结构方程模型_结构方程模型（StructuralEquationModel,SEM）三下.pdfVIP

结构⽅程模型_结构⽅程模型 （StructuralEquationModel,SEM）三下 续三上，⼤纲： 上篇：上篇： ⼀、探索性验证性因⼦分析（EFA CFA） 因⼦分析的基本概念和EFA CFA 延伸内容 下篇： ⼆、结构⽅程模型（Structural Equation Models with Latent Variables） 1. 简介 2. 操作 3. 补充内容 ⾮正态分布的因变量（non-normally distributed dependent variables） 等同模型（equivalent models） 统计效⼒（statistical power） 效应量（effect size） 如何根据不同ES确定统计效⼒（power）？/反向确定样本量？——a. Satorra Saris法（Satorra-Saris method of exact fit）、 b. MacCallum法（MacCallum et al. method of close fit）、c. 蒙特卡罗模拟法（Monte Carlo simulation）。 三、R代码 1. CFA 2. SEM ⼆、结构⽅程模型（Structural Equation Models with Latent Variables） 1. 简介 SEM相当于含有潜在变量的路径分析（CFA+path Analysis）含有潜在变量的路径分析（CFA+path Analysis），所以SEM既检测了（直接间接的）因果关系，还检测了潜在的预测变 量、中介变量和结果变量。 样本量⾜够的情况下，推荐使⽤包含潜在变量的SEM，因为它可以更好地估计结构效应，减⼩测量误差导致地偏差和标准误。 2.操作 依然是六个步骤： 1. 步骤1:模型确定（Specification） 2. 步骤2:模型识别（Identification） 3. 步骤3:模型估值（Estimation） 4. 步骤4:模型评估（Evaluation） 5. 步骤5:（可能需要）模型再明确（Potential re-specification） 6. 步骤6:模型解释（Interpretation） 步骤2:模型识别（ Identification） 可通过以下三种⽅法测定模型识别度： 2.1 矩阵代数（Matrix algebra，难） 2.2 t法则（t-rule；必要不充分) 2.3 两步法则（Two-step rule；充分不必要) 1. 第⼀步：将模型重新指定为CFA，并指定所有因素⼦之间可能的关联；像测量CFA模型识别⼀样测它。 2. 第⼆步： 将结构模型中的所有潜在变量视为观察变量；像测量路径模型识别⼀样测它。 步骤3:模型估值（ Estimation） ⽅法有：最⼤似最⼤似然估计（Maximum likelihood；推荐使⽤然估计（Maximum likelihood；推荐使⽤！）、！）、普通最⼩⼆乘法（Ordinary least squares）、⼴义最⼩⼆乘 法（Generalized least squares）、加权最⼩⼆乘法（Weighted least squares）…… 使⽤最⼤似然估计时，CFA和path的不同在于模型隐含的均值和协⽅差计算。 解释测量模型的部分（measurement model）等于CFA；解释结构模型的部分（structural model）等于path analysis。 步骤4:模型评估（ Evaluation） 辩证地使⽤修正指数MIs 在定位模型不⾜的时候，有个技巧是讲测量模型和结构模型分开考虑，⽐较原模型和仅测量/结构模型的卡⽅的差别。 如果是嵌套模型，使⽤前⾯讲过的LRT（LRT显著意味着结构模型部分有问题）。 3. 补充部分 3.1 ⾮正态分布的因变量（non-normally distributed dependent variables） 3.1.1 影响 ⾮正态分布对估值（estimates）的影响：样本量⾜够⼤、峰值不过⾼地情况下，估值是不受太⼤影响的 ⾮正态分布对推断的影响：标准误⽐实际⼩、卡⽅⽐实际⼤、存在⼀类错误可能性⾼、置信区间较⼩、 3.1.2 应对⽅案： ⽅法1：数据转⽅法1：数据转化化 （tra