第4讲 结构方差模型.pptVIP

第1讲 回归分析 4.3 Amos操作 4.3.4 估计模型 若点击“Unstandardized estimate”则路径图上显示的是 方差 回归权重 协方差 4.3 Amos操作 4.3.4 估计模型 若点击“Standardized estimate”则路径图上显示的是 回归的R2 标准化回归权重 相关系数 4.3 Amos操作 4.3.4 估计模型 若点击“ ”则查看文本输出结果。 重点要看 Estimates Scalars 这部分，其中涉及到的p值都应小于0.05，若大于0.05，则说明该项不显著。 4.3.5 例子 小 结 AMOS中的例11. Felson和Bohrnstedt研究了6—8年级209个女孩的成绩，其中记录了一些变量：学术能力academic，用GPA测量学术能力；个人吸引力attract,用身高成绩与课程平均分飞偏差height，体重Weight，个人吸引力评级rating. * 第1讲 回归分析 第2讲 时间序列的确定性分析 第3讲 时间序列的随机性分析 第4讲 结构方程模型 数学建模培训内容 第4讲 结构方程模型 4.1 问题的提出 4.2 结构方程模型 4.3 AMOS的操作 数学建模培训 在投资界分析家们经常谈论股市、货币政策和经济走势之间的关系，并以此对股市走势做出判断。 那么股市、货币政策和经济走势彼此之间有关联吗？ 或者说股市、货币政策和经济走势究竟存在怎样的关系呢？ 4.1 问题的提出 股票走势 货币政策 经济走势 要验证他们之间是否有关联，自然想到的是数学的方法，具体地说是统计方法。统计上最简单的关系是相关关系。要验证相关关系就得度量他们，并从中获取样本。 现在的问题是这几个概念能度量呢？回答既是肯定的又是否定的。定性的成份太多，定量的成份较少。或者说定量的成份太多，无从下手。 4.1 问题的提出 迂回的办法是从不同的侧面去观测他们。如用上证指数去观测股市走势，用货币供给量去观测货币政策，用制造业采购经理指数去观测经济走势等。 相对于不同侧面的观测来讲，我们将诸如“股市”、“货币政策”这样的变量称为潜在变量，或隐含变量，意思是指他们不好用单一的一个数据来度量。也称他们为结构变量，是指他们的关系是我们研究的问题的所在。 而将对潜在变量不同侧面的观测称为可测变量。 在我们要研究的股市、货币政策、经济走势问题中，我们可设置如下的可测变量。为了使样本的观测周期一致，股市的可测变量取得是月最高指数。 4.1 问题的提出 4.1 问题的提出 中国非制造业商务活动指数(%)X8 中国制造业采购经理指数(%)X7 经济走势Y3 货币(M1)(亿元)X6 货币和准货币(M2)(亿元)X5 货币政策Y2 深证B股最高综合股价指数X4 深证A股最高综合股价指数X3 上证B股最高综合股价指数X2 上证A股最高综合股价指数X1 股市走势Y1 观测变量 结构变量 结构变量对可测变量要有影响否则这个可测变量就不能用于观测该结构变量。我们进一步作出下面的结构图。 4.1 问题的提出 Y2 Y1 Y3 X2 X3 X4 X1 X5 X6 X7 X8 变量间的影响关系可用回归分析来研究。 我们将误差项也绘到结构图中，这样就是一个完整的结构图，也称为路径图。称为路径图是因为通过该图可以完全理清变量之间的关系。 4.1 问题的提出 Y2 Y1 Y3 X2 X3 X4 X1 X5 X6 X7 X8 e1 e2 e3 e4 e5 e6 e7 e8 路径图 我们现在的问题是估计下面的参数aij： 4.1 问题的提出 和 有了上面的参数，我们就可验证他们的关系了。 结构方程模型是应用线性方程表示观测变量与潜变量之间，以及潜在变量之间关系的一种多元统计方法，其实质是一种广义的一般线性模型。 1.变量 观测变量：能够观测到的变量(路径图中以长方形表示) 潜在变量：难以直接观测