结构方程模式AMOS简介详解.ppt

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)与理论模式的比较 Adjusted Goodness-of-Fit Index(最好>.90)=1-(K(K+1))/(2 dfproposed)*(1-GFI) Tucker-Lewis Index/Non-Normed Fit Index(最好>.90)=(?2null/dfnull -?2proposed/dfproposed)/(?2null/dfnull-1) Normed Fit Index(最好>.90)= (?2null-?2proposed)/?2null Comparative Fit Index(适合模式发展与小样本)=1-(NCPproposed/NCPnull) K: 表观察变项数 Parsimonious fit measures的评鉴:自由度比值的加权 Parsimonious Normed Fit Index: (dfproposed/ dfnull)*NFI(最好.60以上) Parsimonious Goodness-of Fit Index(本值愈大, 表模式愈精简)=GFI*(2dfproposed)/(K(K+1)) Normed ?2 (本值愈大, 表模式愈适配) Akaike Information Criterion (本值愈小, 表模式愈精简)= ?2 +2*(# of estimated parameters) K: 表观察变项数 Amos 6.0/7.0的新功能 Bayes