结构方程模式amos简介.ppt

结构方程模式AMOS简介,结构方程模式 之定义,结构方程模式(Structural Equation Models，简称SEM)，早期称为线性结构方程模式(Linear Structural Relationships，简称LISREL)或称为共变量结构分析(Covariance Structure Analysis) 主要目的在于考验潜在变项(Latent variables)与外显变项(Manifest variable, 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(true score)与实得分数(observed score)之关系它结合了因素分析(factor analysis)与路径分析(path analysis)，因而包涵测量与结构模式SEM的统计模式,SEM模式之组成,测量模式与结构模式之目的,测量模式旨在建立测量指针与潜在变项间之关系，主要透过验证性因素分析以考验测量模式的效度 结构模式旨在考验潜在变项间之因果路径关系，主要针对潜在变项进行径路分析，以考验结构模式的适配性 结构方程模式的参数估计流程(1),理论上，假如结构方程模式正确及母群参数已知时，母群共变数矩阵 ()会等于理论隐含的共变数矩阵()，隐含的共变量矩阵系根据回归方程式中的参数所重组之共变数矩阵，式中 向量包含模式中所有待估计的参数，例如={,,}。

不过，通常母群之变异数与共变量的参数并不知道，需以样本估计值( )取代之结构方程模式的参数估计流程(2),适配函数值之计算,前述适配函数值系利用差距函数：F = (s-)’W(s-)计算而得式中s是观察共变量矩阵S中不重复的变异数与共变数，所形成的向量是隐含共变数矩阵( )中不重复的变异数与共变数，所形成的向量 W是校正加权矩阵，不同W会形成不同的适配函数 根据所获得的最小适配函数值，进行²考验(计算公式为: ²=(N-1)*F，df=(p+q)(p+q+1)/2-t，p与q为观察变项数(含自变项与依变项)，t为待估计的参数数目)一般研究者，均不希望²考验结果达到统计上之显著水平，以便接纳虚无假设：S=( )，亦即希望所提的理论模式与观察数据可以适配，而不是推翻它SEM 为线性联立方程式之集合,为了去解一组方程式, 我们必须有足够的信息, 【如已知数据( known values), 或 限制(constraints)】，才能估计出未知参数 此乃SEM模式辨识问题 除非这组方程式可以辨识, 否则无法获得正确的参数估计值 -- regardless of how many observations we have.,界定潜在变项的测量单位,理由：因为潜在变项与无法观察的到，其量尺刻度无法确定，我们必须界定其原点与测量单位，才能估计潜在变项的变异数与径路系数，以界定其结构模式为可辨认的模式 (An Identified Model) 。

方法(以下两者仅能选其一): 选定一个最能代表潜在变项的观察变项，将其x与y值加以固定(通常设定为1，会使相关之因子具有相同之平均数)，误差项的回归系数亦设定为1 ，才能进行其余的参数估计 将潜在变项标准化(如具有相同之变异量或固定为1)但只能为变项加以界定(此时可估计其所属的所有因素负荷量)， 变项则无法做到因为的共变量矩阵并非自由参数矩阵，可以任意加以设定可辨识性的定义,假如模式中每一未知参数均有一最适值(optimal value),则该模式为可辨识假如该模式为可辨识，通常其最大可能性迭代解法为可聚敛而得到一最佳解(optimal solution)，此参数估计值为该资料的最适配值例如: x + 3y = 4 , 即有无限最佳解 (如 x = 1, y = 1 or x = 4, y = 0)这些值称为无法辨识 “not identified” or “underidentified.” 因为未知数比已知数还多再如: x + 3y = 4 3x -3y = 12 现在，已知数(方程式数)等于未知数(X & Y)，即有一最佳解(x = 4, y = 0)此联立方程式为恰可辨识 “just identified”。

结构方程模式 主要用途,第一、考验理论模式(test of theory) Strictly confirmatory(SC)-纯验证性 Alternative (competing) models(AM)-竞争模式 Model generating(MG)-模式衍生 第二、考验测量工具的建构信度(construct reliability)或因素结构效度(validity of factorial structure)心理测验:要不要住院?,During a visit to the mental asylum, a visitor asked the Director what the criterion was which defined whether or not a patient should be institutionalized. Well,“ said the Director, “we fill up a bathtub, then we offer a teaspoon, a teacup and a bucket to the patient and ask him or her to empty the bathtub.“ Oh, I understand,“ said the visitor. “A normal person would use the bucket because it's bigger than the spoon or the teacup.“ “No,“ said the Director, “A normal person would pull the plug.“ Do you want a room with or without a view? http://www.office-humour.co.uk/g/i/3665/,SEM软件之使用率,(Why) Should We Use SEM? Pros and Cons of Structural Equation Modeling Nachtigall, Kroehne, Funke, Steyer (2003),AMOS之简介,AMOS系Analysis of Moment Structure之简称，它与LISREL，EQS，PROC CALIS等均在处理SEM(structural equation modeling)的问题。

AMOS最大的优势在于其路径图的图形用户接口，免去如LISREL中界定八大参数矩阵的繁琐 AMOS具有AMOS Graphics与AMOS Basic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学生版软件下载, ,AMOS操作接口,径路图编辑器,AMOS之径路图绘制工具(1),AMOS之径路图绘制工具(2),AMOS原始数据输入方式(1),利用SPSS读入相关矩阵或共变数矩阵,AMOS原始数据输入方式(2),利用SPSS读入原始资料,AMOS原始数据输入方式(3),当使用纯文本档建档时，需以『，』隔开各变项之数据，且第一行需列出变项的名称从第二行开始，依序输入各变项的数据利用Excel建檔,模式与数据之链接设定,数据链路方法,当数据分析档案建立后，按下AMOS『FILE』下之『DATA FILES』，出现前图之窗口后，点选『File Name』读入前述之SPSS或Excel数据编辑器或字处理器所建文件的数据当待分析的数据文件名称出现在窗口之中，即表示AMOS已可将径路图与此数据文件相互连接AMOS估计方法,利用View/Set下『Analysis Properties』中点选Output, 选取所需统计量, 亦可点选『Estimation』选择估计方法。

统计量数输出设定,AMOS Graphic Mode执行步骤(1),利用AMOS『FILE』下之『DATA FILES』读入相关矩阵或原始资料 按AMOS『FILE』下之『NEW』与利用其所提供之ICONS，再根据理论绘制径路图,AMOS Graphic Mode执行步骤(2),执行AMOS/SEM分析方法：,AMOS径路图输出,按EDIT下之『COPY』即可输出径路图形,AMOS报表输出的各种统计量,利用View/Set下『Analysis Properties』中点选Output, 选取所需统计量, 亦可点选『Output』选择估计方法AMOS径路图之解释,下列径路图形中之系数为标准化系数,,X5的信度下限 (即ks2可解释x5总变异量的56%),,因素负荷量/ 回归系数,潜在变项间之相关,,SEM 测量模式之绘制,SEM 结构模式之绘制,根据过去的实验、经验与理论… 决定因果关系 绘制径路图,,单向因果关系,Construct,,建构间之关系,简单概念(eg age) or 复杂概念 (eg attitude),,双向因果关系,,Indicator,概念之指标,外显变项名称之输入,在生理症状的变项上按下鼠标左键，并将之拖往待输入变项名称之方框!,,,适合度考验: Overall model,首先检查有无不良估计值( offending estimates );eg,负的误差变异量、标准化系数超过1、与过大的标准误 适合度考验旨在了解实际输入的矩阵与模式所预测的理论矩阵间之一致性,分为三类: -absolute fit measures(整体适配性之评估) incremental fit measures(底限模式与理论模式的比较) parsimonious fit measures(自由度比值的加权) 适合度的评估需作全面性的指标评估,适合度考验: 测量模式,建构信度(Composite reliability).代表测量指标是否能测到潜在建构的程度。

抽取变异比(Variance extracted measure). 为潜在建构可以解释指标变异量的比率 代表测量指标是否能真正代表潜在建构的程度 检查标准化径路系数是否达于.70,建构的信度指标：指标的综合信度,最好大于.70,最好大于.50(亦是一种聚敛效度的指标),,,适合度考验: 结构模式,SEM程序提供每一估计系数之标准误与统计考验的t值当样本较小且使用MLE估计法时，使用较保守的显著水平 (.025或.01) 计算R2 与竞争模式作比较以决定最佳模式 比较各模式的简洁指针 检查标准化结构系数是否大于.30,模式界定错误 (Model Misspecification),遗漏重要变项 包含无关变项或指标 非线性模式 因果关系错置 原因指标与效果指标之混淆,Measures of absolute fit的评鉴:整体适配性的评估,Likelihood-Ratio 2(愈小愈好，P值最好大于.1 或.2),本考验较适合100~200人的样本 Noncentrality(2-df) Parameters and Scaled Noncentrality Parameters[ (2-df)/sample size)] :NCP适合模式间之比较 Goodness-of-Fit Index(0:poor fit~1:perfit) Root Mean Square Residuals(最好.025以下, 愈低愈好, 较适合相关矩阵的分析) Root Mean Square Error of Approximation(最好.08以下) Expected Cross-Validation Index:适合模式间之比较,Incremental fit measures的评鉴: 底限模式(或称独立、虚无模式)与理论。