1.sem概論.pptVIP

Chapter 1 模式存在與否之需，見仁見智；但是，人無模式，就無決策 多變量資料本質 多變量統計方法分類 多變量統計分析方法將會在未來居於支配地位且將會激烈的改變研究學者對其研究問題構思與研究設計的態度。在接近真實性的複雜環境下，多變量統計分析方法仍可能查詢特定與準確的問題。這樣可以藉由執行理論上顯著的研究去評估常態發生事件的真實發生參數的效應。 多變量分析及解釋導引 1.建立「實務顯著性」，以及「統計顯著性」。 2.樣本大小影響所有結果。 3.認識您自己分析的資料。 4.為著模式的精簡性努力不懈（strive for model parsimony）。 5.檢視您自己的錯誤。 6.使您的研究效度化。 Hair（1998）等人提出非常實務面，有關於以結構式的趨勢來建構多變量模式，共有六個步驟，此六個步驟提供了任何有關於多變量分析發展（developing）、解釋（interpreting）及效度化（validating）的架構。 1.步驟一：定義被使用的研究問題、目的及多變量方法（Stage 1: Define the research problem, objectives, and multivariate technique to be used）。 2.步驟二：發展分析計畫（Stage 2: Develop the analysis plan）。 3.步驟三：評估多變量方法中所強調的假設（Stage 3: Evaluate the assumptions underlying a multivariate technique）。 4.步驟四：估計多變量模式及評鑑整體模式適配（Stage 4: Estimate the multivariate model and assess overall model fit）。 5.步驟五：變數的解釋（Stage 5: Interpret the variate(s)）。 6.步驟六：多變量模式的效度化（Stage 6: Validate the multivariate model）。 多變量統計方法分類 多變量統計研究概論 （一）因素-變數-項目關係 （二）問卷項目 （三）變數 （四）因素 何謂SEM？ SEM是一個結構方程式的體系，其方程式中包含有隨機變數（random variables）、結構參數（structural parameters）、以及有時亦包含非隨機變項（nonrandom variables）；隨機變數包含三種類型：觀察變數（observed variables）、潛伏變數（latent variables）以及干擾 / 誤差變數（disturbance/error variables）。 特徵一：多數以及相依關係之關關係的估計 特徵二：在眾多關係中有代表抽象觀念的能力 SEM具有以下的優點： 可做項目分析，精確估計個別項目且將項目分析概念融合因素結構檢測中。 可檢定個別項目的測量誤差，並且將測量誤差從項目的變異量中抽離出來，使得因素負荷量具有較高的精確度。 可依據理論，預先設定項目放置於那一個因素中，或那幾個因素中，亦即一個項目可以同時分屬於不同因素並可設定一個固定因素負荷量，或設定任何幾個項目的因素負荷量相等。 可依據理論，設定某些因素之間具有或不具有相關，甚至於將這些相關設定為相等的關係。 可對整體因素模式作統計評估，來瞭解理論所建構因素模式與所蒐集資料間的符合程度。所以SEM是一種理論模式檢定（theory-testing）的統計方法。 為何使用SEM？ 社會科學研究通常使用測量值來取代構面（constructs）。 除了測量的問題，社會科學家主要關心的是預測（prediction）的問題，我們都知道週遭所發生的事物越來越複雜，相對地預測模式也會越演變為更複雜。SEM允許精緻確認及檢測複雜的路徑模式。 或許最重要的，就是SEM提供同時考慮測量及預測獨特的分析，特別稱為潛伏變數模式（latent variable models） 。 SEM的分析步驟 理論架構模式的建立 建立因子變數間因果關係的路徑圖（path diagram） 轉換路徑圖為結構方程式與測量方程式 選擇分析模式（共變數或相關係數） 評估模式的鑑定 評估適配度（goodness-of-fit）的結果 模式解釋與修改 Structural Equation Modeling SEM 概論 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 多變量分析牽涉到多組測量值間的關係。 Lattin（2003）等