结构方程模型下非正态数据处理.pdfVIP

-84· 结构方程模型下非正态数据的处理‘ 安徽师范大学体育学院(241000)方敏黄正峰 结构方程模型(SEM)的多变量正态分布假定观 Browne’S渐近分布自由(asymptotic 察变量来源于一个多元正态(JMVN)的总体。在这种free，ADF)估计虽然无需假设数据呈多元正态分布， 前提下，最大似然法(maximumlikelihood，ML)方法许多软件可以实现，但有一些实际性限制。拟合函数 给出的参数估计无偏、一致、渐近有效。如果抽样数据 的计算需要做ADF最佳加权矩阵的转置。以含有20 x210 非正态分布，整体模型拟合的，值会膨胀，个别参数 个测量变量的CFA模式为例，需要转置一个210 值的标准误估计偏小，导致该参数估计值达到统计上 的加权矩阵，含有44100的唯一要素，计算需要超过 l 的显著水平，接纳实际上没有意义的参数；TLI或CFI000的大样本才能产生稳定的估计，对于小或中等大 等拟合度指标出现低估现象…。这意味着，当数据违 小的样本ADF估计效果很差。如数据有缺失必须使 背JMVN分布假定时，研究者更有可能拒绝实际上构用表列删除法，否则会出现处理不同矩阵使牵涉不同 建很好的模型，或者认为个别参数估计不为0，增大了 统计学推断的I型错误，对模型修正得到包含冗余参 指出的：ADF估计法没有考虑到实际应用中模型大小 数的模型。因此，非正态数据的处理是应用结构方程 和样本数量的问题，使用ADF估计模型可能仅是理论 模型技术时需要注意的问题。 上的选择而非实用的方法。 2．Scaled，和Robust标准误方法 处理非正态数据的常用方法 为了提高非正态分布下ML估计，和标准误的 对于非正态数据的处理，如果观察指标属于连续 变量，研究者可以选用不受正态分布限制的ADF／ 考虑峰度对估计的危害，如果观察变量的多元峰度越 WLS估计法，或使用Scaled，和Robust标准误，或使 大，对于正态理论的，越做向下的调整。EQS软件 用Bootstrapping后的校正标准误，还可以运用统计方 法对非正态分布的变量进行数据转换。相对于连续数 据，如果测量变量为类别或次序性时，研究者可选用 (1996)认为这种方法应用于连续性非正态变量小样 variables model，类别变量 Mplus的CVM(categorical 模式)。其基本思路是先计算多分相关矩阵，再使用 供了类似的调整的，检验统计量以及稳健标准误 standard ADF估计。如果这些要求不易做到或因使用多分相 (robust 关矩阵分析产生非正定矩阵时，研究者可考虑使用项 选项提供类似的检验统计量，称为调整均数和方差的 and variance staffs— 目包(itemparceling)方法进行模型分析。另外，一些，统计量(mean adjustedchi—square 研究者将次序性变量视为连续变量处理，但是这一方 法可能会产生以下后果：过度的偏态和峰度会严重影 于标准的MLr和原始的Scaledr，特别是在小样本 响，和参数的z检验；与类别大小