结构方程模型及其应用.pptVIP

**结构方程模型及其应用第1页，共24页，星期日，2025年，2月5日一、引言

1、描述数据：要准确还是要简洁？2、好模型是尽可能准确且相对简洁3、一个具体的例子：第2页，共24页，星期日，2025年，2月5日例子：9个不同学科的相关关系（1）学科12345678911.0020.121.0030.080.081.0040.500.110.081.0050.480.030.120.451.0060.070.460.150.080.111.0070.050.440.150.120.120.441.0080.140.170.530.140.080.100.061.0090.160.050.430.100.060.080.100.541.00首先：输入观测变量的相关矩阵S第3页，共24页，星期日，2025年，2月5日例子：9个不同学科的相关关系（2）第二：提出简洁模型学科1学科4学科5学科2学科6学科7学科3学科8学科9第1组第2组第3组M1利用软件进行分析需要输入：调查对象个数；协方差矩阵；路径图第4页，共24页，星期日，2025年，2月5日例子：9个不同学科的相关关系（3）学科12345678911.0020.101.0030.110.101.0040.500.090.101.0050.480.090.090.451.0060.100.460.100.090.091.0070.090.440.090.090.080.441.0080.130.120.530.120.120.120.111.0090.160.100.430.100.100.100.090.541.00第三：程序回馈最接近的再生矩阵∑第5页，共24页，星期日，2025年，2月5日例子：9个不同学科的相关关系（4）第三：程序回馈最接近的再生矩阵∑学科1学科4学科5学科2学科6学科7学科3学科8学科9第1组第2组第3组M10.730.690.650.680.680.650.650.810.660.190.220.22第6页，共24页，星期日，2025年，2月5日例子：9个不同学科的相关关系（5）第四：检查模型的准确性和简洁性准确性：拟合优度指数：χ2,NNFI,CFI简洁性：自由度=p(p+1)/2-要估计的参数个数第7页，共24页，星期日，2025年，2月5日例子：9个不同学科的相关关系（6）第五：检查其他可能模型第六：模型比较第8页，共24页，星期日，2025年，2月5日二、结构方程模型简介1、SEM的重要性1）SEM：基于变量的协方差来分析变量之间的关系。2）应用原因：可以分析涉及潜变量的复杂关系。◆管理研究离不开一些抽象的构念：——“学业成就”、“家庭社会地位”等等——可操作化以便得到具体数据◆这些具体的能进行测量的变量称为——显变量/观察变量/测量变量例如：学业成就：语文、数学、英语家庭社会地位：学生父母受教育程度、父母职业及其收入第9页，共24页，星期日，2025年，2月5日2、结构方程模型的结构1）测量模型：指标与潜变量之间的关系x=Λxξ+δ（如语文与学业成就的关系）y=Λyη+ε（如家庭收入与社会地位的关系）2）结构模型η=Βη+Γξ+ζ（学业成就与社会地位的关系）x—外源指标向量y—内生指标向量Λx—外源指标在外源潜变量上的因子负荷矩阵Λy—内生指标在内生潜变量上的因子负荷矩阵ξ—外源潜变量η—内生潜变量δ—外源指标x的误差项ε—内生指标y的误差项Β—内生潜变量之间的关系Γ—外源潜变量对内生潜变量的影响ζ—结构方程的残差项，反映η在结构方程中未被解释的部分。第10页，共24页，星期日，2025年，2月5日3、结构方程模型的优点：1）同时处理多个变量：回归分析在计算对某一个因变量的影响时，忽略了其他因变量的存在及其影响；2）容许自变量和因变量含测量误差：回归分析只允许因变量有误差，不允许自变量有测量误差；3）同时估计因子结构和因子关系：因子分析的步骤是先算因子负荷，进而得到因子得分，再计算因子得分的相关系数得到潜变量的相关系数；4）容许更大弹性的测量模型：传统上一个指标只能从属