结构方程模型与应用.pptVIP

结构方程模型及其应用 一、引言 二、结构方程模型简介 三、验证性因子分析 四、全模型 一、引言 1、描述数据：要准确还是要简洁？ 2、好模型是尽可能准确且相对简洁 3、一个具体的例子： 例子：9个不同学科的相关关系（1） 学科 1 2 3 4 5 6 7 8 9 1 1.00 2 0.12 1.00 3 0.08 0.08 1.00 4 0.50 0.11 0.08 1.00 5 0.48 0.03 0.12 0.45 1.00 6 0.07 0.46 0.15 0.08 0.11 1.00 7 0.05 0.44 0.15 0.12 0.12 0.44 1.00 8 0.14 0.17 0.53 0.14 0.08 0.10 0.06 1.00 9 0.16 0.05 0.43 0.10 0.06 0.08 0.10 0.54 1.00 首先：输入观测变量的相关矩阵S 例子：9个不同学科的相关关系（2） 第二：提出简洁模型 学科1 学科4 学科5 学科2 学科6 学科7 学科3 学科8 学科9 第1组 第2组 第3组 M1 利用软件进行分析 需要输入： 调查对象个数； 协方差矩阵； 路径图 例子：9个不同学科的相关关系（3） 学科 1 2 3 4 5 6 7 8 9 1 1.00 2 0.10 1.00 3 0.11 0.10 1.00 4 0.50 0.09 0.10 1.00 5 0.48 0.09 0.09 0.45 1.00 6 0.10 0.46 0.10 0.09 0.09 1.00 7 0.09 0.44 0.09 0.09 0.08 0.44 1.00 8 0.13 0.12 0.53 0.12 0.12 0.12 0.11 1.00 9 0.16 0.10 0.43 0.10 0.10 0.10 0.09 0.54 1.00 第三：程序回馈最接近的再生矩阵∑ 例子：9个不同学科的相关关系（4） 第三：程序回馈最接近的再生矩阵∑ 学科1 学科4 学科5 学科2 学科6 学科7 学科3 学科8 学科9 第1组 第2组 第3组 M1 0.73 0.69 0.65 0.68 0.68 0.65 0.65 0.81 0.66 0.19 0.22 0.22 例子：9个不同学科的相关关系（5） 第四：检查模型的准确性和简洁性 准确性：拟合优度指数：χ2,NNFI, CFI 简洁性：自由度=p(p+1)/2-要估计的参数个数 例子：9个不同学科的相关关系（6） 第五：检查其他可能模型 第六：模型比较 二、结构方程模型简介 1、SEM的重要性 1）SEM：基于变量的协方差来分析变量之间的关系。 2）应用原因：可以分析涉及潜变量的复杂关系。 ◆管理研究离不开一些抽象的构念： —— “学业成就” 、“家庭社会地位”等等 ——可操作化以便得到具体数据 ◆这些具体的能进行测量的变量称为 ——显变量/观察变量/测量变量 例如： 学业成就：语文、数学、英语 家庭社会地位：学生父母受教育程度、父母职业及其收入 2、结构方程模型的结构 1）测量模型：指标与潜变量之间的关系 x=Λxξ+δ（如语文与学业成就的关系） y=Λyη+ε （如家庭收入与社会地位的关系） 2）结构模型η=Βη+Γξ+ζ（学业成就与社会地位的关系） x—外源指标向量 y—内生指标向量 Λx—外源指标在外源潜变量上的因子负荷矩阵 Λy—内生指标在内生潜变量上的因子负荷矩阵 ξ—外源潜变量 η—内生潜变量 δ—外源指标x的误差项 ε—内生指标y的误差项 Β—内生潜变量之间的关系 Γ—外源潜变量对内生潜变量的影响 ζ—结构方程的残差项，反映η在结构方程中未被解释的部分。 3、结构方程模型的优点： 1）同时处理多个变量：回归分析在计算对某一个因变量的影响时，忽略了其他因变量的存在及其影响； 2）容许自变量和因变量含测量误差：回归分析只允许因变量有误差，不允许自变量有测量误差； 3）同时估计因子结构和因子关系：因子分析的步骤是先算因子负荷，进而得到因子得分，再计算因子得分的相关系数得到潜变量的相关系数； 4）容许更大弹性的测量模型：传统上一个指标只能从属于一个因子，但SEM一个指标可以从属于多个因子； 5）估计整个模型的拟合程度:传统路径分析只估计每一路径的强弱。 4、路径图的图标规则 圆或者椭圆表示潜变量或因子 正方形或者长方形表示显变量或指标