因果关系的建立——结构方程.ppt

测量的基本概念 三、量表的效度和信度 四、结构方程模型理论与逻辑 简单来说，结构方程模型分为：测 量方程和结构方程。 测量方程（measurement equation）描述潜变量与指标之间的关系，如工作方式选择等指标与工作自主权的关系； 简单来说，结构方程模型分为：测 量方程和结构方程。 测量方程（measurement equation），描述潜变量与指标之间的关系，如工作方式选择等指标与工作自主权的关系； 结构方程（structural equation），描述潜变量之间的关系，如工作自主权与工作满意度的关系。 模型识别概念 操作演示 数据分析：效度检验—因子分析步骤 * * * *  因果关系理论的建立——结构方程模型 本章大纲 3 一、什么是结构方程模型 二、结构方程模型的优点 三、量表的效度和信度 四、结构方程模型理论和逻辑 五、结构模型的基本类型 六、LISREL程序撰写 七、拟合指数 八、模型修正 一、什么是结构方程模型 统计学角度：模型是以系统方式描述观察变量（observed variables）和潜在变量（latent variables）间的关系。 结构方程模型（Structural Equation Modeling，简称SEM）一种理论模型检定的统计方法。用来检定关于观察变量和潜变量之间假设关系的一种多重变量统计分析方法，即以所收集的数据来检定基于理论所建立的假设模型。 很多管理、社会、教育、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，如态度、认知、工作满意度等。 潜变量：研究中抽象的、不可直接观察测量的变量。 特点： 1、潜变量要通过一系列的观察变量来间接体现。 例如：顾客的满意度：产品质量、价格水平、服务质量等，便于沟通 2、代表构念的各个观察变量会随时间和环境的变化而变化。 思考的问题：重新考虑用新的观察变量来测量潜变量。 1）不同的观察变量代表了何种构念； 2）一个构念又是由哪些观察变量所构成。 结构方程一方面在描述观察变量是如何测量潜变量，另一方面在表达各个潜变量之间的关系。 二、结构方程模型的优点 1）传统的统计分析方法不能妥善处理潜变量，而结构方程模型则能同时处理潜变量及其指标，并估计因子结构和因子关系。 2）同步处理多个因变量之间的关系（回归方程不可）。特别是应用于中介效应的研究。 3）容许自变量和因变量含测量误差（传统方法假设自变量没有误差），可准确估计并剔除随机测量误差。（问卷得到的数据由真实值与测量误差构成） 4）可以估计整个模型和数据的拟合程度，提供多种统计检验指标。 omega ω Ω mu μ Μ psi ψ Ψ lambda λ Λ chi χ Χ kappa κ Κ phi φ Φ iota ι Ι upsilon υ Υ theta θ Θ tau τ Τ eta η Η sigma σ Σ zeta ζ Ζ rho ρ Ρ epsilon ε Ε pi π Π delta δ Δ omicron ο Ο gamma γ Γ xi ξ Ξ beta β Β nu ν Ν alpha α Α Name Lowercase Uppercase Name Lowercase Uppercase Hayduk (1987). Structural Equation Modeling with LISREL. pp.89. Johns Hopkins. 常见希腊符号： 通常，我们从效度和信度来评价一个量表的质量高低。 效度：测量的正确性，指量表能否测量到其所要测量的潜在的概念.效度越高，表示越能测量到想要测量的概念。 信度：SEM中，是指估计测量误差的大小，以误差的方差大小来度量。误差越大，信度越低。 理论原理： 1）总体数据中的变量间存在某种未知的相互关系，用协方差矩阵Σo。 2）基于不同的假设，我们提出描述各变量间关系的不同模型（N个），根据模型可估算每个模型的近似协方差矩阵Σk 3）△pop= |Σo- Σk| 模型与总体的不一致性，该值越小，模型Σ越接近真实的变量之间的相互关系，作为最初的操作模型 。 四、结构方程模型理论与逻辑 实际思路： 1）从总体中抽取样本Y，含抽样误差； 2）从样本数据可以计算协方差矩阵S，依据协方差矩阵S 和最初的操作模型Σ，用一定的数学方法，可找到拟合协方差矩阵Σk^。 3）△est= |S- Σk^|,该指越小，说明模型与数据的拟合程度较高。 结构方程中用不同的拟合指数来代表△est，比如用χ2、NNFI、CFI。 χ2值