结构方程模型简介课件.pptVIP

结构方程模型简介 ningxing 概念 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。 假设 与其他分析方法相同的假设条件包括： （1）?????? 观察变量是相互独立的； （2）?????? 随机抽样； （3）?????? 线性相关 步骤 模型设定 模型识别 模型估计 模型评价 模型修正 模型设定：2个基本假设 理论依据是增加或者删除连线的依据，用最少的因果路径或者相关关系来刻划在理论上可行的模型 线性关系 模型设定：2种变量 潜在变量和显示变量 潜在变量——不可直接衡量的 显示变量（测量变量）——问卷中直接测量的 内生变量和外生变量 内生变量——由模型内其他变量作用所影响的变量 外生变量——变量的影响因素在模型之外 模型设定：2个模型 测量模型 ——表示潜在变量和观测变量之间的关系 结构模型（潜在变量模型 ） ——表示潜在变量之间的关系 样本容量 一般而言，最保守的是一个变量要5个样本来衡量，此时样本服从多元正态分布，而且没有奇异值。也有人认为一个变量由15个样本来衡量比较好。最低的样本要求是50。一般样本量在100～200之间比较合适。 变量数量 选择多个指标表示潜在因子具有统计上和概念上的优势 一般以3～4个指标表示1个因子比较合适 当因子互相关联的时候