结构方程模型与常用图标.pptVIP

;一、结构方程模型简介 1、什么是结构方程模型 2、为什么使用结构方程模型 3、结构方程模型的结构 4、结构方程模型的优点 5、结构方程模型中的变量 6、结构方程模型常用图标;1、什么是结构方程模型 结构方程模型（ Structural Equation Model）是基于变量的协方差矩阵来分析变量之间关系的一种统计方法。所以，有时候也叫协方差结构分析。 我们的课程只考虑线性结构方程模型。 结构方程模型常用于：验证性因子分析、高阶因子分析、路径及因果分析、多时段(multiwave)设计、单形模型(Simple Model)、及多组比较等 。 常用的分析软件有：LISREL、Amos、EQS、MPlus ;2、为什么使用结构方程模型 很多心理、教育、社会等概念，均难以直接准确测量，这种变量称为潜变量（latent variable），如智力、学习动机、家庭社会经济地位等等。我们只能求其次，用一些外显指标（observable indicators），去间接测量这些潜变量。 如：以语文、数学、英语三科成绩（外显变量），作为学业成就（潜变量）的指标。 传统的统计方法不能有效处理这些潜变量，而结构方程模型则能同时处理潜变量及其指标。传统的线性回归分析容许因变量存在测量误差，但是要假设自变量是没有误差的。如： 在 y=bx+e的模型中，x和y如都不能被准确测量的时候，变量之间的关系是不能估计的。;如：分析自信 (X)与外向(Y)之间的关系： 用4个题目测量自信，4个题目测量外向。 传统上先计算外向题目的总分（或者平均分）和自信题目的总分（或者平均分），再计算两个总分（或者平均分）的相关，这种计算所得的两个潜变量（外向和自信）的关系，不一定恰当，但是结构方程模型能提供更佳的答案（如典型相关分析等）。;模型举例;3、结构方程模型的结构 结构方程模型可分为：测量模型和结构模型 (1)测量模型：指标和潜变量之间的关系 ;(2)结构模型：潜变量之间的关系;;4、结构方程模型的优点 Bollen和Long(1993)指出SEM有以下优点 ： (1)可同时考虑及处理多个依变项(endogenous / dependent variable); (2)容许自变及依变(exogenous / endogenous)项含测量误差; (3)与因???分析类同，SEM容许潜伏变项(如:社经地位)由多个观察指标变项(如:父母职业、收入)构成,并可同时估计指标变项的信度及效度(reliability and validity); (4)SEM可采用比传统方法更有弹性的测量模型(measurement model),如某一指标变项/题目从属于两潜伏因子;在传统方法,项目多依附单一因子; (5)研究者可构划出潜伏变项间的关系,并估计整个模式是否与数据拟合。 ;5、结构方程模型中的变量;结构方程模型和常用图标;潜变量：不可以直接观察的变量，或叫因子。如自 信、成就等。 显变量：可以直接观察的变量，如收入、成绩等。;变量：具有多个值的概念。 指标：测量某个变量的项目（item）,或者叫条目。;内生变量：被影响的变量。 外源变量：作用于其它变量的变量。;自变量：仅有单向箭头指出的变量。 因变量：只要有单向箭头指入的变量。;思考：显变量和指标是什么关系？ 变量与指标有什么区别？ 内生变量与因变量有什么区别？ 外源变量与自变量有什么区别？;二、结构方程模型建模及分析步骤 1、模型构建 2、模型拟合 3、模型评价 4、模型修正; 模型构建; 模型拟合;模型评价; 模型修正;三、结构方程模型建立原则及注意事项;1.结构方程模型建立原则;2. 应用结构方程模型的注意事项;(3) 一个完善的通径图并不表示一定包含尽可能多的箭头。相反 ,统计学上最感兴趣的是 ,寻找用尽可能少的箭头去联结尽可能少的变量 ,而这时的通径图又能对所代表的样本拟合得好; (4) 待估参数不应多于 m ( m + 1) / 2 ( m 为x显变量的个数) ; （5）避免隐变量名实不符的问题;;（6）当模型与数据拟合时 ,说明数据并不排斥模式 ,不能说数据可以确认模式 ,也不能证明某一理论基础; （7） 用同一样本数据 ,以相同数目的待估参数和不同的组合形式可以产生许多不同模型 ,这些等同模型哪一个更适合于研究问题 ,应按照模式表达的意义从专业角度来鉴别; （8）) SEM 不能验证变量间的因果关系。同其他统计方法一样 ,当模型与样本拟合时 ,只能说该模型是可