结构方程模型和AMOS使用.ppt

从卡方统计量的计算中可以看出，如果适配函数减少的速度没有样本量增加的速度快，即使模型协方差阵与样本协方差阵拟和的很好，但样本量的增加也会导致拒绝原假设。这种拒绝正确建议的行为就是犯了第一类错误。 如果不服从正态分布，卡方统计量会更多地拒绝真实模型。不过好在ML估计比较稳健。 回归系数 （非标准化） 回归系数：是模型中带箭头的路径系数。为了识别模型，部分系数在模型识别中已固定为1 。 路径系数的标准误。 “C.R.” 是临界比率，它是回归系数的估计值除以它的标准误（- 0.614 / 0.056 = - 10.876 ）。临界比。该案例中对67疏离感和社会经济地位的无效假设是回归系数为 0。 标准回归系数 （残差）方差的估计，标准误和临界比和P 值的解释同上。 修正指数(MI)：如果该参数由固定改为自由估计，卡方会减少的数值（注意单双箭头）。 最大的 MI 是 40.911 ，位于eps1 (67无力感误差项) 和eps3 (71无力感误差项) 间。建议去掉两个误差项相关系数为 0 的约束，即，允许相关将使卡方统计量的估计至少减少40.911。 该数据是纵向数据，在时间序列中，两个不同时间点（1967和1971）相同测量（无力感）的自相关很相似，所以去掉这个约束在理论上有一个合理的理由。相同的逻辑用于去掉 eps2 和 eps4 (分别为1967和