检验行为态度模型中的关系.pdfVIP

Amos™ 17.0 – 说明书 检验行为态度模型中的关系 A mos 是功能强大的结构化方程 （S EM ）建模工具，通过 A mos使您能够同时分析来自几个总体的数据，如多个种族 对包括回归，因子分析，相关性分析和方差分析等传统多 的群体。使用多重指示变量，可以增加分析模型中变量的 元分析方法的扩展，为您的理论研究提供更多的支持。在 可靠性。利用多重填补方法，填补缺失值或潜变量得分， A mos环境下，您可以在直观的路径图下指定、估计、评估 如因子得分。您也可以利用A mos进行纵向数据研究，多个 以及设定模型，以展示假定的各变量之间的关系。 组别的分析，以及可靠性分析。 确定复杂的关系 从模型建立到迅速地发布结果 在A mos下，您可以快捷地建立能真实反应复杂关系的行为 A mos交互的、可视化的建模方式，使结构方程建模变得简 态度模型。在A mos 中，任何数值变量，不管是可观测的还 单易学，便于使用。在A mos界面下，您可以利用画图工具 是潜在的，都可以用来建模，预测其它数值变量。A mos包 创建路径图，而不是通过写方程或编写命令的方式实现。 括基于贝叶斯估计的扩展统计选项。在最新版本Amos 17.0 您还可以利用常用的Microsoft程序语言如V B ，C# 扩展Amos 中，您可以： 的功能。 ■ 实现对序次分类变量和缺失数据的估计。因此，您无需 对数据进行数值化处理就可基于非数值数据创建模型，您 一旦您建立好模型，只需点击鼠标就可对模型的拟合度进 也可以在处理缺失数据时除了正态性假设以外，无需对数 行评估，并能以演示质量打印模型和结果。A mos包括36个 据进行其他任何假设。 完整的结构方程建模实例，并具有丰富的在线帮助系统。 ■ 为序次分类变量及缺失数据填补数值。填补后的结果数 据集还可作为后续其他程序的输入。 ■ 估计潜变量模型中的后验预测分布，以确定缺失或部分 缺失数据的可能取值。 利用Amos在数据中探索 “原因和程度” 在不同领域使用观测性/ 非实验性数据的研究人员，借助 A mos说服领导或委员会、金融保险或将研究结果发布。例 如： ■ 心理学—建立模型来探索药物、临床门诊和音乐图画等 以上治疗对情绪的影响。 ■ 医疗和卫生保健—确定可信性、节省性或科研投入这三 个因素中哪个最能预测医生开处仿制药品的可能性。 高级输出选项使得在A mos下进行分析更简单易行。例如，通过 “短句”帮 助，就可以快捷地获得对结果的阐释或概述。 ■ 社会科学—研究社会经济学状况、组织机构和其他因素 利用A mos 中的探索技术，SEM通过搜索功能在大量的候选 对投票行为和政治参与情况的影响。 模型中筛选出最佳模型。通过在模型上设定参数值约束条 ■ 教育研究—评估培训项目对教育有效性的影响。 件，您可以充分利用前期研究的成果，或者利用贝叶斯估 ■ 市场调研—研究客户的消费行为如何影响新产品的销 计指定参数的先验分布。利用验证性因子分析，您可以指 售。 定和验证因子模式，而不需依赖传统的探索性因子分析。 ■