结构方程模型案例数学自然科学专业资料-结构方程模型案例.pdfVIP

20 世纪——主流统计方法技术：因素分析 回归分析 20 世纪——主流统计方法技术：因素分析 回归分析 20 世纪 70 年代：结构方程模型时代正式来临 20 世纪 70 年代：结构方程模型时代正式来临 结构方程模型是一门基于统计分析技术的研究方法学，它主要用于解决社会科学研 结构方程模型是一门基于统计分析技术的研究方法学，它主要用于解决社会科学研 究中的多变量问题，用来处理复杂的多变量研究数据的探究与分析。在社会科学及经济、 究中的多变量问题，用来处理复杂的多变量研究数据的探究与分析。在社会科学及经济、 市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接 市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接 观测的变量 （即潜变量），这些都是传统的统计方法不能很好解决的问题。 SEM 能够对 观测的变量 （即潜变量），这些都是传统的统计方法不能很好解决的问题。 SEM 能够对 抽象的概念进行估计与检定，而且能够 同时进行潜在变量的估计与复杂 自变量 / 因变量 抽象的概念进行估计与检定，而且能够 同时进行潜在变量的估计与复杂 自变量 / 因变量 预测模型的参数估计。 预测模型的参数估计。 结构方程模型是一种非常通用的、主要的线形统计建模技术，广泛应用于心理学、经济 结构方程模型是一种非常通用的、主要的线形统计建模技术，广泛应用于心理学、经济 学、社会学、行为科学等领域的研究。实际上，它是计量经济学、计量社会学与计量心理学 学、社会学、行为科学等领域的研究。实际上，它是计量经济学、计量社会学与计量心理学 等领域的统计分析方法的综合。多元回归、因子分析和通径分析等方法都只是结构方程模型 等领域的统计分析方法的综合。多元回归、因子分析和通径分析等方法都只是结构方程模型 中的一种特例。 中的一种特例。 结构方程模型是利用联立方程组求解，它没有很严格的假定限制条件，同时允许自变量 结构方程模型是利用联立方程组求解，它没有很严格的假定限制条件，同时允许自变量 和因变量存在测量误差。在许多科学领域的研究中，有些变量并不能直接测量。实际上，这 和因变量存在测量误差。在许多科学领域的研究中，有些变量并不能直接测量。实际上，这 些变量基本上是人们为了理解和研究某类目的而建立的假设概念，对于它们并不存在直接测 些变量基本上是人们为了理解和研究某类目的而建立的假设概念，对于它们并不存在直接测 量的操作方法。人们可以找到一些可观察的变量作为这些潜在变量的“标识”，然而这些潜 量的操作方法。人们可以找到一些可观察的变量作为这些潜在变量的“标识”，然而这些潜 在变量的观察标识总是包含了大量的测量误差。在统计分析中，即使是对那些可以测量的变 在变量的观察标识总是包含了大量的测量误差。在统计分析中，即使是对那些可以测量的变 量，也总是不断受到测量误差问题的侵扰。自变量测量误差的发生会导致常规回归模型参数 量，也总是不断受到测量误差问题的侵扰。自变量测量误差的发生会导致常规回归模型参数 估计产生偏差。虽然传统的因子分析允许对潜在变量设立多元标识，也可处理测量误差，但 估计产生偏差。虽然传统的因子分析允许对潜在变量设立多元标识，也可处理测量误差，但 是，它不能分析因子之间的关系。只有结构方程模型即能够使研究人员在分析中处理测量误 是，它不能分析因子之间的关系。只有结构方程模型即能够使研究人员在分析中处理测量误 差，又可分析潜在变量之间的结构关系。 差，又可分析潜在变量之间的结构关系。 简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比 简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比 较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可 较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可 以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可 以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可 以了解不同组别 内各变量的关系是否保持不变，各因子的均值是否有显著差异。” 以了解不同组别 内各变量的关系是否保持不变，各因子的均值是否有显著差异。” 目前，已经有多种软件可以处理 SEM ，包括：LISREL ，AMOS, EQS, Mplus. 目前，已经有多种软件可以处理 SEM ，包括：LISREL ，AMOS, EQS, Mplus. 结