedvariables,

indicatorsormanifestvariablesinanSEMdesignPredictorsandoutcomesinpathanalysisSquaresinthediagramLatentVariable（潜变量、因子、构念）Un-observablevariableinthemodel,factor,constructConstructdrivingmeasuredvariablesinthemeasurementmodelCirclesinthediagramX第七页，共一百零四页，2022年，8月28日TechnicalTermsErrororE（误差项）VarianceleftoverafterpredictionofameasuredvariableDisturbanceorD（随即扰动项）VarianceleftoverafterpredictionofafactorExogenousVariable（外生变量——X自变量）VariablethatpredictsothervariablesEndogenousVariables（内生变量——Y因变量）AvariablethatispredictedbyanothervariableApredictedvariableisendogenousevenifitinturnpredictsanothervariable第八页，共一百零四页，2022年，8月28日图中箭头的含义（DiagramElements）Single-headedarrow

→（回归系数或载荷）ThisispredictionRegressionCoefficientorfactorloadingDoubleheadedarrow

↔（相关系数）Thisiscorrelation第九页，共一百零四页，2022年，8月28日SEM分析的基本程序根据已经有的理论和研究成果,事先对因子分析的结果做出合理的理论假设；从理论假设出发,检验理论假设与数据是否相符,即从数据的角度检验假设的合理性；研究结果依赖于假设与数据的吻合程度,通过检验修改原假设,从而发展和建立新的理论.

第十页，共一百零四页，2022年，8月28日SEM分析流程图理论模型发展阶段估计与评价阶段理论性发展模型设定讨论与结论模型识别参数估计模型修正模型拟合度第十一页，共一百零四页，2022年，8月28日StructuralEquationModel，SEM

Covariance

StructureModeling，CSM

Linear

StructuralRelationship，

LISREL

从上述名称中可以看出，结构方程模型的几个本质特征是：结构方程模型的含义结构线性协方差第十二页，共一百零四页，2022年，8月28日工作自主权工作方式选择工作目标调整工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度结构方程模型的含义第十三页，共一百零四页，2022年，8月28日结构方程简介结构方程模型分为：测量方程(measurementequation)和结构方程(structuralequation)

测量方程描述潜变量与指标之间的关系,如工作方式选择等指标与工作自主权的关系；工作自主权工作方式选择工作目标调整因子结构第十四页，共一百零四页，2022年，8月28日测量方程部分工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度因子结构第十五页，共一百零四页，2022年，8月28日结构方程部分测量方程描述潜变量与指标之间的关系,如工作方式选择等指标与工作自主权的关系；结构方程描述潜变量之间的关系,如工作自主权与工作满意度的关系.工作自主权工作满意度第十六页，共一百零四页，2022年，8月28日工作自主权工作方式选择工作目标调整工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度结构方程测量方程1测量方程2第十七页，共一百零四页，2022年，8月28日测量模型外生指标内生指标外生潜变量内生潜变量外生因子载荷内生因子载荷第十八页，共一百零四页，2022年，8月28日结构模型内生潜变量之间的关系系数外生潜变量对内生潜变量的影响系数结构的残差项潜变量与潜变量之间的回归系数——路径系数潜变量与显变量之间的回归系数——载荷系数第十九页，共一百零四页，2022年，8月28日B—内生潜变量间的关系(如其它内生潜变量与工作满意度的关系)；

—外源潜变量对内生潜变量的影响(如工作自主权对工作满意度的影响)；

—结构方程的残差项,反映了在方程中未能被解释的部分。潜变量间的关系,即结构模型,是研究的兴趣重点,所以整个分析也称结构方程模型。

第二十页，共一百零四页，2022年，8月28日一般结构方程路径图路径系数载荷系数第二十一页，共一百零四页，2022年，8月28日对数据的要求(DataRequirements)Continuous,normallydistributedvariables.Multiplemeasures(“indicators”)oftheoreticalconstructs–ideally3ormore.Bigsample–researchsuggestsasamplesizeof200ormore(pergroupifanalyzingmorethanonegroup)isneededtoavoidobtainingmisleadingresults第二十二页，共一百零四页，2022年，8月28日结构模型的建立模型建构(modelspecification)模型拟合(modelfitting)模型评价(modelassessment)模型修正(modelmodification)第二十三页，共一百零四页，2022年，8月28日模型建构一是建立显变量(即指标,通常是题目)与潜变量(即因子,通常是构念)的关系；二是建立各潜变量间的相互关系(即指定那些因子间相关或直接效应)；三是在复杂的模型中,可以限制因子载荷或因子相关系数等参数的值.例子：员工工作满意度的测量第二十四页，共一百零四页，2022年，8月28日理论假设与概念模型的提出研究指出,有多种因素影响到工作满意度,其中包括工作内容的奖励价值、多样性、学习机会、困难性以及对工作的控制等.因此,假设：假设1工作自主权越高,工作满意度越高.工作自主权是指员工可以运用相关工作权利的程度.具有较高工作自主权的员工,将具有较高的工作满意度.第二十五页，共一百零四页，2022年，8月28日假设2

工作负荷越高,工作满意度越低.工作负荷是指工作职责不能被实现的程度.工作压力会使员工处于有害身心健康的状况中,有碍于员工对工作的积极态度,工作压力会降低工作满意度.假设3

工作单调性越高,工作满意度越低.工作单调性是指个体的工作被重复的程度.如煤炭采掘一线的职工工作单调性比较高,而机关科室的单调性就比较低.第二十六页，共一百零四页，2022年，8月28日概念模型工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度工作自主权工作方式选择工作目标调整工作负荷工作单调性任务完成时间充裕度工作负荷轻重工作节奏快慢工作内容丰富程度工作多样性程度xy+__第二十七页，共一百零四页，2022年，8月28日模型拟合与模型识别结构方程拟合的目标是求解参数或路径系数使得结构方程隐含的协方差阵Σ(Θ)与样本协方差阵S的“差距”最小；矩阵之间的“差距”有多种不同的定义方法,不同的定义方法产生不同的拟合结果以及相应的参数估计；最常用的估计方法：极大似然法(经过迭代完成求解过程)样本协方差矩阵模型模型协方差矩阵第二十八页，共一百零四页，2022年，8月28日简单的例子ξx1ηx2x3y1y211λ2λ4λ5γ11111δ3δ2δ1ε1ε21ζ第二十九页，共一百零四页，2022年，8月28日结构方程组测量方程1测量方程2结构方程第三十页，共一百零四页，2022年，8月28日变量(y1,y2,x1,x2,x3,)的协方差阵样本协方差阵第三十一页，共一百零四页，2022年，8月28日根据方程组推出的总体协方差阵Σ(Θ)为估计中的所有参数,使与尽可能靠近这些参数包括：(1)路径系数与载荷系数

(2)误差的方差(3)外生潜变量的方差第三十二页，共一百零四页，2022年，8月28日最大似然估计法适用范围变量是多元正态分布；利用协方差矩阵进行分析；两到四因子模型,样本量最少大于100,大于200更好；由于ML估计是稳健估计,即使变量不服从多元正态分布,在大样本情况下,ML估计仍是可以使用的.第三十三页，共一百零四页，2022年，8月28日模型识别参数有一个解(恰好识别)有多个解(过度识别)无解(不可识别)第三十四页，共一百零四页，2022年，8月28日

建立SEM多数使用过度识别模型AMOS把执行识别检查作为模型拟合过程的一部分,通常提供有关欠识别条件的警告欠识别时的补救方法：收集更多的数据或重新定义模型第三十五页，共一百零四页，2022年，8月28日模型识别原理变量(y1,y2,x1,x2,x3,)的协方差阵已知样本协方差的个数第三十六页，共一百零四页，2022年，8月28日根据方程组推出的总体协方差阵为未知参数的个数

未知路经系数+所有误差的方差+一个潜变量的方差

=4+6+1=11第三十七页，共一百零四页，2022年，8月28日模型可识别的必要条件内生变量的个数外生变量的个数第三十八页，共一百零四页，2022年，8月28日概念模型工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度工作自主权工作方式选择工作目标调整工作负荷工作单调性任务完成时间充裕度工作负荷轻重工作节奏快慢工作内容丰富程度工作多样性程度xy第三十九页，共一百零四页，2022年，8月28日模型参数的估计表1标准化路径系数（N=351）变量变量间关系工作满意度标准化路径系数t检验值工作自主权ξ1—η0.2062.562工作负荷ξ2—η-0.212-1.575工作单调性

ξ3—η-0.378-2.857注：t检验值>1.96表示在0.05的显著水平下通过显著性检验第四十页，共一百零四页，2022年，8月28日工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度工作自主权工作方式选择工作目标调整工作负荷工作单调性任务完成时间充裕度工作负荷轻重工作节奏快慢工作内容丰富程度工作多样性程度y0.206-0.212-0.378x第四十一页，共一百零四页，2022年，8月28日模型评价结构方程的解是否恰当(相关系数应在+1和-1之间)变量变量间关系工作满意度标准化路径系数t检验值工作自主权ξ1—η0.2062.562工作负荷ξ2—η-0.212-1.575工作单调性

ξ3—η-0.378-2.857（-1，+1

）第四十二页，共一百零四页，2022年，8月28日参数与预计模型的关系是否合理(与模型假设相符)假设1：工作自主权越高，工作满意度越高。假设2：工作负荷越高，工作满意度越低。假设3：工作单调性越高，工作满意度越低。+－－√√未通过t检验第四十三页，共一百零四页，2022年，8月28日检验不同类型的整体拟合指数(各项拟合优度指标是否达到要求)表2模型拟合优度结果指标DFχ2PNFINNFICFIIFIGFIAGFIRFIRMRRMSEA指标值6871386.640.00.9010.9370.9500.9510.8610.8170.8610.05840.0457规范拟合指数不规范拟合指数比较拟合指数增量拟合指数拟合优度指数调整的拟合优度指数相对拟合指数均方根差近似均方根差第四十四页，共一百零四页，2022年，8月28日Χ2/DF=1386.64/687=2.018第一个指标是卡方统计量与自由度的比值,

卡方值与自由度之比在2:1到3:1之间是可以接受的第二个指标是P值,P值越大越好

.当P>0.05时,接受结构方程的协方差阵与实际协方差阵相等的假设.第四十五页，共一百零四页，2022年，8月28日在大样本情况下：NFI(NNFICFIIFIGFIAGFIRFI)>0.9RMR<0.035

RMSEA<0.08

表明模型与数据的拟合程度很好。

RMSEA对错误模型比较敏感,同时惩罚复杂模型,因此它是一个较为理想的评价模型的指标。一般来说当RMSEA＞0.1时,不能接受模型的拟合效果。第四十六页，共一百零四页，2022年，8月28日模型修正依据理论或有关假设,提出一个或数个合理的先验模型；检查潜变量(因子)与指标间的关系,建立测量模型,有时可能增删或重组指标；对每一个模型,检查标准误、t值、标准化残差、修正指数、及各种拟合指数,据此修改模型并重复这一步；最好用另外一个样本进行检验；第四十七页，共一百零四页，2022年，8月28日用于建立结构方程模型的软件

PopularComputerProgramsforSEMLISREL

K.G.JőreskogThegoldstandard.Typicallyusedviaaprogramminglanguage.EQS.PeterBentler.EasiertousethanLISREL.SAS,PROCCALISWorkablebutnotbeingfurtherdeveloped.MPLUS.BengtO.MuthénToutedasintegratingavarietyofanalysesthatgobeyondtraditionalSEM.Thisprogramhasthepotentialtobetheprogramofthefuture.第四十八页，共一百零四页，2022年，8月28日AMOSAnalysisofMomentStructuresExamplesofMomentsare:Means(forpopulation;

forthesample)Variances(population2;samples2)Covariances(populationxy;samplesxy)第四十九页，共一百零四页，2022年，8月28日AMOSAMOSrunsintwomodes,AmosGraphicsandAmosText.AmosGraphicsprovidesagraphicalinterfacethroughwhichtheuserconductsananalysisbydrawingthemodelonthescreen.

DatarequiredforAmos:standarddeviations,correlations,samplesize,means.第五十页，共一百零四页，2022年，8月28日数据结构第五十一页，共一百零四页，2022年，8月28日WhyAMOS?WithSPSSAmos,wecanquicklyspecify,viewandmodelourmodelgraphicallyusingsimpledrawingtools.Thenassessourmodel’sfit,makeanymodificationsandprintapublication-qualitygraphicofourfinalmodel第五十二页，共一百零四页，2022年，8月28日经典案例——技术采纳模型TAM技术采纳模型(TechnologyAcceptanceModel)最早由学者Davis(1989)提出,用于研究个体对信息技术采纳接受行为的一般影响因素.主要目的是了解个体在采纳接受信息技术时的心理作用及主要外部影响因素,从而帮助管理者更好的制定改进措施以促进个体对信息技术的使用行为.

第五十三页，共一百零四页，2022年，8月28日感知有用感知易用使用意图TAM的主体形式

PerceivedUsefulness,PU

使用者认为信息技术可以在多大程度上提高其工作效率PerceivedEaseofUse,PEOU

使用者认为信息技术容易使用的程度UseIntention，UI

使用者愿意使用信息技术的程度PUPEOUUI第五十四页，共一百零四页，2022年，8月28日第五十五页，共一百零四页，2022年，8月28日SPSS统计软件使用意愿调查问卷第二部分:SPSS软件使用意愿及影响因素（请将你选择的选项标注为红色）1-完全不赞同2-不太赞同3-态度中立4-比较赞同5-完全赞同SPSS统计软件能够为我的日常学习提供帮助。PU112345使用SPSS统计软件能够提高我的学习效率。

PU212345使用SPSS统计软件能够帮助我更快地处理日常的学习任务。PU312345学习使用SPSS统计软件对我来说是容易的。PEOU112345学习使用SPSS统计软件不会花费我太多的时间和精力。

PEOU212345掌握SPSS统计软件的基本功能对我来说不困难。PEOU312345相比手工的计算方式，我更愿意使用SPSS统计软件来处理日常的学习任务。UI112345我愿意长期使用SPSS统计软件处理日常的学习任务。UI212345我愿意在未来的学习过程中更多地使用SPSS统计软件。UI312345第五十六页，共一百零四页，2022年，8月28日SPSS统计软件使用意愿样本的分布情况通过Email方式获取样本73份（2009级）

第五十七页，共一百零四页，2022年，8月28日通过Email方式获取样本88份（2010级）

39%61%第五十八页，共一百零四页，2022年，8月28日通过Email方式获取样本85份（2011级）

28%72%第五十九页，共一百零四页，2022年，8月28日2009级

第六十页，共一百零四页，2022年，8月28日43%5.7%10.2%4.5%14.8%12.5%9%2010级

第六十一页，共一百零四页，2022年，8月28日2011级

第六十二页，共一百零四页，2022年，8月28日数据结构第六十三页，共一百零四页，2022年，8月28日AMOS实现——AMOSGraphics

建模区域建模工具区域第六十四页，共一百零四页，2022年，8月28日点击双击点击成黑线定义模型形状第六十五页，共一百零四页，2022年，8月28日全选复制拖动鼠标复制第六十六页，共一百零四页，2022年，8月28日点击旋转点击1次取消旋转注意：许多路径有固定值1，这些值保证适当的模型识别点击2次第六十七页，共一百零四页，2022年，8月28日数据导入与定义变量第六十八页，共一百零四页，2022年，8月28日点击FileName

定义数据文件名。ViewData

按钮浏览外部应用程序的数据文件。例如，如果使用FileName

按钮定义SPSS数据文件，然后单击ViewData，AMOS将打开SPSS以便能看到数据文件的内容。GroupingVariable

按钮允许在数据库内定义分组变量，能容易地设置和检验涉及多个分组对象的模型。点击第六十九页，共一百零四页，2022年，8月28日选取点击第七十页，共一百零四页，2022年，8月28日点击第七十一页，共一百零四页，2022年，8月28日第七十二页，共一百零四页，2022年，8月28日拖至指定的位置第七十三页，共一百零四页，2022年，8月28日为潜变量命名第七十四页，共一百零四页，2022年，8月28日点击右键为潜变量命名第七十五页，共一百零四页，2022年，8月28日为潜变量命名第七十六页，共一百零四页，2022年，8月28日第七十七页，共一百零四页，2022年，8月28日建立潜变量之间的路径

第七十八页，共一百零四页，2022年，8月28日建立潜变量残差

为潜变量命名

第七十九页，共一百零四页，2022年，8月28日选择AMOS分析选项并运行模型

可提供的各种各样的分析选项

第八十页，共一百零四页，2022年，8月28日第八十一页，共一百零四页，2022年，8月28日运行模型第八十二页，共一百零四页，2022年，8月28日第八十三页，共一百零四页，2022年，8月28日检查模型运行的是否成功

达到最小值运行成功的标志第八十四页，共一百零四页，2022年，8月28日查看估计结果标准化结果第八十五页，共一百零四页，2022年，8月28日查看分析结果第八十六页，共一百零四页，2022年，8月28日查看估计结果第八十七页，共一百零四页，2022年，8月28日RegressionWeights:(Groupnumber1-Defaultmodel)EstimateS.E.C.R.PLabelPU<---PEOU.410.1133.616***UI<---PEOU-.063.120-.529.596UI<---PU1.251.2614.792***PU1<---PU1.000PU3<---PU.963.1964.920***PEOU1<---PEOU1.000PEOU2<---PEOU1.326.1598.361***PEOU3<---PEOU1.057.1377.704***UI1<---UI1.000UI2<---UI1.199.1587.578***UI3<---UI1.041.1467.135***PU2<---PU1.105.1836.029***第八十八页，共一百零四页，2022年，8月28日StandardizedRegressionWeights:(Groupnumber1-Defaultmodel)EstimatePU<---PEOU.530UI<---PEOU-.064UI<---PU.974PU1<---PU.701PU3<---PU.632PEOU1<---PEOU.780PEOU2<---PEOU.950PEOU3<---PEOU.828UI1<---UI.752UI2<---UI.888UI3<---UI.833PU2<---PU.789第八十九页，共一百零四页，2022年，8月28日查看拟合结果第九十页，共一百零四页，2022年，8月28日CMINModelNPARCMINDFPCMIN/DFDefaultmodel2151.44424.0012.143Saturatedmodel45.0000Independencemodel9417.85736.00011.607第九十一页，共一百零四页，2022年，8月28日RMR,GFIModelRMRGFIAGFIPGFIDefaultmodel.058.878.772.468Saturatedmodel.0001.000Independencemodel.389.345.182.276第九十二页，共一百零四页，2022年，8月28日Baseline