结构方程模型简介.ppt

结构方程模型简介ningxing*1概念u结构方程模型是一种通用的线性统计建 模技术它主要是利用联立方程组求解 ，但是没有严格的假设限定条件，同时 允许自变量和因变量存在测量误差 Date2假设u与其他分析方法相同的假设条件包括：u（1） 观察变量是相互独立的；u（2） 随机抽样；u（3） 线性相关Date3步骤n模型设定n模型识别n模型估计n模型评价n模型修正Date4模型设定：2个基本假设u理论依据是增加或者删除连线的依据， 用最少的因果路径或者相关关系来刻划 在理论上可行的模型u线性关系 Date5模型设定：2种变量u潜在变量和显示变量n潜在变量——不可直接衡量的n显示变量（测量变量）——问卷中直接测量的 u内生变量和外生变量n内生变量——由模型内其他变量作用所影响的变量n外生变量——变量的影响因素在模型之外 Date6模型设定：2个模型u测量模型 ——表示潜在变量和观测变量之间的关系 u结构模型（潜在变量模型 ）——表示潜在变量之间的关系 Date7样本容量u一般而言，最保守的是一个变量要5个样 本来衡量，此时样本服从多元正态分布 ，而且没有奇异值也有人认为一个变 量由15个样本来衡量比较好。

最低的样 本要求是50一般样本量在100～200之 间比较合适 Date8变量数量u选择多个指标表示潜在因子具有统计上 和概念上的优势u一般以3～4个指标表示1个因子比较合适u当因子互相关联的时候，可以减至2个Date9前期工作u可信度检验 ——SPSS中完成u效度检验u缺省值处理 ——SPSS中完成Date10模型识别：概念1u当一个未知参数至少可以由观测变量的 方差协方差矩阵中的一个或者多个元素 的代表函数来表达，就称这个参数可识 别的如果模型中的参数都是识别参数 ，那么这个模型就是可识别的 Date11模型识别：概念2u过度识别——当一个模型中的参数都是识别 的并且至少有一个是过度识别的，那么这个模 型就是过度识别的 u恰好识别——当一个模型中的参数都是识别 的并且没有一个是过度识别的，那么这个模型 就是恰好识别的 u不可识别——模型中至少有一个不可识别的 参数 Date12模型识别：不可识别的 原因u模型能否识别并不是样本的问题 u原因： 1、自由度少 2、因子之间的相互作用，即双向作用 Date13模型识别：判断方法u数据点的数目不能少于自由参数的数目数据 点的数目就是观测变量的方差和协方差的数目 。

自由参数的数目特指待定的因子载荷、通径 系数、潜在变量和误差项的方差、潜在变量之 间与误差项之间的协方差的总数 u必须为模型中的每一个潜在变量建立一个测量 尺度将潜在变量的方差设定为1；将潜在变量 的观测标识中任何的一个因子负载设定为一个 常数，通常为1 Date14模型识别：预防措施u预防不可识别的模型主要是有关参数的 设定，尽量减少自由参数的数目，让模 型简约当模型中的变量之间有循环或 是双向关系，那么这个模型就是非递归 的，一般是不可识别的 Date15模型估计：方法选择1u最大似然估计和最小二乘估计u假定：观测变量是连续变量，具有多元 正态分布u即使是在大样本的情况下，观测变量的 偏态性，尤其是在很高的峰度下，会导 致很差的估计以及不正确的标准误和偏 高的卡方值 Date16模型估计：方法选择2u对偏态分布的变量进行转换；u去除奇异值；u采用加权最小二乘法 Date17模型评价：不适合的参 数估计u误差项有负方差u标准化的相关系数大于或者接近于1u某一相关系数有很大的标准差Date18模型评价：解决办法u模型是否可以识别u将误差项固定在很小的正值u减少结构Date19模型评价：3个方面u绝对指标u相对指标u简约性Date20模型评价：绝对指标u从设定模型的拟合和独立模型拟合之间 的比较得出的 u卡方值与自由度的比值：1~3之间（ p0.05）uGFI：0.9uAGFI：0.9uRMSEA：0.08Date21模型评价：相对指标u设定模型和特定模型的比较u规范拟合指数（NFI）：设定模型和独立 模型的卡方值的比较（不能控制自由度 ，在小样本的时候低估） uIFI：对NFI的修正 u比较拟合指数CFI：设定模型和独立模型 的卡方值的比较，非中心的卡方分布 Date22模型评价：简约性u阿凯克信指数 AICu模型的比较Date23模型比较u嵌套模型的比较u非嵌套模型的比较Date24模型比较：嵌套模型u嵌套关系：在两个模型中，其中一个模 型是在另一个模型的基础上加一定的限 制得到的，一个模型的自由度是另外一 个模型的子集u似然比较检验：通过两个模型拟合优度 的卡方检验值的差值和自由度的差值得 到的新的卡方值和自由度u结果显著：模型中的变化并不是改善Date25模型比较：非嵌套模型u阿凯克信指数 AICu一致性阿凯克信指数CAICu期望交叉证实指数 ECVIu这些值的数值越小，就说明模型简约并拟合的 很好，但是这些指标都不是统计值，因此没有 统计检验来确认两个模型之间的差异是否显著 。

在应用时，先估计每个模型，将它们按其中 一个指标进行比较，然后选择其中值最小的模 型 Date26模型修正u改变测量模型，增加新的结构参数 u设定某些误差项相关 u限制某些结构参数Date27实际使用uAMOS Graphic ——图形：所见即所得uAMOS Basic ——编程Date28谢谢！u欢迎提问！Date29。