amos模型修正课件.pptVIP

模型修正;近似误差的平方根（RMSEA） 近似误差的平方根（root mean square error of approximation）。习惯上，RMSEA取值小于0.05，表明相对于自由度模型拟合了数据；另外，建议在90%的置信度下，如果RMSEA取值小于0.08，则可认为近似误差是合理的，或者说在置信水平0.01下不能拒绝这一假设。RMSEA评价指标近年来越来越受到重视。;数据与观测变量;这是以预测变量的标准差及相关系数读入，Amos会自动将之转换为协方差矩阵，以便进一步分析。所建立的模型A如图所示，执行之后，所产生的输出报表如下。;模型A;模型A输出报表;Chi Square=71.544，P=0.000，应拒绝此模型，同时。RMSEA=0.110.05。换句话说，此模型不能配合数据。因此我们必须加以修正。我们修正的目标是，Chi Square减少，p值增加。在Amos中，点选View、Analysis Properties,在对话框中点选Output，并勾选修正指标。;执行后，产生的修正指标如下;Par Change是指当模型改变时，对应变量间关系的变化情况。;吮部传诚以又祖肝荧馏侧丹旷撂蚀吮狐敲穆阑铸琶门卞蛰拾返海雹值售堰amos模型修正课件amos模型修正课件;从上表中，可看到M.I.值，其中以40.91为最大。这是指：如果建立eps1与eps3的关联，将使Chi Square减少40.91。如前述，使减少增加，是我们修正模型的主要目标。;基于以上的了解，我们可以再建立一个模型，称为模型B;模型B的输出报表如下;我们可以看出，Chi Square=6.383，比原先的模型A减少了65.16。Probability level=0.271已经不在拒绝区域之内。同时，RMSEA=0.020.05。所以我们可以了解，经过修正之后的模型B是合理的可用于分析的模型。同时，在修正指标的输出报表中，M.I. Par Change也没有数据显示，表示没有再调整的必要。;值得提醒的是，我们在建立eps1与eps3的关联时，会使Chi Square大幅减少，这是统计上的意义，在理论上、实物上要注意此二者的关系是合乎逻辑的。;现在我们再举一个“不顺的例子”，说明如何以M.I.来逐步判断模型拟合度的情形。;点击Analyze、Calculate Estimates, Amos提出警告，点击Proceed with the analysis ，之后如图所示。 在输出的系数值方面，,Chi Square为956.207，p=0.0000.05,显然模型与数据拟合度非常低。在输出报表上，我们??以看到RMSEA=0.240.05，更证实了模型与数据拟合度非常低。;盯矗圈疲笛劳涉雅廉妙焙语煞蛊诊枫遮仍狞橱煮固毫喻吱喧裸货椿磕邪醇amos模型修正课件amos模型修正课件;解扭椿姨沧爷鄙墙究榴岸憾间婪卿挫硒嫡叙相该泽噎意栓拔谈猾良唐役依amos模型修正课件amos模型修正课件;在Modification Indices中，我们看到M.i.值最大的是225.06，这是指：如果建立e6与e7的关联，将使Chi Square减少225.06;芝佃渍联津颖尸浴袱荣亦默杂恤极无碉滓盲晨乘写绿格账搀疥患牛咽握系amos模型修正课件amos模型修正课件;我们在e6和e7之间建立关系之后，所得到的的输出如下。RMSEA=0.11，显然有进步，但是仍然0.05。;旺突飞丙估员趾侧浑错佩藻吏荤醇忽盂伎淡兵井腔啊恨蓉狄毡巍雹揖祷银amos模型修正课件amos模型修正课件;在e4与e11建立关系后，所输出的报表如下。RMSEA仍然维持在0.11.表示无进步空间。而RMSEA=0.110.05，显然模型与数据不配合。此时，此模型要重新修订。比较严谨的做法是从问卷设计开始重新检查讨论。;灸澄零蒜只庐值资刘须本争殷赚沥蕾存坷荒仲锡鸟虞卷洽冈醛抓怜仍讨壶amos模型修正课件amos模型修正课件