结构方程结构方程.pptVIP

SEM模式之組成 SEM 測量模式之繪製 SEM 结构模式之绘制 根据过去的实验、经验与理论… 决定因果关系 绘制径路图 单向因果关系 Construct 建构间之关系 简单概念(eg age) or 复杂概念 (eg attitude) 双向因果关系 AMOS径路图的绘制 Verbal IQ Info e1 1 1 Comp e2 1 Arith e3 1 Similar e4 1 Vocab e5 1 Performance IQ Pic com e6 Pic Arr e7 Blocks e8 Objects e9 Coding e10 1 1 1 1 1 1 以学童语文智慧与操作式智慧为例 李茂能, 2006 结构方程模式 之定义 结构方程模式(Structural Equation Models，简称SEM)，早期称为线性结构方程模式(Linear Structural Relationships，简称LISREL)或称为共变量结构分析(Covariance Structure Analysis)。 主要目的在于考验潜在变项(Latent variables)与外显变项(Manifest variable, 又称观察变项)之关系，此种关系犹如古典测验理论中真分数(true score)与实得分数(observed score)之关系。它结合了因素分析(factor analysis)与路径分析(path analysis)，包涵测量与结构模式。 SEM的統計模式 ☆测量模式的考验必须先于结构模式。 测量模式与结构模式之目的 测量模式旨在建立测量指标与潜在变项间之关系，主要透过验证性因素分析以考验测量模式的效度。 结构模式旨在考验潜在变项间之因果路径关系，主要针对潜在变项进行径路分析，以考验结构模式的适配性 结构方程模式的参数估计流程(1) 理论上，假如结构方程模式正确及母群参数已知时，母群共变数矩阵 (?)会等于理论隐含的共变数矩阵?(?)，隐含的共变数矩阵系根据回归方程式中的参数所重组之共变数矩阵，式中 ?向量包含模式中所有待估计的参数，例如?={?,?,?}。不过，通常母群之变异数与共变数的参数并不知道，需以样本估计值()取代之。 結構方程模式的參數估計流程(2) 適配函數值之計算 前述适配函数值系利用差距函数：F = (s-?)’W(s-?)计算而得。式中s是观察共变数矩阵S中不重复的变异数与共变数，所形成的向量。?是隐含共变数矩阵?( )中不重复的变异数与共变数，所形成的向量。 W是校正加权矩阵，不同W会形成不同的适配函数 根据所获得的最小适配函数值，进行?2考验(计算公式为: ?2=(N-1)*F，df=(p+q)(p+q+1)/2-t，p与q为观察变项数(含自变项与依变项)，t为待估计的参数数目)。一般研究者，均不希望?2考验结果达到统计上之显着水准，以便接纳虚无假设：S=?( )，亦即希望所提的理论模式与观察资料可以适配，而不是推翻它。 SEM 為線性聯立方程式之集合 為了去解一組方程式, 我們必須有足夠的資訊, 【如已知數據( known values), 或 限制(constraints)】，才能估計出未知參數 。此乃SEM模式辨識問題。 除非這組方程式可以辨識, 否則無法獲得正確的參數估計值 -- regardless of how many observations we have. 界定潜在变项的测量单位 理由：因为潜在变项?与?无法观察的到，其量尺刻度无法确定，我们必须界定其原点与测量单位，才能估计潜在变项的变异数与径路系数，以界定其结构模式为可辨认的模式 (An Identified Model) 。 方法(以下两者仅能选其一): 选定一个最能代表潜在变项的观察变项，将其?x与?y值加以固定(通常设定为1，会使相关之因子具有相同之变异数)，误差项的廻归系数亦设定为1 ，才能进行其余的参数估计。 将潜在变项标准化(如具有相同之变异量或固定为1)。但只能为?变项加以界定(此时可估计其所属的所有因素负荷量)， ?变项则无法做到。因为?的共变数矩阵并非自由参数矩阵，可以任意加以设定。 可辨識性的定義 假如模式中每一未知参数均有一最适值(optimal value),则该模式为可辨识。假如该模式为可辨识，通常其最大可能性叠代解法为可聚敛而得到一最佳解(optimal solution)，此参数估计值为该资料的最适配值。例如: x + 3y = 4 , 即有无限最佳解 (如 x = 1, y = 1 or x = 4, y = 0)。这些值称为无法辨识 “not identified” or “underidentified.” 因为未知数比已知数还多。再如: x + 3y