应用统计学-第十章结构方程模型 2.pptVIP

第十章 结构方程模型 结构方程模型简介 结构方程模型的机理 结构方程模型的求解和评价 基本概念 两类变量： 隐变量和显变量 显变量（测量变量）——可直接测量 隐变量——不可直接测量的变量 工作满意度：如何测量？ 您对自己的工作环境是否满意？在1-7分范围打分 用一组问题来测量，构建测量模型 AUSTRALIAN EMPLOYEE SATISFACTION: to their work environment Respondents were asked to rate whether they agreed or disagreed with a number of statements using the following scale: 1. Disagree strongly 2. Disagree 3. Neither agree nor disagree 4. Agree 5. Agree Strongly statements 基本概念-续 内生变量和外生变量 内生变量——由模型内其他变量作用所影响的变量 外生变量——变量的影响因素在模型之外 路径图：用带箭头的线表示变量间预先设定的关系 一、结构方程模型简介 回归模型： 一个变量与一组变量间的因果关系（单方程） 一组变量间的复杂因果关系（联立方程） 所有变量可观测：显变量 因子分析 寻找影响一组可观测变量的潜在因子 或者说由一组可观测变量定义潜在因子 回归方程：结构模型——单方程 回归方程：结构模型——联立方程 因子模型（测量模型） 结构方程模型 描述一组隐变量间的因果关系 例如：顾客满意度和再购买意愿间的关系 顾客满意度：不可直接测量 再购买意愿：不可直接测量 结构方程构建方式 建立测量模型测量隐变量：一组问题测量顾客满意度，一组问题测量再购买意愿 构建再购买意愿与顾客满意度的结构关系模型 结构方程模型：路径图 一个实例：出租车行业服务满意度 二、结构方程模型机理 模型设定：2个模型 测量模型 ——表示隐变量和观测变量之间的关系 结构模型（隐变量模型 ） ——表示隐变量之间的结构关系 二、结构方程机理-续 简单示例：推销员的工作满意度与自尊需要,n=106 结构模型 全模型 参数求解： 三、结构方程模型的求解和评价 Matrices of the X-Model 符号说明 Variance/Covariances among the exogenous variables外生变量?方差/协方差矩阵 Matrices of the Y-Model 变量说明 Matrices of the Structural Model 变量说明 Residuals in the prediction of the endogenous variables结构方程残差的协方差矩阵 What is SEM 参数估计方法： 参数估计方法：作观测值协方差阵S的极大似然估计 模型的识别问题：概念1-参数识别 当一个未知参数可以由观测变量的方差协方差矩阵中的一个或者多个元素的代表函数来表达，就称这个参数可识别的。如果模型中的参数都是识别参数，那么这个模型就是可识别的。 当参数可以由一个以上的不同函数来表达，这种参数称为过度识别参数。过度识别参数可以由不同函数来求解。如果模型正确的话，该参数应该解惟一。 概念2 ：模型识别 过度识别——当一个模型中的参数都是识别的并且至少有一个是过度识别的，那么这个模型就是过度识别的 恰好识别——当一个模型中的参数都是识别的并且没有一个是过度识别的，那么这个模型就是恰好识别的 不可识别——模型中至少有一个不可识别的参数 模型识别：不可识别的原因 模型能否识别并不是样本的问题 原因： 1、自由度少 2、因子之间的相互作用，即双向作用 模型识别：判断方法 数据点的数目不能少于自由参数的数目。数据点的数目就是观测变量的方差和协方差的数目。自由参数的数目特指待定的因子载荷、路径系数、隐变量和误差项的方差、隐变量之间与误差项之间的协方差的总数 必须为模型中的每一个隐变量建立一个测量尺度。通常将外生隐变量的方差设定为1；将内生隐变量的观测标识中任何的一个因子负载设定为一个常数，通常为1 模型识别：预防措施 预防不可识别的模型主要是有关参数的设定，尽量减少自由参数的数目，让模型简约。当模型中的变量之间有循环或是双向关系，那么这个模型就是非递归的，一般是不可识别的。 样本容量 一般而言，最保守的是一个变量要5个样本来衡量，此时样本服从多元正态分布，而且没有奇异值。也有人认为一个变量由15个样本来衡量比较好。最低的样本要求是50。一般样本量在100～200之间比较合适。 变量数量 选择多个指标表示隐变量具有统计上和概念上的优势 一般以3