2009结构方程模型.ppt

结构方程模型（Structure Equation Modeling） 结构方程模型 结构方程模型 结构方程模型 结构方程模型 在很多社会科学研究中所涉及的研究对象或变量都不能准确、直接的测量，这种变量可以统称为隐变量（LV，Latent Variable），如顾客满意度、学习动机等。但是隐变量并不是主观判断和臆造，对于这些隐变量而言，我们可以用一些能够直接进行观测和测量的具体指标从不同侧面去反映它，从而间接测量出隐变量，这些所谓的具体指标就叫做显变量（MV，Manifest Variable），如以产品质量、服务质量等作为顾客满意度（隐变量）的显变量等。 结构方程模型 结构方程建模（SEM，Structure Equation Modeling）就是妥善处理这些隐变量之间的关系以及隐变量和显变量之间相互影响关系的一种常用社会经济统计分析技术。它是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，也可称之为协方差结构分析。 结构方程模型发展过程中较大的一个突破就是发展了隐变量的概念，目前普遍应用于社会学、经济学、心理学、统计学、管理科学等多种学科和社会调查领域。 结构方程模型 结构方程模型主要讨论的是变量之间的关系，我们根据统计学所学过的知识已经知道，变量之间的关系根据性质可以分为因果关系和相关关系，根据表现形式又可以分为线形关系和非线性关系。本文档主要讨论变量之间的线性关系，既包括线性因果关系，也包括线性相关关系，即线性结构方程模型（LISREL，LInear Structure RELationship）。 一、 模型的设定 §1 模型的设定 §1.1基本概念 我们在这里所要考察的线性结构方程模型是一般化线性模型（GLM，General Linear Model）的一个拓展，既可以进行传统的线性模型分析，也可以进行验证性因子分析和时间序列分析。在进行结构方程模型的设定之前，我们必须首先明确它的一些基本概念。 §1 模型的设定 显变量：人们可以直接进行观测的变量，如年龄、身高、价格、收入等； 隐变量：不可直接进行观测但可以被显变量反映的变量，如顾客感满意度、社会地位、学术成就等。隐变量不但受到其对应的显变量的影响，不同隐变量之间也会发生相互影响，这些隐变量之间的影响又可以分为因果关系和相关关系； §1 模型的设定 内生变量：受系统的影响且具有测量误差的变量，既包括隐变量也包括显变量，如在经济发展过程中，人们收入的变动往往受到经济增长和收入分配政策的影响，则收入变动即为内生变量； 外生变量：影响系统且不具有测量误差的变量，既包括隐变量也包括显变量，如上述的经济发展三变量模型中，收入分配政策变量可记为外生变量。 §1 模型的设定 §1.2 模型表示 结构方程模型中隐变量之间的影响关系、隐变量与显变量之间的对应关系通常可用路径图来表示。各种常用的路径图的图标及含义如下： §1 模型的设定 例如： §1 模型的设定 §1 模型的设定 §1 模型的设定 §1 模型的设定 §1 模型的设定 §1 模型的设定 §1 模型的设定 §1 模型的设定 §1 模型的设定 §1 模型的设定 AMOS软件中可以很方便的按照表1.1的图例绘制出结构方程模型，并且可以快速的设定隐变量之间的影响关系以及隐变量与显变量之间的对应关系，这些模型的绘制和设定影响关系我们只需要点击软件左边的工具栏对应的图标，然后在右边的空白处直接绘图即可. 【例1.1】中学生的考试成绩大体上可以分为文科成绩和理科成绩，这两个成绩均是隐变量，因为它们不能通过直接的观测得到。但是文科成绩可以用诸如语文、英文、历史等课程的成绩来衡量，理科成绩可用数学、物理、化学等课程的成绩来衡量，则这些具体的科目是可以直接进行观测并得到数值的显变量。现在要考察学生文科成绩和理科成绩之间的相互影响，我们可以用结构方程模型的路径图把上述变量之间的关系描述出来，如图1.1： 在图1.1中，文科和理科用椭圆表示，为隐变量；文科和理科成绩之间的相关关系用双向箭头表示；从隐变量指向显变量的单向箭头表示隐变量与显变量的反映（Reflective）关系，如文科隐变量可以用语文、英语、历史三门课程的成绩来测量；从误差指向变量的单向箭头表示该变量的误差或残差。因为误差或残差本身也是无法进行观测的特殊隐变量，所以也用圆来表示。 在AMOS绘制的路径图中有些路径或箭头标记着数字“1”，这意味着该路径系数（即影响系数）的数值固定为1。对于结构方程模型而言，有两种情况要将该元素固定：第一种情况是希望某两个变量（显变量或隐变量）之间没有关系，则将代表该关系的元素固定为0；第二种情况则是需要设定隐变量的度量单位。因为显变量所反映的隐变量本身是没有单位的，不设定其单位则无法进行计算。这种情况下一般有两种