通径分析精讲.pptxVIP

会计学1通径分析精讲 主要内容通径图与模型模型系数的分解递归通径模型与非递归通径模型通径模型的识别(或称确认)与检验第1页/共32页 在研究多个相关变量间的线性关系时，除了可以采用多元线性回归分析和偏相关分析，还可以采用通径分析（path analysis）。第2页/共32页 通径图与模型多变量统计分析是研究变量之间有相互联系、影响或有相关性的学科。最方便而又直观地表示变量间相互关系的方法是用通径图。第3页/共32页 为直观起见，先讨论一个因变量、两个自变量的情况。设三个相关变量y 与x1 、x2 间存在线性关系，y 为依变量（结果），x1 、x2 为自变量（原因）且彼此相关，回归方程为：第4页/共32页 或其中e 为剩余项。 第5页/共32页 自变量x1 、x2 与依变量y 的通径图 第6页/共32页 在图中，单箭头线“??? ?? ”表示变量间存在着因果关系，方向为由原因到结果，称为通径（path），也称为直接通径。双箭头线“? ????? ”表示变量间存在着平行关系（互为因果），称为相关线（correlation line），一条相关线相当于两条尾端相联的通径。将包含两条或两条以上通径、也可以包含一条相关线的链称为间接通径。如图中，x1 →y 为通径或直接通径，x1 ?? ??x2??? ???y为间接通径。这种用来表示相关变量间因果关系与平行关系的箭形图称为通径图（path chart）。 第7页/共32页 图1. 1 中, A 是父亲的智商( IQ) ,B 是母亲的智商( IQ) ,C 是子女的智商( IQ) , X 是与A 及B 不相关的另外原因变量, A 、B 、C 间的关系如图1。第8页/共32页 第9页/共32页 　这里单箭头表示A 及B 是原因变量, C 是结果变量;双向箭头表示相关性。图1. 1 表示A 与B 有相关性,而不认为X 与A 及B 有相关性,图1 可写成公式:C = A + B + X(这里未考察每个变量的影响大小)第10页/共32页 图1. 2 是常用的可靠性检验(Reliability test) 通径图, A 及B 如分别表示儿童的身高及体重, T 是影响A 及B 的公共因子(factor) ,比如可称为“生长因子”。这个T 是不能直接测量到的,它是隐藏在A 及B 内部。也可以说A 及B 的大小是受T 所决定,而U 及V 则是A 、B 中不受T 支配的残差(或称误差) 变量。第11页/共32页 第12页/共32页 图1. 3 是表示有时间性的通径图,其中A 、B 表示两个变量,X、Y是残差,足标1 、2 、3 分别表示在时间1 、时间2 、时间3 。第13页/共32页 第14页/共32页 变量的分类按可否直接测量到该变量,变量可分为“表型变量”(Manifest Variable ,也称显变量,它总是用一个方框去识别它) 、及隐型变量(Latent Variable ,它总是用一个圆形框去识别它) 。这里的隐型变量(即隐变量) 是无法直接测量到的,它应当是客观存在的。第15页/共32页 如按变量的“因果关系”分类,即按通径图中箭头的指向去划分变量,则可以把箭头起始的变量(也称原因变量) 称为“外生变量”( Exogenous Variable) 、独立变量( Independent ) 、源变量(Source) 或上游变量;这是因为此变量的变化由通径图以外的原因产生的。第16页/共32页 把箭头指向(终点) 的变量称为“内生变量”(Endogenous Variable) 、因变量(Dependent) 、下游变量或结果变量;因为此变量的取值依赖于箭头上端变量的变化及误差项,所以被称为“内生”。注意:此处所述的“原因变量”是比较含糊的,不可严格地当作“因果关系”中的原因,但它可以为实际工作者提出一种重要的启示:便于从专业角度去检验它是否确是真实的“原因”。第17页/共32页 直接作用与间接作用如图1. 3 ,内生变量与外生变量之间有一单向箭头连接的称为直接作用,比如图1. 3 中A 1 对A 2 、A 2 对B3 及B1 对B3 均有直接作用,但A 1 对B3 没有直接作用。A 1 的变化可引起A 2 的变化,而A 2 的变化又引起B3 的变化,所有A 1 对B3 有间接作用。间接作用可以不止一个通路。目前的统计软件SAS 及SPSS 不认为A 1 可以通过B1 而作用于B3 ,因为A 1 与B1 仅是相关而不是“因果”关系。第18页/共32页 通径系数（path coefficient ）通径图直观、形象地表达了相关变量间的关系，仅定性地表达还不够，还须进一步用数量表示因果关系中原因对结果影响的相对重要程度与性质、平行关系中变量间相关的相对重要程度与性质，也就是必须用数量表示“通径”