结构方程模型分解课件.pptVIP

③SEM 对样本容量的要求较高 ,也要求模型必须满足识别条件并且它不能处理真正的分类变量。 五、应用实例 应用场合 CALIS过程简介 proc calis语句是必须的，且此语句还可添加一些选项，这些选项主要包括： （1）数据集选项，如DATA= 使用的数据集的名字；INRAM= 使用已存在的并被分析过的模型；OUTRAM= 将模型的说明存入输出数据集，备以后INRAM调用。 （2）数据处理选项，如EDF= 在没有使用原始数据且未指定样本数N时为模型指定自由度；NOBS= 指定样本数N。 （3）参数估计方法选项，METHOD= 规定参数的估计方法，估计方法有多种，如ML、GLS、ULS、WLS等，默认的是ML。 （4）最优化选项，OMETHOD= 最优化方法包括LM、CG、NR、QN，缺省时为LM。 （5）输出选项，主要是控制输出结果包括的内容。 CALIS提供几种方法说明构建的理论模型。在多数情况下，LINEQS语句和RAM语句用起来比较方便，LINEQS语句直接描述结构方程组，路径图可以用RAM语句描述。至于具体选择哪个语句主要取决于个人习惯。 对于证实性因子分析，采用LINEQS语句设定等式的方法是：观测变量名=因子载荷名×潜变量名+误差项名。一个LINEQS语句可以列出多个等式，每个等式中间用逗号“，”分开，最后一个等式用分号“；”结束。观测变量名应与相关矩阵或原始数据集中的变量名保持一致，潜变量须用f开头，误差项以e开头，因子载荷的名字可以任意给定，但乘积项因子载荷与潜变量之间必须有空格，不必写出乘号。 STD语句给出模型中需要估计的方差。 COV语句给出模型中需要估计的协方差。cov f1 f2=cov；表示要估计f1和f2之间的协方差，协方差为cov。 共产党员在政府工作中，应该是十分廉洁、不用私人、多做工作、少取报酬的模范。共产党员在民众运动中，应该是民众的朋友，而不是民众的上司，是诲人不倦的教师 结构方程模型 一、结构方程模型简介 1、什么是结构方程模型 2、为什么使用结构方程模型 3、结构方程模型的结构 4、结构方程模型的优点 5、结构方程模型中的变量 6、结构方程模型常用图标 1、什么是结构方程模型 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。 我们的课程只考虑线性结构方程模型。 结构方程模型常用于：验证性因子分析、高阶因子分析、路径及因果分析、多时段(multiwave)设计、单形模型(Simple Model)、及多组比较等 。 常用的分析软件有：LISREL、Amos、EQS、MPlus 2、为什么使用结构方程模型 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、学习动机、家庭社会经济地位等等。我们只能求其次，用一些外显指标（observable indicators），去间接测量这些潜变量。 如：以语文、数学、英语三科成绩（外显变量），作为学业成就（潜变量）的指标。 传统的统计方法不能有效处理这些潜变量，而结构方程模型则能同时处理潜变量及其指标。传统的线性回归分析容许因变量存在测量误差，但是要假设自变量是没有误差的。如： 在 y=bx+e的模型中，x和y如都不能被准确测量的时候，变量之间的关系是不能估计的。 如：分析自信 (X)与外向(Y)之间的关系： 用4个题目测量自信，4个题目测量外向。 传统上先计算外向题目的总分（或者平均分）和自信题目的总分（或者平均分），再计算两个总分（或者平均分）的相关，这种计算所得的两个潜变量（外向和自信）的关系，不一定恰当，但是结构方程模型能提供更佳的答案（如典型相关分析等）。 自信 外向 x1 x2 x3 x4 y1 y2 y3 y4 模型举例 3、结构方程模型的结构 结构方程模型可分为：测量模型和结构模型 (1)测量模型：指标和潜变量之间的关系 说明： x,y是外源(如:六项社经指标)及内生(如:中、英、数成绩)指标。 δ,ε是X，Y测量上的误差。 Λx是x指标与ξ潜伏变项的关系(如:六项社经地位指标与潜伏社经地位的关系)。 Λy是y指标与η潜伏变项的关系(如:中、英、数成绩与学业成就间关系)。 (2)结构模型：潜变量之间的关系 η——内生(依变)(endogenous,dependent)潜伏变项(如:学业成就) ξ——外源(自变)(exogenous,independent)潜伏变项(如:社经地位