何谓sem 结构方程式模型分析法.ppt

不一致性釋疑 (1)近似的不一致性：係指母體共變數矩陣與研究模式假設的 實際參數估計間產生不一致性，如參數估計方法(Maximum Likelihood, ML或Generalized Least Squares, GLS)的選擇 所產生的差異 (2)抽樣不一致性：因調查研究大都是以抽樣樣本來替代母體， 故母體與母體參數大都屬於未知，主要為樣本共變數矩陣與 樣本參數估計間產生不一致 (3)估計不一致性：係指母體參數估計值與樣本參數估計值間的 差異 (4)整體不一致性 ：母體共變數矩陣與樣本參數估計的共變數矩 陣所產生不一致性 交叉驗證 以SEM進行交叉驗證不僅可以對測量模式驗證，並可將整體結構模式予以驗證，採用交叉驗證研究的方式有二： (1)將研究過程與問項重新複製一次，以檢查二者之間是否有無差異，但常受時間、金錢、資源的限制； (2)研究樣本如果夠大，則將現有調查樣本予以分割，以二個較少樣本來進行資料分析。 受限於第一種情形下僅能以單一樣本分析時，Browne & Cudeck(1989)建議研究者可採ECVI值，其ECVI值愈小顯示母體愈穩定；研究者若為採第二種方法，Cudeck & Browne(1983)建議可用CVI值，CVI值係由基準樣本(calibration sample)與校準樣本(validation sample)資料共變數矩陣所組成。 投稿SEM文章內容的涵蓋1(source:Shook, Ketchen, Jr., Hult, & Kacmar, 2004) 樣本的議題 基本敘述統計量 投入樣本數 樣本的分布 樣本統計力 測量的議題 測量的信度：個別信度與組成信度 測量的區別效度 測量的收歛效度 投稿SEM文章內容的涵蓋2 (source:Shook, Ketchen, Jr., Hult, & Kacmar, 2004) 研究複製的議題 投入矩陣 使用的套裝軟體名稱與版本 參數估計的起始值 計算功能的使用 分析異常值的資料 恆等模式的議題 潛在存在模式與模式公認的限制是否交代 特定化的議題 交叉效度的改變 特定模式與假設模式間的關係 LISREL syntax 注意事項 LISREL8.30版本檔案名稱可用中文命名，而在LISREL8.50以上版本，檔案名稱不可全部使用中文命名方式，開頭以英文後中文即可 欄位的寬度最好不得超過127欄，若資料輸入超過時，須予以斷行處理 試用版軟體時，變數輸入不得超過15個 二群組的資料，在LISREL8.30版本無法使用PD繪製徑路關係圖 在LISREL8.30版本時，二群組以上的資料無法形成正定矩陣，會產生錯誤訊息 在LISREL8.50版本以上有增加Bootstrap的功能，可適用於估計小樣本的資料，但使用時較為複雜 簡報結束 問題與討論 測量理論相關重要文獻(資料來源：Ponder & Lueg, 2003) SEM重要議題與相關文獻(資料來源：Ponder & Lueg, 2003) SEM演講—一般因徑模式 主講人　余泰魁 何謂SEM 結構方程式模型分析法(Structural Equation Model; SEM; 以下簡稱為SEM)是一種以迴歸為基礎(Regression-based technique)的多變量技術，並結合徑路分析，它屬於驗證性實證研究的資料分析法，能同時處理多組變項間的關係，其目的在探究變數間的因徑關係以驗證理論，故又可稱為因果模式分析技術(Causal Modeling Technique)或可稱之為因徑模式分析技術。因此，在使用驗證性研究方法時，研究者所提的研究模式必須具有理論基礎，由理論來引導。 SEM主要目的 1.可以解釋一系列具有相互依存變數或變項之間的關係 2.這些變數（Variable）可區分為外生的（Independence, Exogenous）及內生的（Dependence, Endogenous），這些變數均為可觀察的 3.一些具有相同性質的變數，若在理論基礎上能形成一個構面（Construct），則會產生一個或數個潛伏變量（Latent variate）：此部份即因素分析（Factor Analysis）的概念 4.依據理論或相關研究，這些潛伏變量之間存在著某些因徑關係，SEM即是以線性（Linear）數學模式來表示這些關係：此部份即迴歸（Regression）的概念 透過上述3、4建立完整的模式，再利用2所觀察到的變數，來驗證模式的配適性，以解釋其因徑關係，即是SEM的目的 必須先有理論，才導出SEM MODEL，若只用data fit出模式，然後就解釋模式是明顯