结构方程模型入门课件.ppt

* 二、结构方程模型分析步骤示意图 首先针对研究问题，根据已有的研究资料提出多个假设模型，然后收集数据、进行分析，通过模型与实际数据的拟合情况和模型比较的结果，确定最终的结果模型。 根据LISREL的分析程序，SEM大体分为建立模型、识别模型、估计模型，评估模型和修正模型五个步骤。 * 模型界定 模型的界定必须来自健全理论的建构。 模型界定的步骤有三。首先由研究者整理文献与相关理论，提出建立模型的双向结构表，然后由专家对结果进行论证，最后根据确定的结构设计可能的项目。 * 三种模型策略 SEM的基本假设是观测变量的共变数矩阵是一组参数的函数，而检验一个共变数矩阵有三种模型策略。 * 验证模型策略 即根据搜集的经验资料严格检验研究者界定的理论模型，以确定所检验理论模型是接受还是拒绝，所谓严格检验是指当模型被拒绝时，不再寻找接受模型的可能线索。 * 竞争模型策略 即研究者事先界定多个可替代的理论模型，再搜集一组经验资料以检验哪一个理论模型与经验资料最匹配。譬如对智力既可用Spearman的二因素理论解释，也可用Thurstone的群因素理论解释，还可以用卡特尔的简明层次论解释等，对于哪一种解释方式最好，以往的统计技术难以处理， SEM却可以有效地处理这类问题，采用竞争模型更符合实际情况。 * 模型的发展策略 即研究者先利用理论界定出一个起始模型，再搜集一组资料检验其匹配程度。如果不是相当匹配，可运用SEM统计中的某种指数了解需要修正的地方，如果需修正处有着健全的理论可解释则将其修正，这是一般研究者常用的策略。 * 模型识别 模型的识别分为低识别、恰好识别和过度识别三种。 对SEM理论不十分清楚的研究者，往往会忽略模型识别的问题，只是将其交给统计软件处理，即不知其中存在诸多复杂的问题，对此应当阅读有关书藉，详细了解模型识别的问题。 * 模型的估计 用观测资料估计模型的参数方法有很多，最常用的有三种，即最大概似法、广义最小平方法和渐近分布自由法。 * 拟合概念 当我们测试某一模型时,其实是在研究自己所提的模型(即哪些变量之间有关，哪些则没有) 是否与数据拟合。 * 三、分析过程与结果示例 例題:學生智力測驗成績之前分析建立在兩因子模型下，且能提供良好適合度，本例題測試在單因子模型下是否能提供更加適合度？ 樣本數 ：145個學生 指標變數：文章閱讀, 造句能力, 字彙能力, 加法能力, 計數能力 潛伏變數：語言, 數學 * 路徑圖：學生智力測驗成績 (P.192) 語言 文章 閱讀 χ2、 GFI、AGFI、 數學 造句 能力 字彙 能力 加法 能力 計數 能力 =1 採用Single dimension δ1 δ2 δ3 δ4 δ5 * Title Confirmatory Factor Analysis for student test performance Observed Variables 文章閱讀 造句能力 字彙能力 加法能力 計數能力 Correlation Matrix= 1 0.722 1 0.714 0.685 1 0.203 0.246 0.170 1 0.095 0.181 0.113 0.585 1 Sample Size=145 Latent Variables 語言 數學 Relationships: 文章閱讀=語言 造句能力=語言 字彙能力=語言 加法能力=數學 計數能力=數學 SET the Covariance of 語言 and 數學 to 1 Path Diagram LISREL OUTPUT SE TV RS MI 相關矩陣 指標變數 潛伏變數 定義指標變數與潛伏變數之關係 軟體操作:學生智力測驗成績 (P.192) 定義潛伏變數之間的關係 相關係數為1，不具區別效度 輸出指令 SE: 標準誤 TV: t檢定 RS: 常態化殘差與Q圖 MI: 修飾指標 * 軟體操作:學生智力測驗成績 (P.192) * 軟體操作:學生智力測驗成績 (P.192) 參數最大概似估計、標準誤、t值: 語言:相關性較大、標準誤0.07、t值顯著2 數學:相關性小、標準誤0.09、t值2不顯著 兩潛伏變數之間的相關係數為1 殘差變異數估計、標準誤、t值 * 軟體操作:學生智力測驗成績 (P.192) 卡方值 χ2 = 59.47 GFI = 0.88 0.90 AGFI= 0.63 0.80 RMR = 0.14 0.05 (皆低於可接受水準) 模型配適度不佳 * 學生智力測驗成績