结构方程原理.ppt

模型 的 设定 识别 估计 评估 修正 Measurement Model测量模型 ? 1 X1 X2 X3 X4 ?1 ?2 ?3 ?4 ?41 ?31 ?21 ?11 ? 2 X5 X6 X7 X8 ?5 ?6 ?7 ?8 ?82 ?72 ?62 ?52 ?12 模型 的 设定 识别 估计 评估 修正 SEM可用以下结构方程表示潜变量之间的关系： η=Bη+Γξ+ζ η——内因潜变量(果变量） ξ——外因潜变量(自变量） B ——内因潜变量间的关系 г——外因潜变量对内因潜变量的影响 ζ——结构方程的残差项，反映了η在方 程中未能被解释的部分。 结构模型 模型 的 设定 识别 估计 评估 修正 Path Model结构模型 ξ1 ξ2 ξ3 η1 η2 η3 SEM Full Model 全模型 ? 1 X1 X2 X3 X4 ?1 ?2 ?3 ?4 ?41 ?31 ?21 ?11 ?1 y1 y2 y3 y4 ?1 ?2 ?3 ?4 ?41 ?31 ?21 ?11 ? 2 y5 y6 y7 y8 ? 5 ? 6 ? 7 ? 8 ?82 ?72 ?62 ?52 ?11 ?21 ?21 模型 的 设定 识别 估计 评估 修正 模型 的 识别 设定 估计 评估 修正 识别工作主要是考虑模型中每一个未知的(自由)参数能否由观测资料求得唯一解来作为估计值。 对于某一个自由参数，如果不可能将这一参数以样本观测变量的代数函数表达，那么这个参数就不能识别(unidentified)。 要是一个未知参数至少可以由观测变量的协方差矩阵(一般用S来代表)中的一个或多个元素的代数函数来表达，就称这个参数可以识别。 模型的识别 　　　　　 模型的识别 不可识别（under-identified） 可以识别（identifiable） 　　　　　　　　　　　 恰好识别 过度识别 （just-identified） （over-identified） 　　　　　 　 　　　　　　　　　　　　　 模型 的 识别 设定 估计 评估 修正 识别的步骤： 1、计算数据点数目与模型中待估计参数（自由参数）的数目 数据点数目等于(p+q)(p+q+1)/2，其中p是外因观测变量的数目，q是内因观测变量的数目。（数据点数目包含所有的观测变量的协方差和方差） 模型中待估计参数数目等于模型中待估计的回归系数、方差、协方差、平均数与截距项的总数目。 一般的sem模型中多数自由参数只包括回归系数、方差与协方差三种，除非使用者选取平均数和截距项 估计的选项，否则AMOS内定的参数估计中，不 会进行这两项的估计。 在这个例子中，有三个外因观测变量、两个内因观测变量，样本数据点数目为 (p+q)(p+q+1)/2=(3+2)(3+2+1)/2=15 ps：数据点包括5个方差和十个协方差。 在这个模型中，待估计的有3个协方差，5个方差，7个回归系数，自由参数数目为： 3+5+7=15=t 模型 的 识别 设定 估计 评估 修正 识别的步骤： 1、计算数据点数目与模型中待估计参数（自由参数）的数目（t） 2、计算模型自由度df=(p+q)(p+q+1)/2-t 　　　　　 模型的识别 不可识别（under-identified） 可以识别（identifiable） 　　　　　　　　　　　 恰好识别 过度识别 （just-identified） （over-identified） 3、根据t法则（T-rule）来进行识别，t法则：根据自由度df的正负号，可进行模型整体识别的方法。数学表达条件为： t≤(p+q)(p+q+1)/2 依据t法则，若是t(p+q)(p+q+1)/2，数据点数目少于自由参数的个数，计算结果无法求得唯一解，因而是无法识别的模型。