企业管理研究生论文常用知识.docxVIP

论文学习统计知识1、结构方程评价：①卡方统计量（X2）最常用的拟合指标是拟合优度的卡方检验（X2-goodness-of-fittest）统计量。在最大似然估计ML、一般最小二乘法GLS和广义加权最小二乘法ADF下，卡方值X2等于样本量减1乘以拟合函数的最小值。在观测变量服从多元正态分布且模型设定正确的话，如果分析方差协方差矩阵，则乘积服从卡方分布（或渐进服从卡方平方分布）。这里需注意，它的检验正好与传统的统计研究相反，我们希望得到的不显著的卡方值，大的值对应差的拟合，小的值对应于好的拟合。事实上，这里的卡方检验是“拟合劣度（badness-of-fit）”检验，很小的卡方值说明模型拟合很好。但是，卡方检验统计量与样本量的大小密切相关，当样本量越大，卡方值也越大，拒绝一个模型的概率就会随着样本量的增加而增加，也就是说，最好把卡方检验看成是度量拟合优度的量，而不是把它当作检验统计量。为减小样本量对拟合检验的影响，习惯上采用卡方值与自由度之比，如果比值小于2，则可以认为模型拟合较好。②拟合优度指数（GFI）拟合优度指数（goodness-of-fitindex）GFI度量了观测变量的方差协方差矩阵S在多大程度上被模型引申的方差协方差矩阵所预测，如果Σ=S，GFI=1，意味着模型完美拟合。③　修正的拟合优度指数（AGFI）修正的拟合优度指数（adjustedgoodness-of-fit