结构方程模型基础与Mplus软件.pptxVIP

结构方程模型基础与Mplus软件介绍

课程介绍课程目标：理解SEM的原理和方法；掌握Mplus的语言和操作技巧；正确解读和报告Mplus的输出结果；修正和调整模型以达到理想状态；

课程安排结构方程模型基础与Mplus软件介绍因素分析模型与全模型中介、调节模型多组分析潜变量增长模型多层模型分析

两点说明用好结构方程模型的必要性 线性统计方法集大成者学好结构方程模型的曲折性

一些重要学者KarlJ?reskogPeterBentlerBengtMuthénUlfOllsonDagS?rbomKennethBollenAndersChristofferssonRobertJennrichSik-YumLeeKe-HaiYuanGittaLubkeMichaelBrowneJeffryTanakaStephenDuToitYutakaKanoTenkoRaykovTihomirAsparouhovPatrickCurranGeorgeMarcoulides

几本教材

结构方程基础心理学、教育学等学科研究的一个主要目的是通过分析变量与变量之间的关系来揭示心理、教育现象的发展以及变化规律与特点，如相关分析。在相关分析基础上，把变量分为自变量与因变量两部分，并以自变量来解释因变量。该模型假设自变量是原因，因变量是由这些原因引起的结果，如回归分析模型。相关分析（CorrelationalAnalysis）X2X1ryx1eexy+=bb简单线性回归模型（SimpleLinearRegression）

结构方程基础进一步的多元线性回归，包含了多个自变量与一个因变量。在回归分析的基础上，还发展了路径分析，用来探索变量之间的复杂关系。yx1ex2β1β2多元线性回归（MultipleLinearRegression）x1y1y2e1e2x2路径分析（PathAnalysis）问题1：现实中变量之间的关系要复杂得多，各自变量之间可能存在因果关系，因变量也可能是某个或某几个自变量的原因，如何处理这种多个原因和多个结果的关系？问题2：对于不可直接观测的变量，如智力、自我效能感、人格等，如何更准备的测量、分析其影响因素？

一个核心概念——潜变量心理学、教育学、管理学研究中涉及到的变量，多数不能被直接观测到，比如智力、学习动机、家庭社会经济地位等。只能用一些外显的指标（manifestindicator）去间接测量这些潜变量（latentvariable）。P=d1*p1+d2*p2+d3*p3E1=λ11*E+e1E2=λ21*E+e2E3=λ31*E+e3E1E2E3Ee1e2e3λ11λ31λ21p1p2p3Pd1d2d3反映式指标构成式指标

结构方程基础方法的进步与革命常常导致相应学科的进步与革命。就统计方法而言，回归分析是相关分析的深人，而结构方程模型（StructuralEquationModeling,SEM）则是对回归分析的深入。传统方法（如回归分析）虽然容许因变量含测量误差，但需要假设自变量是没有误差，结构方程模型能提供更佳的解答。SEM是基于变量的协方差矩阵来分析的一种统计方法。可以研究潜变量之间的关系，也可以研究显变量与潜变量间的关系。

结构方程基础圆或椭圆表示潜在变量或因子正方形或长方形表示观测变量或指标单向箭头表示单向影响/效应双向弧形箭头表示相关单向箭头指向因子表示内生潜变量未被解释的部分单向箭头指向指标表示测量误差

结构方程基础基本概念内生变量/外源变量内生变量是指模型中会受到任何一个其他变量影响的变量（也就是路径图中会受到任何一个其他变量以单箭头指涉的变量）外源变量是模型当中不受任何其他变量影响但影响他人的变量（也就是路径图中会指向任何一个其他变量，但不被任何变量以单箭头指涉的变量）

结构方程基础基本概念测量误差潜变量具有测量误差（测量变量的变异无法被共同的潜变量充分解释的部分）测量误差可以被视为一个潜变量，其平均数为0，变异量可被估计，因此在路径图中有时会以椭圆形符号表示残差

结构方程基础基本概念测量模型/结构模型测量模型（measurementmodel）旨在建立观测变量与潜在变量间的关系，主要通过验证性因素分析（CFA）来考察测量模型的结构效度。结构模型(structuralmodel)旨在考察潜在变量间的因果路径关系，主要针对潜在变量进行路径分析，以考察结构模式的适配性。

结构方程基础在结构方程建模里，我们是基于一个理论模型来建构变量之间关系的，这个模型指的是我们研究问题所发展出来的理论假设。如果做测量模型，理论假设就是哪些项目在测哪些潜在变量。如果做结构模型，理论假设就是哪些变量影响哪些变量。在理论假设建立之后，将变量之间的关系假设以SEM路径图的形式展现