结构方程模型（ Structural Equation Model, SEM）简介.pptVIP

指标名称 指标含义 接受标准 适用情形 平均概似平均误根系数RMSEA 比较理论模型与饱和模型的差距 <.05 不受样本数与模型复杂度影响 讯息指数AIC 经过减效调整的模型拟合度的波动性 越小越好 适用效度复核非嵌套模型比较 一致信息指数CAIC 从样本量方面对AIC进行调整 越小越好 适用效度复核非嵌套模型比较 关键样本指数CN 接受假设模型所需的样本数目 >200 反映样本规模的适切性 选择拟合指数的依据： 第一，拟合指数应该不受或少受样本容量影响; 第二，拟合指数应该进行模型复杂性校正，即对复杂模型进行惩罚（两种情况）。 研究发现，81.3%的研究报告了卡方值,70.2%报告了卡方/df，其他拟合指数按其比率大小依次是CFI ( 91. 8% ) , RMSEA(83 . 6 % ) , NNFI(或TLI )(76%)、GFI(71.9%)、 NFI(55 %)、 AGFI(42.7%)、 IFI(36.3%)、RFI(9.4%)、 RMR(8.7%)、RNI(2.9%)、 AIC(2.9%)、 EVCI(1.2%)，仅有8.2%的研究报告了省俭指数。 GFI和AGFI在上世纪80,90年代很常用，但后来发现受样本容量的影响大，且在不同情况下有各种程度的误差出现，新近拟合指数的专门研究只很少推荐使用这两个指数。 测定系数 类似于回归分析中的R2(Coefficient of Determinant) 第i个方程的测定系数: 其中 是第i个方程的残差的方差的估计值， 是第i个变量的样本方差。 方程的测定系数用于评价第i个方程对数据的解释能力。 由于每个参数都会给出标准误(standard error)，因此可以对参数进行显著性检验。也就是检验参数是否为零。 比如，检验结果两个潜在变量之间的系数不显著，就应该固定该参数为零，然后修正模型并重新估计。 参数检验 模型修正(Modification Index, MI) 当拟合指数表明理论模型与数据拟合程度不好时，需要对模型进行修正。 针对初始理论模型进行局部的修改或调整，以提高假设模型的适配度。 模型修正原则： （1）模型必须符合理论，不能盲目跟着数据走而只追求统计上的适配度高的模型。 （2）模型越简单越好 （3）模型修正时一次只能修正一个参数（nested） （4）经过修正得到的模型，必须进行交互效度检验 模型修正的两个方向： 一是向模型简约方面修正，即删除或限制一些路径，是模型更加简洁； 二是向模型扩展方面修正，即放松一些路径的限制，提高模型的拟合程度。 主要依据修正指数（MI）和临界比例（CR）的大小进行调整。 新进展 SEM和IRT在题目因素分析上的比较 ESEM：探索性的结构方程模型 * 回归分析中的多因变量是逐一计算的，并且因变量之间是相互独立的！ * 探索性结构方程建模(ESEM)是含有EFA测 量模型的SEM，它的结构部分与通常的SEM相 同，小同的是其测量模型部分，允许同时估计同 一个指标在多个因子上的负荷。ESEM的实现原 探索性结构方程建模(ESEM)是含有EFA测量模型的SEM，它的结构部分与通常的SEM相同，不同的是其测量模型部分，允许同时估计同 一个指标在多个因子上的负荷。ESEM整合了EFA和CFA两种因子分析方法的功能和优点。通过ESEM，研究者既可以灵活地探索因子结构，又可以系统地验证因子模型，为潜变量的关系分析提供更适宜的测量模型。 结构方程模型（ Structural Equation Model, SEM）简介 任亚军 目录 SEM的简介 测量模型和结构模型 SEM模型图中的符号与意义 模型的识别 参数估计的方法 模型的评价 模型的修正 SEM的介绍 结构方程模型（ Structural Equation Model）是基于变量的协方差矩阵来分析变量之间关系的一种统计方法。所以，有时候也叫协方差结构分析。 很多心理、教育、社会等概念，均难以直接准确测量，这种变量称为潜变量（latent variable），如智力，我们只能求其次，用一些外显指标（observable indicators），如言语，数学，推理，等能力，去间接测量这些潜变量。 包含的统计方法： a. 验证性因素分析（Confirmatory Factor Analysis） b. 路径分析（Path Analysis） c. 多元回归（Multiple regression ） SEM的特点