管理研究方法论第五章数据分析.pptVIP

简 介 结构方程建模，简称SEM，是一种综合运用多元回归分析、路径分析和确认型因子分析方法而形成的一种统计数据分析工具。可用来解释一个或多个自变量与一个或多个因变量之间的关系。 一般来说，定类和定序尺度的变量属于离散型，定距和定比尺度的变量属于连续型。 SEM有四种变量：外生显变量，内生显变量，外生潜变量，内生潜变量。 SEM通常以路径图的形式描绘。主要元素有： 方框表示显变量，常标以x,y; 圆圈或椭圆表示潜变量，常标以ξ ,η; 外生显变量误差δ 、内生显变量误差ε 、内生潜变量误差ζ均画在方框和圆圈外；外生潜变量无误差。 SEM的实际应用都靠计算机软件来完成，现在最通用的有LISREL和AMOS。 二、应用步骤 1.模型设定 根据研究假设来建立SEM模型，它是简洁、形式化的表现研究设计内容的过程。一般是路径图，也可以是数学方程形式。 路径图由测量模型和结构模型两部分构成。采用哪些显变量指标来间接测度潜变量因子可以有很多选择。思路有两种：一种是找出对各个观察变量有共同影响的公共因子，这是探索型因子分析的思路；另一种是由研究者选定两个或多个观测变量，从属于某个潜变量，然后验证这种变量设计的信度和效度，这是确认型因子分析的思路。SEM采用的是确认型因子分析。 因为研究者所选定的数个观测变量和一个潜变量之间的一组从属关系并无把握说这是唯一的，可以有多种选择。所以从实用角度看，在工作流程环节中应有“模型修正”一项。 2.模型辨识 SEM模型构造出来之后,接着要确定此模型中需要估计的参数（看上图）。 自由度df=[(p+q)(p+q+1)/2]-t 式中p表示外生观测变量的个数，q表示内生观测变量的个数， t为需要估计的参数个数。 若自由度df大于等于0，模型有可能识别；自由度小于0，模型一定不能识别。 SEM的模型识别分两个阶段进行，先对测量模型部分按验证性因子分析模型的识别方法进行判断，如可以识别，接下去对结构模型部分进行判断，如果通过则整个模型可识别。 3.模型估计 所设定的模型如通过检验是可以识别的,下一步便是模型估计问题.模型估计就是求解模型中各个参数的估计值,并在此基础上估计出8个基础参数矩阵,包括: ∧x和∧y ——观测变量在潜变量上的因子载荷矩阵； β ——内生潜变量间的路径系数矩阵； Γ ——外生潜变量对相应内生潜变量的路径系数矩阵； Ψ ——内生潜变量误差项ζ的协方差矩阵； Θδ和Θε ——观测变量误差间的协方差矩阵； Φ ——外生潜变量的协方差矩阵。 LISREL区分三种参数：固定参数；约束参数；自由参数。 参数估计方法有最大似然估计法、两阶段最小二乘法、广泛最小二乘法等。 4.模型评价 模型评价的核心内容是模型的拟合性。它所包含的内容是：研究者所提出的变量间关联的模式是否与实际数据拟合以及拟合的程度如何。 常用拟合优度指标可概括为以下四种： （1）绝对拟合优度指标； （2）增值拟合优度指标； （3）简约拟合优度指标； （4）离中拟合优度指标； 评价设定的理论模型须运用多种拟合优度指标来检验，而不能仅依赖其中一个。 5.模型修正 研究者对设定的理论模型进行拟合性检验，如发现模型偏离数据所显示的实际情况，则修正该模型，然后再检验，不断重复此过程直到获得一个拟合性好而各估计参数又能赋予合理的解释为止。 模型评价结果须从三方面加以判断：1.总览多个不同的整体拟合优度指标，看模型的整体拟合性是否可接受；2.SEM得出的解答是否适当，各参数是否在合理范围内，各种路径系数是否符合统计显著性；3.变量设计的信度。 模型如须修正，可应用SEM软件输出的残差分析。残差指实际协变量和估计协变量之差。若残差为正值，表示模型低估两变量之协方差；反之高估。正残差的情况下，研究者可考虑增加路径，负残差情况下可考虑减少路径。 研究者还可根据SEM软件输出的修正指数来调整模型等。 一.信度和效度 1.效度即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。 2. 信度表示对于同样的对象，运用同样的观测方法得出同样的观测数据的可能性。 常用的信度指标有三类：稳定性、等值性、内部一致性。 第四节 评估研究 1、稳定性：由同一个受测者应用同一种测试工具作出反应，若能出现前后一直的结果，则称这种测试方式具有稳定性。 2、等值性：等值性关注同一时刻点、不同人员对某测试项目带来的测试误差。差异越小等值性越高。 3、内部一致性：它关注不同测试项目所带来测试结果的差异。不同测试项目得出同样的测试结果，便符合内部一致性。 信度与效度二者的关