北师大心理统计学课件4第一讲--验证性因素分析.ppt

2021/3/13 * 验证性因素分析模型的定义 理论上的假设是定义模型的基础 (a)存在多少个因素? (b)每一个因素分别影响哪些观测变量? (c)如果有两个或更多个因素,它们之间的关系如何? 2021/3/13 * 验证性因素分析模型的定义 例3:GSC: SDQGSC APIGSC SESGSC ASC: SDQASC APIASC SESASC ESC: SDQESC APIESC SESESC MSC: SDQMSC APIMSC SESMSC 2021/3/13 * 验证性因素分析模型的定义 模型假设1:自我概念 (Self-concept) 1.General SC 2.Academic SC 3.English SC 4.Mathematics SC 2021/3/13 * 验证性因素分析模型的定义 模型假设2:SC is a two factor structure consisting of an academic component(ASC) and a general component(GSC). 模型假设3:SC is a unidimensional construct. 2021/3/13 * 验证性因素分析模型的识别 模型识别的概念: 模型识别是指求出模型参数的唯一解 ,即模型（2）中的自由估计的参数有唯一满足方程的值。 模型的识别可以分为三种情况 : 恰好识别(just identified)、超识别(over identified ）和不足识别的(under identified) 恰好识别和超识别模型都是可以识别的。 2021/3/13 * 验证性因素分析模型的识别 刚好识别(just identified),指模型中方程式的个数等于要估计的参数的个数,因此每个参数都能求得唯一解。 超识别(over identified),指模型中方程式的个数多于参数估计所需要的方程数,也就是说,一个待识别的参数可以用一个以上的已知量（观测变量的协方差或已识别的参数）表示时,该参数可取不同的值,因此就是超识别的。 不足识别的(under identified):指模型上方程式的个数少于待估参数的个数,使参数有多个解。 2021/3/13 * 验证性因素分析模型的识别 识别的条件 T准则:t=1/2(q)(q+1) 模型中自由参数的个数不能超过协方差矩阵的元素数 三指标准则（每个潜变量至少有三个或三个以上的观测变量）:三个条件:Λx的每一行只有一个非零元素,每一个因素至少有三个获三个以上的指标变量, Θδ为对角矩阵。 二指标准则（每个潜变量至少有三个或三个以上的观测变量）:四个条件: Λx的每一行只有一个非零元素,每一个因素至少有两个获两个以上的指标变量, Θδ为对角矩阵,对于因素之间的协方差矩阵中非主对角线上元素 φij 至少有一个不等于零。 2021/3/13 * 验证性因素分析模型的识别 模型识别:计算出标准误进行识别 单位问题 （方差和因素载荷只是一种比例关系） 固定因素载荷 固定因素方差 2021/3/13 * 模型的参数估计 在验证性因素分析中,总体协方差矩阵和参数之间的关系为: 参数估计值必须在满足模型限定的条件下,使由它得出的协方差阵Σ尽可能地接近样本协方差矩阵。在验证性因素分析中常用的参数估计的方法有: 2021/3/13 * 模型的参数估计 未加权最小二乘法（ULS） 广义最小二乘估计（GLS） 极大似然估计（ML） 工具变量法（IV） 两阶段最小平方法（TSLS） 广义加权最小平方法（WLS） 对角加权最小平方DWLS） 最常用的参数估计的方法有:极大似然估计和广义最小二乘法。 2021/3/13 * 模型的参数估计 模型参数估计收敛（convergence）的问题: 收敛的准则 允许的迭代次数 初始值 模型定义 2021/3/13 * 模型的评价 模型的拟合的概念 Cudeck及Henly（1991）提出一个有助于了解模型拟合的图示 : Σ ΣE S E 2021/3/13 * 模型的评价 Σ与ΣE之间的差异,称为近似差距（discrepancy of approximation）,S与E之间的差异,称为样本差距（Sample/empirical discrepancy）, ΣE与E之间的差异,称为估计差距（discrepancy of estimation）, Σ与E之间的差距,称为整体差距（ overall discrepan