结构方程模型简介——Lisrel与Amos的初级应用课件.ppt

Klicken Sie, um die Textformatierung des Masters zu bearbeiten.,,Ebene 1,,Ebene 2,,Ebene 3,,Ebene 3,,Ebene 3,,Ebene 1,,Ebene 2,,Ebene 2,,Ebene 1,,,39,Klicken Sie, um das Format des Titel-Masters zu bearbeiten.,,,A. Klicken Sie, um das Format des Titel-Masters zu bearbeiten.,Klicken Sie, um die Textformatierung des Masters zu bearbeiten.,,Ebene 1,,Ebene 2,,Ebene 3,,Ebene 3,,Ebene 3,,Ebene 1,,Ebene 2,,Ebene 2,,Ebene 1,,,Klicken Sie, um das Format des Titel-Masters zu bearbeiten.,,*,结构方程模型,(SEM),简介,——,Lisrel,与,Amos,的初级应用,,,,Structural Equation Model,，,SEM,,,L,inear,S,tructural Relationship,，,LISREL,,Analysis of Moment Structure, AMOS,为什么要用结构方程模型,,◇,很多社会、心理、经济管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,，如工作满意度、价格感知等。

◇,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◇,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目前工作满意度,工作兴趣,工作乐趣,工作厌恶度,工作满意度,潜变量,显变量,,价格廉价性,价格公平性,价格多样性,价格感知,潜变量,显变量,为什么要用结构方程模型,,假如,4,道题目来衡量企业在某方面的竞争优势，还有,3,道题目来测量企业绩效现要研究竞争优势与企业绩效的关系按照传统的回归分析做法：,3,个,Y,只取一个或运用某种方法合并为,1,个,Y,,,信息丢失,,竞争优势,X1,X2,X3,X4,,企业绩效,Y1,Y2,Y3,结构方程模型（,SEM,）的优点,,◇,同时处理多个因变量,(,多个,Y);,,◇,容许自变量和因变量含测量误差，精确估计观察变量与潜在变量之间的关系,;,,◇,同时估计因子结构和因子关系,;,,◇估计整个模型的拟合程度，用以比较不同模型,;,,◇容许更大弹性的测量模型；,,,◇,SEM,是复杂多元的统计方法，包括,:,回归分析、因子分析,(,验证性因子分析,),、ｔ检验、方差分析、比较各组因子均值、交互作用模型、实验设计等。

SEM概念,,概念,1,：结构方程模型,(Structural Equation Modeling,，简称,SEM),是基于变量的协方差矩阵来分析变量之间关系的一种综合性的统计方法，因此又称为协方差结构分析概念,2,：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概念,3,：,SEM,是一种呈现客观状态的数学模型，主要用来呈现检验观察变量与潜在变量之间的假设关系，它融合了因素分析与路径分析两种统计技术关键词：,结构、协方差、线性,理论模型,,,λx,n1,,λ,y,n1,λy,n2,γ,3,λx,m2,δ,2,,δ,1,,δ,4,,δ,3,,λx,m1,ζ,1,ε,4,ε,1,Φ,21,,ξ,1,X,n1,X,n2,X,m1,X,m1,,ξ,2,λx,n2,,,η,1,γ,1,Y,n1,Y,m2,,η,2,γ,2,ζ,2,β,Y,n2,ε,2,Y,m1,ε,3,λy,m2,λy,m2,构成要素：,变量、模型,1,、潜变量,(latent variable),：不能被直接测量的变量；,,内生潜变量,:,受其它潜变量影响的潜变量；,(,η,,市场财务绩效,),,外生潜变量,:,由系统外其他因素决定的潜变量；,(,ξ,，反应速度,),,2,、显变量,(observable indicators),：间接测量潜变量的指标，也称为观测变量；,,内生指标,:,间接测量内生潜变量的指标；,(Y),,外生指标,:,间接测量外生潜变量的指标。

X),,3,、误差项,(,δ,、,ε,、,ζ,,),结构方程模型的,变量,,λx,n1,,λ,y,n1,λy,n2,γ,3,λx,m2,δ,2,,δ,1,,δ,4,,δ,3,,λx,m1,ζ,1,ε,4,ε,1,Φ,21,,ξ,1,X,n1,X,n2,X,m1,X,m1,,ξ,2,λx,n2,,,η,1,γ,1,Y,n1,Y,m2,,η,2,γ,2,ζ,2,β,Y,n2,ε,2,Y,m1,ε,3,λy,m2,λy,m2,结构方程模型的,结构,1,、测量模型,:,测量指标与潜变量之间的关系,,x=∧,x,ξ+δ,,y=,∧,y,η+ε,,,,,2,、结构模型,,,对于潜变量间的关系，可用结构方程表示,：,,,η=Bη+Гξ+ζ,,反应效率,E1,E2,E3,,市场绩效,,财务绩效,,反应效率,,反应速度,,λx,n1,,λ,y,n1,λy,n2,γ,3,λx,m2,δ,2,,δ,1,,δ,4,,δ,3,,λx,m1,ζ,1,ε,4,ε,1,Φ,21,,ξ,1,X,n1,X,n2,X,m1,X,m1,,ξ,2,λx,n2,,,η,1,γ,1,Y,n1,Y,m2,,η,2,γ,2,ζ,2,β,Y,n2,ε,2,Y,m1,ε,3,λy,m2,λy,m2,SEM实质,,x=∧,x,ξ+δ,,y=,∧,y,η+ε,,η=Bη+Гξ+ζ,,SEM,分析核心概念是变量的协方差，用协方差反应两个变量的共同变异或相关联程度。

假设模型隐含的协方差矩阵,B,，应尽可能的接近样本协方差矩阵,A,，,A,与,B,越接近，模型拟合越好，参数估计越有效估计方法：最大似然估计法,(ML),,二阶段最小二乘法,(TSLS),等,,,LISREL,（,Linear,S,tructural Relationship,，线性结构关系）结合矩阵分析技巧，用以处理协方差结构分析的一套计算机程序AMOS,（,Analysis of Moment Structure,,矩结构分析） 矩结构与协方差矩阵内涵类似，结合了传统的一般线性模型与共同因素分析的技术SEM应用条件,,◇随机抽样,,◇线性相关,,◇,ML,和,TSLS,估计时满足,：连续变量且多元正态分布,,,李克特量表,,◇,SEM,适合大样本分析,,样本量绝对不能小于,100,,200-500,是最佳样本范围,,使用,GL,估计时样本量需在,200,以上,,标准样本量应当是变量数（题项）的,10-15,倍,在,SEM,分析模型中，只有测量模型而无结构模型的回归关系，即为,验证性因子分析,(CFA),；,,,相反的，只有结构模型而无测量模型，则潜在变量见因果关系的讨论，相当于传统的,路径分析,；,,,λx,n1,,λ,y,n1,λy,n2,γ,3,λx,m2,δ,2,,δ,1,,δ,4,,δ,3,,λx,m1,ζ,1,ε,4,ε,1,Φ,21,,ξ,1,X,n1,X,n2,X,m1,X,m1,,ξ,2,λx,n2,,,η,1,γ,1,Y,n1,Y,m2,,η,2,γ,2,ζ,2,β,Y,n2,ε,2,Y,m1,ε,3,λy,m2,λy,m2,SEM与CFA及路径分析,,SEM建模过程,,理论发展,模型界定,模型识别,,,抽样与测量,,参数估计,,模型拟合评鉴,,模型修饰,,,讨论与结论,,,,阶段一,,模型发展,,阶段二,,估计与评鉴,1、模型构建,,,,2、前期工作,,,3、模型估计,,,4、模型拟合评鉴,,,5、模型修饰,,,6、假设检验,,理论先验性,,以,SEM,来检验因果关系是否成立主要是属于验证的性质，需以理论为基础。

1,、以核心理论为基础；,,2,、以相关实证发现为建立潜在自变量与潜在因变量间因果关系之依据；,,3,、透过逻辑推理过程验证或修正上述已建立之因果关系；,,4,、藉由相关理论综述与实地深度访谈，进一步验证初步建立之因果关系实例：速度营销动态能力对企业绩效的影响,,1,、模型构建,,理论发展,,模型界定,,变量确定,,研究假设,,H1,：速度营销反应效率对企业市场绩效存在正向的影响关系；,,H2,：速度营销反应速度对企业市场绩效存在正向的影响关系；,,H3,：速度营销反应效率对企业财务绩效存在正向的影响关系；,,H4,：速度营销反应速度对企业财务绩效存在正向的影响关系；,,M1,M2,M3,市场绩效,,F1,F2,F3,财务绩效,,反应效率,,反应速度,E1,E2,E3,S1,S2,S3,E3,2、前期工作,,研究设计,,变量的测量（李克特量表）,,问卷设计,,数据收集,,前期数据分析,,描述性统计,(SPSS,EXCEL),,信度分析,(SPSS),,效度分析,,EFA,309份有效问卷,,信度分析(SPSS),,信度（,Reliability,）又可称为可靠性，是指测验的可信程度信度好的指标在同样或类似的条件下重复操作，可以得到一致或稳定的结果。

它主要表现测验结果的一致性、一贯性、再现性和稳定性量表的信度分析包括内在信度分析和外在信度分析内在信度分析重在考察一组评估项目是否测量的是统一特征，这些项目之间是否具有高度的内在一致性；外在信度分析是指不同时间对同批被评估对象实施反复测量时，评估结果是否具有一致性主要是内在指标：克朗巴哈,α,系数 （,Cronbach,’,s α,）,,修正总相关系数,(CITC),,折半信度系数（即可测量外在信度又可测量内在信度）,效度分析,,内涵,,内容效度：内容效度指测试或量表内容或题项的适当性与代表性效标关联效度：是指测量工具的内容具有预测或估计的能力构建效度：建构效度是指测量结果体现出来的某种结构与测值之间的对应程度 一般分为收敛效度和区分效度收敛效度：当测量同一构念的多重指标彼此间聚合或有关连时，表明聚合效度存在,,区分效度：区分效度是指当一个构念的多重指标相聚合或呼应时，则这个构念的多重指标也应与其相对立之构念的测量指标有负向相关，若相关程度越低，则区分效度越好研究方法,,收敛效度：因子分析法,(EFA,和,CFA),,,平均萃取量,(AVE>0.5),,组合信度,(CR>0.7),,区分效度,:AVE,的平方根应该大于该变量与其它变量的相关系数,3、模型估计（Lisrel或Amos）,,LISREL,,语法见长,,必须使用,PRELIS,计算出,COR or COV,矩阵作为输入,,也可以画图,,AMOS,,图形见长,,可以直接以原始数据作出输入,,适合于初学者,验证性因子分析,CFA,,剔除,EFFE3,LISREL,验证性因子分析,CFA,剔除,EFFE3,AMOS,,结构方程,SEM,LISREL,结构方程,SEM,AMOS,4、模型拟合评鉴,,适配度指标是评价假设的路径分析模型图与搜集的数据是否相互适配，而不是说明路径分析模型图的好坏。

一个适配度完全符合评价标准的模型图不一定保证是个有用的模型，只能说研究者假设的模型图比较符合实际数据的情况1,）模型基本适配标准,,（,2,）整体模式适配指标,―,模式外在质量,,（,3,）模式内在拟合度,―,模式内在质量,4、模型拟合评鉴,,（1）模型基本适配标准,,Bagozzi and Yi（1988）认为较重要之模式基本适配标准为下列五项：,,1.不能有负的误差变异；,,2.误差变异必需达到显著水平（t>1.96）；,,3.估计参数之间的相关绝对值不能太接近1；,,4.因素负荷量不能太低（＜0.5）或太高（＞0.95）；,,5.不能有很大的标准误当违反上述标准时，表示模式可能有“细列误差”、“辨认问题”或“输入有误”当符合上述标准时，方可进行检验“整体模式适配标准”及“模式内在结构适配度”4、模型拟合评鉴,,（,2,）整体模式适配指标,―,模式外在质量,,卡方检验：,卡方自由度比,(,χ2/df,),,模型拟合指数：,拟合指数,(GFI),、调整后拟合指数,(AGFI),、正规拟合,,指数,(NFI),、非正规拟合指数,(NNFI),、增量拟合指数,(IFI),,替代指数：,RMSEA,CFI,指数,,残差分析指数：,残差均方根,(RMR),拟合指标,χ2/df,GFI,AGFI,NFI,IFI,CFI,RMR,RMSEA,建议值,＜,5,＞,0.9,＞,0.8,＞,0.9,＞,0.9,＞,0.9,＜,0.05,＜,0.08,实际值,3.967,0.91,0.85,0.90,0.92,0.92,0.11,0.083,Lisrel模型拟合指标输出,,Degrees of Freedom = 65,,Minimum Fit Function Chi-Square = 244.80 (P = 0.0),,Normal Theory Weighted Least Squares Chi-Square = 234.80 (P = 0.0),,Estimated Non-centrality Parameter (NCP) = 169.80,,90 Percent Confidence Interval for NCP = (126.75 ; 220.44),,Minimum Fit Function Value = 0.79,,Population Discrepancy Function Value (F0) = 0.55,,90 Percent Confidence Interval for F0 = (0.41 ; 0.72),,Root Mean Square Error of Approximation (RMSEA) = 0.092,,90 Percent Confidence Interval for RMSEA = (0.080 ; 0.10),,P-Value for Test of Close Fit (RMSEA < 0.05) = 0.00,,Expected Cross-Validation Index (ECVI) = 0.93,,90 Percent Confidence Interval for ECVI = (0.79 ; 1.10),,ECVI for Saturated Model = 0.59,,ECVI for Independence Model = 6.60,,Chi-Square for Independence Model with 78 Degrees of Freedom = 2005.84,,Independence AIC = 2031.84,,Model AIC = 286.80,,Saturated AIC = 182.00,,Independence CAIC = 2093.38,,Model CAIC = 409.87,,Saturated CAIC = 612.73,,Normed Fit Index (NFI) = 0.88,,Non-Normed Fit Index (NNFI) = 0.89,,Parsimony Normed Fit Index (PNFI) = 0.73,,Comparative Fit Index (CFI) = 0.91,,Incremental Fit Index (IFI) = 0.91,,Relative Fit Index (RFI) = 0.85,,Critical N (CN) = 119.80,,Root Mean Square Residual (RMR) = 0.11,,Standardized RMR = 0.082,,Goodness of Fit Index (GFI) = 0.90,,Adjusted Goodness of Fit Index (AGFI) = 0.85,,Parsimony Goodness of Fit Index (PGFI) = 0.64,4、模型拟合评价,,（,3,）模式内在拟合度,―,模式内在质量,,,组合信度,(CR>0.7),,,,平均萃取量,(AVE>0.5),,项目,效率,速度,市场绩效,财务绩效,CR,0.800,0.700,0.817,0.826,AVE,0.699,0.480,0.610,0.615,5、模型修饰,,强调理论基础,,,t值(t<1.96)——删线,,,修正指数(MI>5)——加线,,t-value,最小值,MI,最大值,,,初始模型,最终,模型,,,模型一,,模型二,,模型三,,模型四,,,拟合指标,df,χ2/df,GFI,AGFI,NFI,IFI,CFI,RMR,RMSEA,建议值,--,＜,5,＞,0.9,＞,0.9,＞,0.9,＞,0.9,＞,0.9,＜,0.05,＜,0.08,模型一,49,3.967,0.91,0.85,0.90,0.92,0.92,0.11,0.083,模型二,50,3.910,0.91,0.85,0.90,0.92,0.92,0.11,0.082,模型三,51,3.875,0.90,0.85,0.90,0.92,0.92,0.12,0.082,模型四,50,3.668,0.91,0.86,0.90,0.93,0.93,0.10,0.079,6、假设检验,,H1,：速度营销反应效率对企业市场绩效存在正向的影响关系；,t,检验未通过,,H2,：速度营销反应速度对企业市场绩效存在正向的影响关系；,+,√,,H3,：速度营销反应效率对企业财务绩效存在正向的影响关系；,+,√,,H4,：速度营销反应速度对企业财务绩效存在正向的影响关系。

t,检验未通过,,7、结论与分析,,结合理论,,,结合模型变化,,,结合具体变量,,,中介变量,,,,SEM分析需注意：,,假设模型与样本数据可以适配，并不表示假设模型时最佳的模型，也不表示模型有很高的实用性，与调查数据契合度较高SEM分析只能用来评估研究者所提出的假设理论是否适切，但是究竟何者才是真正能够反应变量之间真实关系的模型，这一结论并不能够从模型评价过程中得到答案除了研究者所提出的理论模型之外 ，同样的一组显性变量可能有许多不同的模型组合，这些基于同样观察数据的基础假设模型可能都有理想的适配度，SEM分析并无法区辨这些计量特征类似的理论模型何者为真结构方程模型的研究者不但必须谨记统计学方法本身的限制，更必须避免自己陷入过度统计推论的迷思之中邱皓政，林碧芳,《,结构方程模型的原理与应用,》2008,年 中国轻工业出版社,,,吴明隆,《,结构方程模型,——AMOS,的操作与应用,》2009,年 重庆大学出版社,,,侯杰泰 温忠麟 成子娟,《,结构方程模型及其应用,》2005,年 教育科学出版社,,Thank You!,。