多元统计分析(何晓群)第十章 路径分析.pdf

第十章 路径分析 学习目标 1. 了解路径分析和回归分析的区别，了解路径分析的假设 条件； 2. 理解路径分析所涉及的基本概念； 3. 理解路径系数的求解原理，并能使用软件求出路径系 数； 4. 能够检验中间变量的中间作用； 5. 能够使用Wright规则对路径图中的相关系数进行分解； 6. 理解对模型进行调试的意义，并能对模型进行检验； 7. 能够运用合适的软件，采用路径分析解决实际问题。 20世纪初，“Pearsn原理”在生物遗传学（在过 去几乎就是我们现在所称的统计学）中占统治地 位。Pearsn原理的一个基本内容就是相关关系是 现实生活中最基本的关系，而因果关系仅是完全 相关的（理论）极限。这种理论认为没必要寻找 变量之间的因果关系，只需计算相关系数。然而 相关分析逐渐暴露出自身的很多局限：一是仅反 映变量之间的线性关系；二是反映变量之间的关 系是对称的，而很多变量之间的关系是非对称 的；三是只有在正态假设下，正态细想才是有效 的。 在遗传学中，很多现象具有明显的因果关系，如 父代与子代的基因关系，父代在前，子代在后， 二者的关系只能是单向的，而非对称的。对这种 变量结构进行思考，遗传学家休厄尔·赖特 （Sewall Wright ）于1918—1921提出路径分析 （path analysis）,用来分析变量间的因果关系。 现代的路径分析由于生物遗传学家、心理测验学 家、计量经济学家以及社会学家的推进，引入隐 变量（laten variable，又称unmeasured variable ，不可观测变量），并允许变量间具有测 量误差，并用极大似然估计代替了最小二乘法， 成为路径系数主流的估计方法。 路径分析现在成为多元分析的一种重要方 法，广泛应用于遗传学、社会学、心理学、 经济问题和市场调研领域。然而习惯上把基 于最小二乘的传统的路径分析称作路径分 析，而把基于极大似然的路径分析称作结构 方程式模型（structural equation modeling , SEM ）。本章主要介绍传统的路径分析，不 进行特别说明，本章所提到的路径分析均指 基于最小二乘的路径分析，结构方程模型放 在下章介绍。 10.1 基本概念和理论 关于基本概念如路径图、直接作用、间接 作用的理解对于掌握路径分析非常重要，这 些概念共同构成了路径分析的基本理论。 10.1.1 路径图 P 21 C1 e P 1 路径分析的主要工具是 11 路径图，它采用一条带箭头 A 的线（单箭头表示变量间的 P 因果关系，双箭头表示变量 12 间的相关关系）表示变量间 r 预先设定的关系，箭头表明 12 P 变量间的关系是线性的，很