结构方程模型入门.ppt

* 3、模型的解释 2．方向性。 方向性是建立在坚实的理论基础之上的。SEM是统计技术，无法处理方向性问题。 3．效果系数。 效果系数是指SEM的结构系数，有直接效果、间接效果和总效果之分。直接效果是指一个变量对另一个变量的影响未通过其他其他变量；间接效果是指一个变量对另一个变量的影响至少需要通过一个其他变量，总效果则是直接效果与间接效果的总和。在结果解释时直接效果是必然的，间接效果和总效果能回答直接效果无法回答的问题。譬如，在二级因素分析中，若想知道哪一个指标受到二级潜在变量的影响最大，就要找出二级潜在变量总效果最大的一个。 * 3、模型的解释 SEM效果的解释可以用非标准化系数和标准化系数两种方式。非标准系数是直接以原始分数进行的估计，需将与标准误同时呈现，因为，标准误一方面反应模型的稳定性，过小或过大的标准误意味着模型估计存在问题或产生了模型的不稳定，另一方面则反应着估计参数是否具有统计意义。非标准化系数虽然无法进行了模型内的参数比较，但是却能够对同一模型在不同群体的系数进行比较。标准化系数是以标准分数进行的估计，它消除了测量单位的影响，可以进行模型内参数大小的比较，了解参数的影响力。SEM结果呈现时两类系数应同时给出。 * 4、模型的推断和选择 在心理学研究中，模型的推断和选择是一个相当复杂的问题。在具体的实践中，研究者们应当特别注意如下两个原则：建构任何一个假设模型时都需要有相应的理论基础；竖立多个模型假设的观念，因为能够拟和任何一个数据的模型会有很多，一个能够很好拟和数据的模型并不一定是要找的最好的模型。 总的来说，只有在充分的理论研究的基础上，竖立多个模型假设的观念，借助相应的统计手段，才能找到一个最接近真实情况的最好的模型。 * 5、评价 SEM并非是包治百病的灵丹妙药, 与任何一种统计方法一样也有其局限性与不足之处。例如： ①模型虽按变童的时间顺序建立, 试图寻求变量间的因果关系, 而且也可作一定程度因果推论, 但不能作严格客观的因果推测 ②拟合指数易受样本大小的影响,小样本易拟合大样本难拟合。 ③要求变间呈线性关系, 有时难以保证 ④潜在变量的解释具有模糊性和随意性等，研究者在使用它时，首先要深人了解的理论墓础，否则很容易产生滥用与错误解释的现象。 * 6、SEM软件的使用情况 (Why) Should We Use SEM? Pros and Cons of Structural Equation Modeling Nachtigall, Kroehne, Funke, Steyer (2003) * * * * * * * * * 二、结构方程模型分析步骤示意图 首先针对研究问题，根据已有的研究资料提出多个假设模型，然后收集数据、进行分析，通过模型与实际数据的拟合情况和模型比较的结果，确定最终的结果模型。 根据LISREL的分析程序，SEM大体分为建立模型、识别模型、估计模型，评估模型和修正模型五个步骤。 * 模型界定 模型的界定必须来自健全理论的建构。 模型界定的步骤有三。首先由研究者整理文献与相关理论，提出建立模型的双向结构表，然后由专家对结果进行论证，最后根据确定的结构设计可能的项目。 * 三种模型策略 SEM的基本假设是观测变量的共变数矩阵是一组参数的函数，而检验一个共变数矩阵有三种模型策略。 * 验证模型策略 即根据搜集的经验资料严格检验研究者界定的理论模型，以确定所检验理论模型是接受还是拒绝，所谓严格检验是指当模型被拒绝时，不再寻找接受模型的可能线索。 * 竞争模型策略 即研究者事先界定多个可替代的理论模型，再搜集一组经验资料以检验哪一个理论模型与经验资料最匹配。譬如对智力既可用Spearman的二因素理论解释，也可用Thurstone的群因素理论解释，还可以用卡特尔的简明层次论解释等，对于哪一种解释方式最好，以往的统计技术难以处理， SEM却可以有效地处理这类问题，采用竞争模型更符合实际情况。 * 模型的发展策略 即研究者先利用理论界定出一个起始模型，再搜集一组资料检验其匹配程度。如果不是相当匹配，可运用SEM统计中的某种指数了解需要修正的地方，如果需修正处有着健全的理论可解释则将其修正，这是一般研究者常用的策略。 * 模型识别 模型的识别分为低识别、恰好识别和过度识别三种。 对SEM理论不十分清楚的研究者，往往会忽略模型识别的问题，只是将其交给统计软件处理，即不知其中存在诸多复杂的问题，对此应当阅读有关书藉，详细了解模型识别的问题。 * 模型的估计 用观测资料估计模型的参数方法有很多，最常用的有三种，即最大概似法、广义最小平方法和渐近分布自由法。 * 拟合概念 当我们测试某一模型时,其实是在研究自己所提的模型(即哪些变量之间有关，哪些则没有) 是否与数据拟合。