结构方程模型与AMOS说课材料.pptVIP

结构方程模型简介 Structural equation modeling 结构方程模型 1 AMOS软件介绍 2 结构方程模型与AMOS 为什么要用结构方程模型？ 很多社会、心理研究中所涉及到的变量，都不能准确、直接地测量，这种变量称为潜变量，如数学态度、数学效能、数学焦虑等。 这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。如用学习动机、学习信心作为学习态度（潜变量）的指标，以自我肯定、持续努力（外显指标）作为数学效能的指标，以考试焦虑、课堂焦虑作为数学焦虑的指标。 传统的统计分析方法不能妥善处理这些潜变量， 而结构方程模型则能同时处理潜变量及其指标。 传统的分析中均假设自变量没有测量误差。 什么是结构方程模型？ 结构方程模型是应用线性方程表示观测变量与潜变量之间，以及潜在变量之间关系的一种多元统计方法，其实 质是一种广义的一般线性模型。 结构方程模型分为：测量方程和结构方程 测量方程（measurement equation）描述的是潜变量与指标之间的关系，如学习动机、学习信心指标与数学态度的关系 结构方程（structural equation）描述的是潜变量之间 的关系，如数学态度、数学效能、数学焦虑的关系。 结构方程模型的基本概念 潜在变量(latent variable):无法直接测量，需要用外显指标去间接测量的变量； 观测变量(observed variable):可以直接被测量的变量； 外生变量(exogenous variable):在模型中只起解释变量作用的变量； 内生变量(endogenous variable):在模型中，受模型其他变量包括外生变量与内生变量影响的变量； 残差项(error terms)：观察变量估计潜在变量的出现的误差； 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 。 测量方程 结构方程 测量模型与结构方程 测量模型回归方程如下： X1=λ1ξ1+σ1 X2=λ2ξ1+σ2 X3=λ3ξ1+σ3 Y1=λ1η1+ε1 Y2=λ2η1+ε2 Y3=λ3η1+ε3 上述回归方程的矩阵方程如下： 测量模型回归方程 结构模型潜变量间回归方程如下： η1=γ1ξ1+e1 η2=γ3η1+γ2ξ1+e2 结构模型回归方程 残差（e1、e2）表示方程中未能被解释的部分 潜变量 观测变量 内生潜变量 外生潜变量 误差 测量方程 测量方程 结构方程 相关 因果 全模型 结构方程模型的优点 (1)可同时考虑及处理多个因变量(endogenous / dependent variable); (2)容许自变及因变量(exogenous / endogenous)含测量误差; (3)与因素分析相似，SEM容许潜变量(如:社经地位)由多个观察指标变量(如:父母职业、收入)构成,并可同时估计指标变量的信度及效度(reliability and validity); (4)SEM可采用比传统方法更有弹性的测量模型(measurement model),如某一指标变量可以从属于两个潜变量;在传统方法里,项目多依附于单一变量; (5)研究者可构造出潜变量间的关系,并估计整个模式是否与数据拟合。 SEM 的分析步骤 3 结构方程模型 SEM 概述 1 SEM与几种多元方法的比较 2 SEM的应用 4 SEM与几种多元方法的比较 ①SEM与传统多元统计方法（多元统计） 传统多元统计方法：检验自变量和因变量的单一关系（多元方差分析可以处理多个，但是关系也是单一的） SEM:综合多种方法，验证性分析，允许测量误差的存在。 ②SEM与典型相关分析（多个自变量与多个因变量之间关系） 典型相关分析：两组随机变量（定性或定量）之间线性密切程度；高维列联表各边际变量的线性关系；探索性分析 SEM:估计多元和相互关联的因变量之间的线性关系；处理不可观测的假设概念；说明测量误差。 ③SEM与联立方程模型（联立方程组、变量之间双向影响） 联立方程模型：方程数量取决于内生变量的数量；只能处理有观察值的变量，假定不存在测量误差 SEM:处理测量误差；分析潜在变量之间结构关系。 SEM与几种多元方法的比较 ④ SEM与人工神经网络（针对不可观测或潜在变量建模） 人工神经网络：执行数据分析时，模型的隐含层接点仍然没有被明确标识出来；数据从输入层通过隐含变量流向输出层（输出向输入回流的网络拓扑结构） SEM:数据分析之前，已经标识潜在变量并构