【北师大心理统计学课件】7-多质多法.pptVIP

多组比较检查原则 在检查等同条件时,未加等同条件,模型较复杂(df较小) 加了等同条件,模型较简单parsimonious (df较大) 未加”等同”条件, χ2较小(拟合较好) 加”等同”条件, χ2较大(拟合较差) 加”等同”条件,若模型简化甚多,但拟合优只是轻微恶化,则”等同”成立及合理 加”等同”条件,若模型简化不多,但拟合优严重恶化,则各组并不等同(等同不成立) 多组比较设定方法 等同检查 第一组 其他组别 检查（每组解答恰当外） 形态等同 依先验模型， 估计各参数 依先验模型， 估计各自由参数 每组拟合优良 LX等同 估计各自由LX LX=IN 拟合优度无严重恶化 PH等同 估计各自由PH PH=IN 拟合优度无严重恶化 TD等同 估计各自由TD TD=IN 拟合优度无严重恶化 TX等同 估计各自由TX TX=IN 拟合优度无严重恶化 KA等同 KA=FI,ZE(zero) KA=FR 每组KA与第一组（或其他组）无显著差异 四、结构方程建模和分析步骤 1、验证模型与产生模型 纯粹验证（strictly confirmatory，SC） 心目中只有一个模型 这类分析不多，无论接受还是拒绝，仍希望有更佳的选择 选择模型（alternative models，AM） 从拟合的优劣，决定那个模型最为可取 但我们仍常做一些轻微修改，成为MG类的分析 产生模型（model generating，MG) 先提出一个或多个基本模型 基于理论或数据，找出模型中拟合欠佳的部份 修改模型，通过同一或其他样本，检查修正模型的拟合程度，目的在于产生一个最佳模型 2、结构方程分析步骤 模型建构（model specification）,指定 观测变量与潜变量（因子）的关系 各潜变量间的相互关系（指定哪些因子间有相关或直接效应） 在复杂的模型中，可以限制因子负荷或因子相关系数等参数的数值或关系（例如，2个因子间相关系数等于0.3；2个因子负荷必须相等） 模型拟合(model fitting,通常 ML) 主要的是模型参数的估计(e.g.,回归分析，通常用所最小二乘方法拟合模型，相应的参数估计称为最小二乘估计 ) 3、模型评价（model assessment） 结构方程的解是否适当，估计是否收敛，各参数估计值是否在合理范围内（例如，相关系数在 +1与－1之内） 参数与预设模型的关系是否合理。当然数据分析可能出现一些预期以外的结果，但各参数绝不应出现一些互相矛盾，与先验假设有严重冲突的现象 检视多个不同类型的整体拟合指数，如 NNFI、CFI、RMSEA 和等 含较多因子的复杂模型中，无论是否删去某一两个路径（固定它们为0），对整个模型拟合影响不大 应当先检查每一个测量模型 4、模型修正（model modification） 依据理论或有关假设，提出一个或数个合理的先验模型 检查潜变量（因子）与指标（题目）间的关系，建立测量模型 可能增删或重组题目。 若用同一样本数据去修正重组测量模型，再检查新模型的拟合指数，这十分接近探索性因素分析（EFA），所得拟合指数，不足以说明数据支持或验证模型 可以循序渐进地，每次只检查含2个因子的模型，确立测量模型部分的合理后，最后才将所有因子合并成预设的先验模型，作一个总体检查。 对每一模型，检查标准误、t值、标准化残差、修正指数、参数期望改变值、及各种拟合指数，据此修改模型并重复步骤。 这最后的模型是依据某一个样本数据修改而成，最好用另一个独立样本，交互确定（cross-validate） 结构方程模型2 多质多法 高阶因子分析 多组分析 结构方程建模和分析步骤 一、多质多法模型 Multitrait-multimethod(MTMM) 五种方法(method) 家长，教师，学生，纸笔测验，专题报告 五种能力(trait) 创造力，美术技巧，数学能力，语文能力，科学知识 25个得分（观测变量） 5种方法x5种能力 分析方法一：相关特质相关方法(CTCM, correlated-trait correlated-method) DA NI=25 NO=500 MA=KM KM SY 1.0 .40 1.0 .44 .43 1.0 .39 .41 .43 1.0 .44 .38 .44 .45 1.0 .50 .21 .18 .19 .19 1.0 .19 .48 .22 .23 .18 .45 1.0 .20 .21 .53 .18 .23 .42 .43 1.0 .22 .19 .19 .53 .22 .41 .45 .45 1.0 .19 .17 .22 .19 .52 .46 .41 .39 .44 1.0 .49 .23 .23 .17 .23 .51 .23 .17 .23 .23