结构方程建模技术和amos应用.pptx

结构方程建模技术和AMOS操作内容提要结构方程建模技术背景结构方程建模基本理论结构方程建模分析过程AMOS操作一、结构方程建模技术背景结构方程建模的起源 心理计量学根源Spearman(1930 ): 因素分析(factor analysis)生物根源 Wright(1918): 路径分析(path analysis)经济计量学根源Haavelmo(1943): 联立方程组(simultaneous equation)何为结构方程建模？结构方程建模(Structural Equation Modeling，简称SEM)，早期称为线性结构方程模式(Linear Structural Relationships，简称LISREL)或称为共变量结构分析(Covariance Structure Analysis)。 它结合了因素分析(factor analysis)与路径分析(path analysis)，包括测量与结构模式。SEM是一种统计方法学(statistical methodology) (Byrne, 1994)SEM是统计技术SEM是方法学结构方程建模技术的主要应用Confirmatory factor analysis Path analysis Structural regression analysis Time-dependent/longitudinal dataConfirmatory factor analysisPath analysisStructural regression analysisSpecialty of SEMLatent variablesMeasurement errorTheory testingMultivariate statistical analysisSEM is promising二、结构方程建模基本理论x外生观测变量y内生观测变量　外生潜变量　内生潜变量基本术语（一）? 观测变量?潜变量? 观测变量??????????????yy?????xx基本术语（二）■ 结构模型 y变量测量模型■ x变量测量模型■ =l+ VFE1111=l+ VFE2222 llCov(V,V)=Cov(F+E, F+E)lll =Cov(F,F)+Cov(F,E)+Cov(E,F)+Cov(E,E) 121111221112llllll =Cov(F,F)= Var(F,F)= 1211121112 方差－协方差矩阵VarianceCovariance拟合函数F=F(S, Σ(θ)) Maximum likelihoodFML=log| Σ(θ)| + Trace[Σ(θ)-1S] – log|S| - p（p : number of measured variable）Generalized Least SquaresAsymptotic Distribution Free结构方程建模分析过程 理论发展阶段一 Theoretical Development （） 模型发展 模型设定 Model Specification （） 模型识别Model Identification （） 阶段二 抽样和测量 Sampling and Measurement （）估计和评价 参数估计 Parameter Estimation （） 模型拟合度估计模型修正 Assessment of FitModel Modification （）（） 讨论和结论 Discussion and Conclusion （） 初始模型最终模型t-value最小值MI 最大值SEM的分析策略Model confirmation作为验证（confirmatory）的基础针对单一假设模型Model generation先设定一个起始模型，在与实际观察数据进行比较之后，进行必要的修正，反复进行估计的程序以得到最佳拟合的模型 Model Competition利用不同模型的比较以决定何者最能反应真实数据 基本拟合指标不能有负的误差变异误差变异必须达到显著水平估计参数之间的相关的绝对值不能太接近1因子负荷不能太高或太低，最好介于0.5-0.95不能有很大的标准误模型整体拟合评价Absolute fit measures(整体适配性之评估)?2不显著GIF (Goodness-of-Fit)0.9RMR/SRMR0.05RSMEA0.05(0.08)Incremental fit measures(底限模型与理论模型的比较)NFI0.9NNFI0.9IFI0.9CFI0.9RFI0.9Parsimonious fit measures(自由度比值的加权)