同济大学 lierl应用.pptVIP

LISREL的应用 尹卫兵 同济大学经济与管理学院 Structural Equation Model原理 SEM的八个矩阵 SEM主要参数 SEM步骤 模型设定 EFA 和CFA 模型估计 模型评价 模型修正 LISREL应用步骤 探索性因子分析：阐述有哪些因子组成（cronbach‘s alpha 和特征值）； 验证性因子分析：阐述因子个数和载荷预期（信度和效度； alpha和AVE）； 模型估计： 范例结果 假设验证： 范例论文 相关说明 样本容量 SPSS数据预处理 拟合指标: 范例 对于标准化路径系数而言，其绝对值大于0.5以上算是大效果、0.3为中效果，小于0.1为小效果 Chi-Square for Independence Model with 136 df = 1982.04 Independence AIC = 2016.04 Model AIC = 278.15 Saturated AIC = 306.00 Independence CAIC = 2098.63 Model CAIC = 491.90 Saturated CAIC = 1049.26 Normed Fit Index (NFI) = 0.90 Non-Normed Fit Index (NNFI) = 0.94 Parsimony Normed Fit Index (PNFI) = 0.72 Comparative Fit Index (CFI) = 0.95 Incremental Fit Index (IFI) = 0.95 Relative Fit Index (RFI) = 0.88 Critical N (CN) = 263.34 Root Mean Square Residual (RMR) = 0.054 Standardized RMR = 0.054 Goodness of Fit Index (GFI) = 0.94 Adjusted Goodness of Fit Index (AGFI) = 0.92 Parsimony Goodness of Fit Index (PGFI) = 0.67 拟合度指标（X2 /df, GFI, AGFI, PGFI, NFI, NNFI） 卡方自由度比（X2 /df）表示SEM假设模型的导出矩阵与观察矩阵的差异程度，卡方自由度比小于2表示模型具有理想的契合度。 Goodness-of-Fit Index（GFI）表示假设模型可以解释观察变量的变异数与共变量的比例Adjusted GFI（AGFI）表示模型的可解释变异量 Parsimony GFI（PGFI）反应SEM模型的简约程度，一般要求PGFI的数值大于0.5 Normed Fit Index（NFI）与Non-Normed Fit Index（NNFI）两个指标是用来反应假设模型与另一个观察变项间没有任何共变假设之独立模型的差异程度 comparative-Fit Index（CFI）反应假设模型与无任何共变关系的独立模型之差异程度，CFI在小样本SEM分析时常被视为重要的评估指标。 Root Mean Square Error of Approximation（RMSEA）渐进均方根指针是在比较理论模式与完美契合之饱和模式的差异程度，数值越小表示假设模型的契合度越好 Crtical N（CN）样本指针是用来让研究者知道所使用的样本数是否足够用来估计假设模型的参数及模式的适配，常见的门坎值需等于或大于200。 Standardized Root Mean Square Residual（SRMR）是用来反应假设模型的参数估计所无法反应实际观察数据的变异量，数值介于0至1之间，一般是以小于0.08当作可接受的判定标准。 THANK YOU VERY MUCH! Q A * * ＜0.08 RMSEA ＜0.05 R