Amos论文完全攻略simple讲解.ppt

SPSS Inc. Copyright 2006 SPSS Inc. * 数据输出、报表解读 Analysis Summary分析摘要 * * 数据输出、报表解读 分析摘要 群组说明 变数摘要 参数摘要 常态性估计 样本矩阵 模型说明 估计 修正指标 收敛过程 成对参数比较 模型配适度 模型的比较 运行时间 离形心最远的观察值距离 数据输出、报表解读 Notes for Model (模型的批注) 报表解读 Regression Weights非标准化回归系数 * 报表解读 Standardized Regression Weights标准化回归系数 * 报表解读 Covariances共变异数 Correlations相关系数 报表解读 Variances 变异数：检查是否有违犯估计 * 违犯估计(offending estimates) “所估计的参数违反统计所能接受的范围” 负的误差变异数 (Heywood Case) 误差变异数不显著 标准化回归系数接近或超过于1 (以0.95为门坎，Heir et. Al. 1998) 有太大的标准误 * Heywood Case发生的原因(Hair, et al. 2009) 样本数太小 未能符合每个构面至少三个变量原则 模型配适度判断准则 模型配适度可分成三大评估准则 估计出的配适度0.5表示愈接近1愈好，0.9以上为理想值，0.8以上为可接受 估计出的配适度0.5表示愈接近0愈好，0.05以下为理想值，0.08以下为可接受 估计出的配适度不在0~1之间，表示值愈低愈好 模型配适度 Model Fit Summary 模型配适度摘要 * CMIN:卡方差异值 (愈小愈好) DF:自由度 (愈大表示模型愈精简) CMIN/DF:理想值为3~1之间 * 模型配适度 IFI, TLI(NNFI),CFI为最常报告的配适度指标,理想值为0.9甚至于0.95 精简配适度指标0.5表示模型不太复杂,但在配适度指标中不常出现 * 模型配适度 愈小愈好,没有一定标准,因此只有在竞争模型(两个以上的模型)才会用到 卡方最小差异值: (N-1)FMIN为卡CMIN,因此样本数愈大,CMIN愈大 * 模型配适度 目前配适度指标报告最多的指标之一 一般会含90%信赖区间(CI)一并报告 PCLOSE0.05表示CI包含0.05 愈小愈好,没有一定标准,因此只有在竞争模型(两个以上的模型)才会用到 * 模型配适度 愈小愈好,没有一定标准,因此只有在竞争模型(两个以上的模型)才会用到 在95%信心水平下200表示样本是足够的 小于75表示样本严重的不足 * AMOS 输出解释 绝对配适指标 可解释为样本共变异数矩阵被模型共变异数矩阵解释的比例，类似于R2。 增值配适指标 研究模型的配适度与统计基本模型比较改善的程度，基本模型指的是独立(虚无)模型。 精简配适指标 决定研究模型是否太过复杂，同一笔样本数据但相似的模型以精简指针愈大者愈好。 竞争配适指标 非巢状模型比较用的配适指标，愈小愈好，没有标准值。 配适度指针的限制(Kline,2011,P192~193) 配适度指针的值只是模型的整体配适度或平均值而已，因此在模型的某些题目仍会有较大的差异。 SEM没有万用的指标 每一个配适度指针，仅表示数据某一面向的讯息，因此某一指针良好，不表示模型配适良好 配适度指针的值与模型是否设定是否正确没太大的相关 如模型有4个构面，而且配适度好，并不代表你的模型是对的，仅能告诉大家模型与样本数据的配适良好。 配适度指标的限制(Kline,2011,P192~193) 良好的配适度不代表有良好的统计检定力及解释能力 变数之间相关愈低，愈容易得到良好的模型配适度。 配适度指标不能用来解释成理论是具有意义的 如某一回归估计值的符号方向与理论值相反，即使配适度良好，也不能说是正确的，须要有良好的解释。 * 绝对配适指标 理论模型与饱和模型比较所得的统计量 χ2 test (卡方值) 愈小愈好 p值 (未达显著水平) p0.05 Normed Chi-square (NC)=χ2 /df 3NC1 (严谨) NC5 (寛松) GFI (配适度) 0.90 AGFI (调整后…) 0.90 * 绝对配适指标 理论模型与饱和模型比较所得的统计量 RMR (残差均方和平方根) 0.05 SRMR (标准化…) 0.05 RMSEA(渐近…) 0.08(配适尚可)  0.05(良好) HOELTER(CN) 200 P值显著的争议 实务上卡方值不是个很实用的配适度指标 P值在200个样本以上，几乎所有的研究都是显著的，因此佐以其它的配适度