结构方程模型——基本理论详解.ppt

结构方程模型——Lisrel的初级应用 一、为何要用结构方程模型？ 二、模型原理简介 三、模型建模 四、例子：员工流失动因模型 一、为何要用结构方程模型？ 很多社会、心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，如工作自主权、工作满意度等。 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。如用工作方式选择、工作目标调整作为工作自主权（潜变量）的指标，以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度（外显指标）作为工作满意度的指标。 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。 回归分析与结构方程模型 一个回归分析和结构方程比较的例子： 假如有五道题目来测量外向型性格，还有四道题目来测量自信。研究自信与外向型性格的关系。假如是你，你将怎样来进行研究？ 回归分析的做法：先分别计算外向题目的总分（或平均分）和自信题目的总分（或平均分），在计算两个总分的相关。 这样的计算所得的两个潜变量（性格与自信）的关系，恰当吗？ 线性回归模型及其局限性 1）无法处理因变量（Y）多于一个的情况； 2）无法处理自变量（X）之间的多重共线性； 3）无法对一些不可直接测量的变量进行处理，主要是一些主观性较强的变量进行测量。如幸福感、组织认同感、学习能力等； 4）没有考虑变量（自变量、因变量）的测量误差，以及测量误差之间的关系 多元统计方法中的相关解决方法 针对1）：路径分析（Path Analysis） 缺点：分开考察不同的因变量，无法考察因变量之间的关系且缺少整体的视角 针对2）：偏最小二乘法（PLS） 缺点：相关理论尚不完善，解释力较弱。 《王惠文，偏最小二乘法理论与应用，国防工业出版社》 针对3）：指标赋予权重，进行综合评价，得出一个量化的指标 缺点：权重设计，需要相当的技巧，通常的方法，如AHP,模糊综合评判等方法缺少信度与效度 针对4）：没有办法解决 结构方程模型（SEM）的优点 同时处理多个因变量 容许自变量和因变量含测量[误差传统方法（如回归）假设自变量没有误差] 同时估计因子结构和因子关系 容许更大弹性的测量模型 估计整个模型的拟合程度[用以比较不同模型] SEM包括:回归分析、因子分析(验证性因子分析、 探索性因子分析)、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 结构方程模型的含义 Structural Equation Model，SEM Covariance Structure Modeling，CSM Linear Structural Relationship ， LISREL 从上述名称中可以看出，结构方程模型的几个本质特征是： 结构、协方差、线性 二、结构方程简介 简单来说，结构方程模型分为： 测量方程（measurement equation）测量方程描述潜变量与指标之间的关系，如工作方式选择等指标与工作自主权的关系； 二、结构方程简介 简单来说，结构方程模型分为： 测量方程（measurement equation）测量方程描述潜变量与指标之间的关系，如工作方式选择等指标与工作自主权的关系； 结构方程（structural equation），描述潜变量之间的关系，如工作自主权与工作满意度的关系。 （一）测量模型 对于指标与潜变量（例如两个工作自主权指标与工作自主权）间的关系，通常写为以下测量方程： 其中：x——外源指标（如两个工作自主权指标）组成的向量； y——内生指标（如四个工作满意度指标）组成的向量； ——外源潜变量（如工作自主权等）组成的向量； ——内生潜变量（如工作满意度等）组成的向量； ——外源指标与外源变量之间的关系（如两个工作自主权指标与工作自主权的关系），是外源指标在外源潜变量上的因子负荷矩阵； ——内生指标与内生变量之间的关系（如四个工作满意度指标与工作满意度的关系），是内生指标在内生潜变量上的因子负荷矩阵； （二）结构模型 对于潜变量间（如工作自主权与工作满意度）的关系，通常写成如下结构方程： 其中：B——内生潜变量间的关系（如其它内生潜变量与工作满意度的关系）； ——外源潜变量对内生潜变量的影响（如工作自主权对工作满意度的影响）； ——结构方程的残差项，反映了在方程中未能被解释的部分。 三、建模过程 （1）模型建构（model specification） （2）模型拟合（model fitting） （3）模型评价（model assessment） （4）模型修正（model modification） （1）模型建构（model specification