20XX結(jié)構(gòu)方程模型案例匯總

1、結(jié)構(gòu)方程模型課件SEM)Structural Equation Modeling，結(jié)構(gòu)方程模型（回歸分析世紀(jì) 主流統(tǒng)計(jì)方法技術(shù)：因素分析 2070年代：結(jié)構(gòu)方程模型時(shí)代正式來臨 20世紀(jì)結(jié)構(gòu)方程模型是一門基于統(tǒng)計(jì)分 析技術(shù)的研究方法學(xué)，它主要用于解決社會(huì)科學(xué)研在社會(huì)科學(xué)及經(jīng)濟(jì)、用來處理 復(fù)雜的多變量研究數(shù)據(jù)的探究與分析。究中的多變量問題，市場(chǎng)、管理等研究領(lǐng) 域，有時(shí)需處理多個(gè)原因、多個(gè)結(jié)果的關(guān)系，或者會(huì)碰到不可直接能夠?qū)τ^測(cè)的 變量（即潛變量），這些都是傳統(tǒng)的統(tǒng)計(jì)方法不能很好解決的問題。SEMS變量抽象的概念進(jìn)行估計(jì)與檢定，而且能夠同時(shí)進(jìn)行潛在變量的估計(jì)與復(fù)雜自變量/預(yù)測(cè)模型的參數(shù)估計(jì)。結(jié)構(gòu)方

2、程模型是一種非常通用的、 主要的線形統(tǒng)計(jì)建模技 術(shù)，廣泛應(yīng)用于心理學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)、行為科學(xué)等領(lǐng)域的研究。實(shí)際上，它 是計(jì)量經(jīng)濟(jì)學(xué)、計(jì)量社會(huì)學(xué)與計(jì)量心理學(xué)等領(lǐng)域的統(tǒng)計(jì)分析方法的綜合。多元回歸、因子分析和通徑分析等方法都只是結(jié)構(gòu)方程模型中的一種特例。結(jié)構(gòu)方程模型是利用聯(lián)立方程組求解，它沒有很嚴(yán)格的假定限制條件，同時(shí)允許自變量和 因變量存在測(cè)量誤差。在許多科學(xué)領(lǐng)域的研究中，有些變量并不能直接測(cè)量。實(shí) 際上，這些變量基本上是人們?yōu)榱死斫夂脱芯磕愁惸康亩⒌募僭O(shè)概念，對(duì)于它們并不存在直接測(cè)量的操作方法。人們可以找到一些可觀察的變量作為這些潛 在變量的“標(biāo)識(shí)”，然而這些潛在變量的觀察標(biāo)識(shí)總是包含了大

3、量的測(cè)量誤差。 在統(tǒng)計(jì)分析中，即使是對(duì)那些可以測(cè)量的變量，也總是不斷受到測(cè)量誤差問題的 侵?jǐn)_。自變量測(cè)量誤差的發(fā)生會(huì)導(dǎo)致常規(guī)回歸模型參數(shù)估計(jì)產(chǎn)生偏差。雖然傳統(tǒng)的因子分析允許對(duì)潛在變量設(shè)立多元標(biāo)識(shí)，也可處理測(cè)量誤差，但是，它不能分析因子之間的關(guān)系。只有結(jié)構(gòu)方程模型即能夠使研究人員在分析中處理測(cè)量誤 差，又可分析潛在變量之間的結(jié)構(gòu)關(guān)系。簡(jiǎn)單而言，與傳統(tǒng)的回歸分析不同，結(jié)構(gòu)方程分析能同時(shí)處理多個(gè)因變量，并可 比較及評(píng)價(jià)不同的理論模型。與傳統(tǒng)的探索性因子分析不同，在結(jié)構(gòu)方程模型中， 我們可以提出一個(gè)特定的因子結(jié)構(gòu)， 并檢驗(yàn)它是否吻合數(shù)據(jù)。通過結(jié)構(gòu)方程多組 分析，我們可以了解不同組別內(nèi)各變量的關(guān)系是否保

4、持不變，各因子的均值是否有顯著差異?！蹦壳?，已經(jīng)有多種軟件可以處理 SEM包括：LISREL，AMOS, EQS, Mplus. 結(jié)構(gòu)方程模型包括測(cè)量方程（LV和MV之間關(guān)系的方程，外部關(guān)系）和結(jié)構(gòu)方程（LV之間關(guān)系的方程，內(nèi)部關(guān)系），以ACSI模型為例，具體形式如下：1課件結(jié)構(gòu)方程模型亂=（1 ）= n+ W , x Ax 測(cè)量方程y = y ） + n=E （ 2 （+結(jié)構(gòu)方程 n= Bnr+Z或I- B）是載荷矩陣，MV Ax和購yn其中，和E分別是內(nèi)生LV和外 生LV,和x分別是和的r是路徑系數(shù)矩陣，z是殘差。&和B和1胡XA22 入 x2533入3 x負(fù)荷量 潛在變量觀察變量誤差11

5、11y121211y1331y1Z結(jié)構(gòu)模式測(cè)量模式三種分析方法對(duì)比線性相關(guān)分析：線性相關(guān)分析指出兩個(gè)隨機(jī)變量之間的統(tǒng)計(jì)聯(lián)系。 兩個(gè)變量地位 平等，沒有因變量和自變量之分。因此相關(guān)系數(shù)不能反映單指標(biāo)與總體之間的因果關(guān)系2結(jié)構(gòu)方程模型課件線性回歸是比線性相關(guān)更復(fù)雜的方法，它在模型中定義了因變量和 線性回歸分 析：自變量。但它只能提供變量間的直接效應(yīng)而不能顯示可能存在的間接效應(yīng)。 而且會(huì)因?yàn)?共線性的原因，導(dǎo)致出現(xiàn)單項(xiàng)指標(biāo)與總體出現(xiàn)負(fù)相關(guān)等無法解釋的 數(shù)據(jù)分析結(jié)果。結(jié)構(gòu)方程模型是一種建立、估計(jì)和檢驗(yàn)因果關(guān)系模型的方法。 結(jié) 構(gòu)方程模型分析：模型中既包含有可觀測(cè)的顯在變量，也可能包含無法直接觀測(cè) 的潛

6、在變量。結(jié)構(gòu)方程模型可以替代多重回歸、通徑分析、因子分析、協(xié)方差分析等方法，清晰分析單項(xiàng)指標(biāo)對(duì) 總體的作用和單項(xiàng)指標(biāo)間的相互關(guān)系。結(jié)構(gòu)方程模型假設(shè)條件Applied Multivariate Statistics for the合理的樣本量（James Steve ns 的（1987）a nd Chou 15 個(gè) case ； Ben tier Social Scie nces 書中說平均一個(gè)自變量大約需要就差不多了，但前提是數(shù)據(jù)質(zhì)量非 常好；這兩種說case個(gè)說平均一個(gè)估計(jì)參數(shù)需要5個(gè)在進(jìn)行蒙特卡羅模擬之后 發(fā)現(xiàn)對(duì)于包含24法基本上是等價(jià)的；而Loehlin （1992）因子的模型，至少需

7、要100個(gè)case，當(dāng)然200更好；小樣本量容易導(dǎo)致模型計(jì)算時(shí)收斂的失敗進(jìn)而 影響到參數(shù)估計(jì)；特別要注意的是當(dāng)數(shù)據(jù)質(zhì)量不好比如不服從正態(tài)分布或者受到 污染時(shí)，更需要大的樣本量）連續(xù)的正態(tài)內(nèi)生變量（注意一種表面不連續(xù)的特例：underlying continuous ； 對(duì)于內(nèi)生變量的分布，理想情況是聯(lián)合多元正態(tài)分布即JMVN模型識(shí)別（識(shí)別方程）（比較有多少可用的輸入和有多少需估計(jì)的參數(shù)；模型 不可識(shí)別會(huì)帶來參數(shù)估計(jì)的失敗完整的數(shù)據(jù)或者對(duì)不完整數(shù)據(jù)的適當(dāng)處理（對(duì)于缺失值的處理，一般的統(tǒng)計(jì)軟件給出的刪除方式選項(xiàng)是pairwise和listwise ，然而這又是一對(duì)普遍矛盾： pairwise式的刪

8、除雖然估計(jì)到盡量減少數(shù)據(jù)的損失，但會(huì)導(dǎo)致協(xié)方差陣或者相 關(guān)系數(shù)陣的階數(shù)n參差不齊從而為模型擬合帶來巨大困難，甚至導(dǎo)致無法得出參 數(shù)估計(jì)；listwise 不會(huì)有pairwise的問題，因?yàn)榉彩怯龅絚ase中有缺失值那 么該case直接被全部刪除，但是又帶來了數(shù)據(jù)信息量利用不足的問題一一全殺 了吧，難免有冤枉的；不殺吧，又難免影響整體局勢(shì)模型的說明和因果關(guān)系的理論基礎(chǔ)（實(shí)際上就是假設(shè)檢驗(yàn)的邏輯一一你只能說 你的模型不能拒絕，而不能下定論說你的模型可以被接受）課件結(jié)構(gòu)方程模型SEM具有理論先驗(yàn)性1.結(jié)構(gòu)方程模型的技術(shù)特性:同時(shí)處理測(cè)量與分析問題SEM2.SEM以協(xié)方差的運(yùn)用為核心，亦可處理平均數(shù)估

9、計(jì) 3.以上的樣本，才可稱得上是一適用于大樣本的分析一一一般而言，大于2004. SEM個(gè)中型樣本。包含了許多不同的統(tǒng)計(jì)技術(shù)。5. SEM重視多重統(tǒng)計(jì)指標(biāo)的運(yùn)用6.SEM結(jié)構(gòu)方程模型的實(shí)施步驟 通過推論和假設(shè)形成一個(gè)關(guān)于一模型 設(shè)定。研究者根據(jù)先前的理論以及已有的知識(shí)， 組變量之間相互關(guān)系（常常是因 果關(guān)系）的模型。這個(gè)模型也可以用路徑表明制定變量之間的因果聯(lián)系。只有建設(shè)的模型具有識(shí)別性，模型時(shí)的一個(gè)基本考慮。模型識(shí)別。模型識(shí)別時(shí)設(shè)定 SEM 莫型的自由參數(shù)不能夠才能得到系統(tǒng)各個(gè)自由參數(shù)的唯一估計(jì)值。其中的基本規(guī)則是，多于觀察數(shù)據(jù)的方差和協(xié)方差總數(shù)。模型的基本假設(shè)是觀察變量的 反差、協(xié)方差矩陣

10、是一套參數(shù)的函數(shù)。 SEM9模型估計(jì)。使每一個(gè)元素推導(dǎo)方差 協(xié)方差矩陣把固定參數(shù)之和自由參數(shù)的估計(jì)帶入結(jié)構(gòu)方程，工，之S藝使盡可能接近于樣本中觀察變量的方差協(xié)方差矩陣 S中的相應(yīng)元素。也就是，與）和廣義 ML間的差異最小化。在參數(shù)估計(jì)的數(shù)學(xué)運(yùn)算方法中，最常用的是最大似然法（）。 最小二乘法（GLS模型評(píng)價(jià)。在已有的證據(jù)與理論范圍內(nèi)，考察提出的模型擬 合樣本數(shù)據(jù)的程度。模型的總體擬合程度的測(cè)量指標(biāo)主要有X檢驗(yàn)、擬合優(yōu)度指數(shù)（GFI）、校正的擬合優(yōu)度指數(shù)（AGFI）、均方根殘差（RMR等。關(guān)于模型每 個(gè)參數(shù)估計(jì)值的評(píng)價(jià)可以用“ t”值。模型修正。模型修正是為了改進(jìn)初始模型的適合程度。當(dāng)嘗試性初始模

11、型出現(xiàn) 不能擬合觀察數(shù)據(jù)的情況（該模型被數(shù)據(jù)拒絕、時(shí)，就需要將模型進(jìn)行修正，再 用同一組觀察數(shù)據(jù)來進(jìn)行檢驗(yàn)。4結(jié)構(gòu)方程模型課件探索性分析定義：、是一項(xiàng)用來找出多元觀測(cè)變探索性因子分析法（Exploratory Factor Analysis ， EFA能夠?qū)⒕哂绣e(cuò)綜復(fù)雜關(guān)系的變量綜合 量的本質(zhì)結(jié)構(gòu)、并進(jìn)行處理降維的技術(shù)。EFA因而，為少數(shù)幾個(gè)核心因子。探 索性因子分析（EFA致力于找出事物內(nèi)在的本質(zhì)結(jié)構(gòu)。flelXf2 e23 e3 f3指標(biāo)因子負(fù)荷潛變量殘差探索性分析的適用情況：在缺乏堅(jiān)實(shí)的理論基礎(chǔ)支撐，有關(guān)觀測(cè)變量?jī)?nèi)部結(jié)構(gòu)，一般用探索性因子分析。 先用探索性因子分析產(chǎn)生一個(gè)關(guān)于內(nèi)部結(jié)構(gòu)的

12、理論，再在此基礎(chǔ)上用驗(yàn)證性因子 分析。但這必須用分開的數(shù)據(jù)集來做。探索性分析步驟：1、辨別、收集觀測(cè)變量。按照實(shí)際情況收集觀測(cè)變量，并對(duì)其進(jìn)行觀測(cè)，獲得 觀測(cè)值。針對(duì)總體復(fù)雜性和統(tǒng)計(jì)基本原理的保證，通常采用抽樣的方法收集數(shù)據(jù) 來達(dá)到研究目的。2、獲得協(xié)方差陣（或Bravais-Pearson的相似系數(shù)矩陣）。我們所有的分析都 是從原始數(shù)據(jù)的協(xié)方差陣（或相似系數(shù)矩陣）出發(fā)的，這樣使我們分析得到的數(shù) 據(jù)具有可比性，所以首先要根據(jù)資料數(shù)據(jù)獲得變量協(xié)方差陣（或相似系數(shù)矩陣）。3、確定因子個(gè)數(shù)。有時(shí)候你有具體的假設(shè)，它決定了因子的個(gè)數(shù)；但更多的時(shí) 候沒有這樣的假設(shè)，你僅僅希望最后的到的模型能用盡可能少的

13、因子解釋盡可能 多的方差。如果你有k個(gè)變量，你最多只能提取k個(gè)因子。通過檢驗(yàn)數(shù)據(jù)來確定 最優(yōu)因子個(gè)數(shù)的方法有很多，例如 Kaiser準(zhǔn)則、Scree檢驗(yàn)。方法的選擇由， 具體操作時(shí)視情況而定。5結(jié)構(gòu)方程模型課件4、提取因子。因子的提取方法也有多種，主要有主成分方法、不加權(quán)最小平 方法、極大似然法等，我們可以根據(jù)需要選擇合適的因子提取方法。 其中主成分 方法一種比較常用的提取因子的方法， 它是用變量的線性組合中，能產(chǎn)生最大樣 品方差的那些組合（稱主成分）作為公共因子來進(jìn)行分析的方法。5、因子旋 轉(zhuǎn)。因子載荷陣的不唯一性，使得可以對(duì)因子進(jìn)行旋轉(zhuǎn)。這一特征，使得因子結(jié) 構(gòu)可以朝我們可以合理解釋的方向

14、趨近。我們用一個(gè)正交陣右乘已經(jīng)得到的因子 載荷陣（由線性代數(shù)可知，一次正交變化對(duì)應(yīng)坐標(biāo)系的一次旋轉(zhuǎn)），使旋轉(zhuǎn)后的因子載荷陣結(jié)構(gòu)簡(jiǎn) 化。旋轉(zhuǎn)的方法也有多種，如正交旋轉(zhuǎn)、斜交旋轉(zhuǎn)等，最常 用的是方差最大化正交旋轉(zhuǎn)。6、解釋因子結(jié)構(gòu)。最后得到的簡(jiǎn)化的因子結(jié)構(gòu)是 使每個(gè)變量?jī)H在一個(gè)公共因子上有較大載荷， 而在其余公共因子上的載荷則比較小，至多是中等大小。通過這樣，我們就能知道所研究的這些變量是由哪些潛在 因素（也就是公共因子）影響的，其中哪些因素是起主要作用的，而哪些因素的作用較小，甚至可以不用考慮。7、因子得分。因子分析的數(shù)學(xué)模型是將變量 表示為公共因子的線性組合，由于公共因子能反映原始變量的相關(guān)關(guān)

15、系， 用公共 因子代表原始變量時(shí)，有時(shí)更利于描述研究對(duì)象的特征，因而往往需要反過來將公共因子表示為變量的線性組合，即因子得分。驗(yàn)證性因子分析 定義：它測(cè)試一個(gè)因子與想對(duì)應(yīng)驗(yàn)證性因子分析是對(duì)社會(huì)調(diào)查數(shù)據(jù)進(jìn)行的一種統(tǒng)計(jì)分 析。的測(cè)度項(xiàng)之間的關(guān)系是否符合研究者所設(shè)計(jì)的理論關(guān)系。的強(qiáng)項(xiàng)在于它允 許研究者明（confirmatory factor analysis） 驗(yàn)證性因子分析確描述一個(gè)理論 模型中的細(xì)節(jié)。因?yàn)闇y(cè)量誤差的存在，研究者需要使用多個(gè)測(cè)度項(xiàng)。當(dāng)使用多個(gè) 測(cè)度項(xiàng)之后，我們就有測(cè)度項(xiàng)的“質(zhì)量”問題，即效度檢驗(yàn)。而效度檢驗(yàn)就是并 與其不相干的因子沒有顯著的要看一個(gè)測(cè)度項(xiàng)是否與其所設(shè)計(jì)的因子有顯著

16、的 載荷，載荷。對(duì)測(cè)度模型的質(zhì)量檢驗(yàn)是假設(shè)檢驗(yàn)之前的必要對(duì)測(cè)度模型的檢驗(yàn) 就是驗(yàn)證性測(cè)度模型。步驟。）是用來檢驗(yàn)已知的特定結(jié)構(gòu)是否按照預(yù)期的方式 產(chǎn)生作用而驗(yàn)證性因子分析（CFA。el X2 x fle2負(fù)荷觀測(cè)變量課件結(jié)構(gòu)方程模型潛變量殘差6驗(yàn)證性因子分析的步驟：或者01、定義因子模型。包括選擇因子個(gè)數(shù)和定義因子載荷。因子載荷可以事 先定為其它自由變化的常數(shù)?；蛘咴谝欢ǖ募s束條件下變化的數(shù)（比如與另一載 荷相等）。這是和探索性因子分析在分析方法上的一個(gè)重要差異，我們可以用一個(gè)直觀的比喻，也就是說探索 性因子分析是在一張白紙上作圖，而驗(yàn)證性因子 分析是在一張有框架的圖上完善和修改。2、收集觀測(cè)

17、值。定義了因子模型以后， 我們就可以根據(jù)研究目的收集觀測(cè)值了。這一 點(diǎn)與探索性因子分析有一定的相 似之處。3、獲得相關(guān)系數(shù)矩陣。與探索性因子分析一樣，我們的分析都是在原 始數(shù)據(jù)的相關(guān)系數(shù)矩陣基礎(chǔ)上進(jìn)行的，所以首先就要得到相關(guān)系數(shù)矩陣。實(shí)際上 方差協(xié)差陣、相似系數(shù)矩陣 和相關(guān)陣之間是可以相互轉(zhuǎn)化的。4、根據(jù)數(shù)據(jù)擬 合模型。我們需要選擇一個(gè)方法來估計(jì)自由變化的因子載荷。在多元正態(tài)的條件下，最常用的是極大似然估計(jì)，也可采用漸進(jìn)分布自由估計(jì)。5、評(píng)價(jià)模型是否恰當(dāng)。這一步可以說是驗(yàn)證性因子分析的核心。 當(dāng)因子模型能 夠擬合數(shù)據(jù)時(shí)，因子載荷的選擇要使模型暗含的相關(guān)陣與實(shí)際觀測(cè)陣之間的差異 最小。最好的參數(shù)

18、被選擇以后，差異量能被用來作為衡量模型與數(shù)據(jù)一致的程度。 最常用的模型適應(yīng)性檢驗(yàn)是卡方擬合優(yōu)度檢驗(yàn)。 原假設(shè)是模型是適應(yīng)性模型，備 擇假設(shè)是存在顯著差異。但是，這個(gè)檢驗(yàn)受樣本量大小影響，包含大樣本的檢驗(yàn) 往往會(huì)導(dǎo)致拒絕原假設(shè)，盡管因子模型是合適的。其他的統(tǒng)計(jì)方法，比如用 Tucker-Lewis指數(shù)，比較建議模型和“原模型”的擬合度。這些方法受樣本量大小影響不大。6、與其他模型比較。為了得到最優(yōu)模型，我們需要完成這一步。如果你想比較 兩個(gè)模型，其中一個(gè)是另一個(gè)的縮略形式，你就能從卡方統(tǒng)計(jì)量的值檢查出他們 的差別，大約服從卡方分布。幾乎所有獨(dú)立因子載荷的檢驗(yàn)?zāi)苡脕碜鳛槿蜃幽?型和簡(jiǎn)因子的模型之

19、間的比較。為以防你不是在檢查全模型和簡(jiǎn)模型， 你可以比 較均方根誤差的近似值（RMSEA），它是模型中每個(gè)自由度差異的一個(gè)估計(jì)值。 驗(yàn)證性分析適用情況驗(yàn)證性因子分析要處理推論統(tǒng)計(jì)量，處理難度要求高。需要具備更大容量的樣本。 精確的樣本量要隨著觀測(cè)值和模型的因子數(shù)變化而變化，但一個(gè)標(biāo)準(zhǔn)模型至少需要200個(gè)個(gè)體。在進(jìn)行分析過程中必須選擇與每個(gè)因子在很大程度上匹配的變量， 而不是可能是潛在變量的“隨機(jī)樣本”。7結(jié)構(gòu)方程模型課件基于結(jié)構(gòu)方程全模型的大學(xué)生就業(yè)預(yù)期情況分析0引言隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展，我國(guó)高校大規(guī)模擴(kuò)招，越來越多的年輕人獲得了接受 教育的機(jī)會(huì)。從社會(huì)發(fā)展的角度來講，大批高素質(zhì)的人才培養(yǎng)是

20、與我國(guó)快速發(fā)展 的社會(huì)經(jīng)濟(jì)水平相適應(yīng)的。然而，由此也帶來了兩方面的問題：一是本科生的就業(yè)矛盾日益突出，幾乎每一個(gè)大學(xué)生都在切身感受就業(yè)的恐慌； 二是人才的競(jìng)爭(zhēng)加劇，加之市場(chǎng)對(duì)于人才的需求多元化，考研或出國(guó)深造成為提 高我們本科生自身核心競(jìng)爭(zhēng)力的一種渠道，同時(shí)也是規(guī)避就業(yè)難的一種新途徑； 那么，在如此就業(yè)形勢(shì)嚴(yán)峻、人才競(jìng)爭(zhēng)加劇的當(dāng)今社會(huì)，大學(xué)生們對(duì)自己將來的 就業(yè)有怎樣的預(yù)期呢？本論文基于遼寧工程技術(shù)大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院 2005級(jí)統(tǒng)計(jì)系本科生于2007年 10月至11月期間收集的題目為“大學(xué)生就業(yè)與深造意向調(diào)查”的原始問卷資料, 欲從大學(xué)生的就業(yè)預(yù)期角度出發(fā)，結(jié)合結(jié)構(gòu)方程模型，分析大學(xué)生預(yù)期就業(yè)

21、手段 和預(yù)期就業(yè)地域方面的相關(guān)情況，并期望推廣結(jié)構(gòu)方程模型應(yīng)用于問卷分析的方 法。1問題分析1.1研究目的本論文在采用量表方式對(duì)問卷中的定性變量予以賦值后，欲分析影響大學(xué)生預(yù)期就業(yè)手段和預(yù)期就業(yè)地域的因素，并期望得到各個(gè)因素與大學(xué)生預(yù)期就業(yè)手段、 預(yù)期就業(yè)地域之間的關(guān)系的度量。需注意：該調(diào)查的調(diào)查對(duì)象是遼寧工程技術(shù)大學(xué)全日制在讀本科生。調(diào)查對(duì)象僅僅是來自大學(xué)生這個(gè)總體的一個(gè)群或?qū)印?根據(jù)抽樣調(diào)查的相關(guān)理論，遼寧工程技術(shù)大學(xué) 在讀本科生并不具有典型代表性，即它作為大學(xué)生總體的一個(gè)群被抽出并不具備 隨機(jī)性和強(qiáng)代表性。因此，本論文從這份調(diào)查數(shù)據(jù)出發(fā)，僅僅只是從一個(gè)相對(duì)小 的視角研究大學(xué)生預(yù)期就業(yè)手段

22、、 預(yù)期就業(yè)地域方面的情況，結(jié)果不一定適用于 大學(xué)生總體。問卷數(shù)據(jù)歸屬于2009年10月這個(gè)時(shí)點(diǎn)，因此，本論文的分析結(jié)果當(dāng)然是對(duì) 2009年10月這個(gè)時(shí)點(diǎn)相關(guān)情況的反映。8課件結(jié)構(gòu)方程模型研究方法1.2本論文考慮建立結(jié)構(gòu)方程全模型來研究大學(xué)生預(yù)期就業(yè)手段和預(yù)期就業(yè)地域（內(nèi)生潛變結(jié)構(gòu)方程模型的優(yōu)勢(shì)就在 量）與其各個(gè)因素（外生潛變量）之間的關(guān)系， 并量化這種關(guān)系。，使人們考慮問題的思路躍然紙上，顯得更加系統(tǒng)化。也于引 入潛變量（不可直接觀測(cè)的量） 就是，它以如下的方式考慮問題：內(nèi)生潛 變量外生 潛變量 內(nèi)生觀 測(cè)變量X指標(biāo)丫指標(biāo)外源觀 測(cè)變量那么，研究外生潛變量對(duì)內(nèi)生潛變量的影響實(shí)質(zhì)上就是間接研究

23、 X指標(biāo)對(duì)丫指標(biāo) 的影響。只不過，結(jié)構(gòu)方程把由同一個(gè)潛變量控制的指標(biāo)劃分為一類， 表示這一 類指標(biāo)受該潛變量的影響，使得問題的分析更加的系統(tǒng)。值得注意的是，本論文的研究基礎(chǔ)一一問卷資料來自于第二方的調(diào)查資料，第二方事先并未考慮過用結(jié)構(gòu)方程模型分析問卷。那么，本文運(yùn)用結(jié)構(gòu)方程模型分析 問卷，問卷中的問題就不一定能很好地切合結(jié)構(gòu)方程模型，由此可能引起相當(dāng)?shù)恼`差。這也就決定了我們?cè)诖_定運(yùn)用結(jié)構(gòu)方程模型分析問卷時(shí)，已有心理準(zhǔn)備面對(duì)模型可能出現(xiàn)的整體擬合效果不好等問題，故本文著眼于推廣結(jié)構(gòu)方程模型建 模方法在問卷分析中的應(yīng)用。也就是說，欲用結(jié)構(gòu)方程模型分析問卷，應(yīng)該事先 根據(jù)相關(guān)理論或經(jīng)驗(yàn)初步設(shè)定幾個(gè)潛

24、變量， 然后在問卷中為每一個(gè)潛變量設(shè)置若 干的題目來測(cè)量它。2問卷數(shù)據(jù)的收集2.1數(shù)據(jù)來源 本論文數(shù)據(jù)來自于遼寧工程技術(shù)大學(xué)理學(xué)院 2007級(jí)統(tǒng)計(jì)系本科生于2009年10 月至11月期間收集的題目為“大學(xué)生就業(yè)與深造意向調(diào)查”的原始問卷資料。該次調(diào)查的調(diào)查對(duì)象為遼寧工程技術(shù)大學(xué)全日制在讀本科生（遼寧工程技術(shù)大學(xué)二級(jí)學(xué)院的學(xué)生不包括在內(nèi)）。具體說來，本論文僅僅提取在問卷的“甄別問題” 部分回答“就業(yè)”的那部分人（共計(jì) 280人）的相關(guān)信息進(jìn)行分析。2.2抽樣方法該次調(diào)查按學(xué)科類別（文科、理科、工科、其他）和年級(jí)（大一、大二、 大三、大四）將研究總體分為16個(gè)層，由于“其他類”的大一和大四的數(shù)據(jù)難

25、 以取得，因此，僅針對(duì)其余9結(jié)構(gòu)方程模型課件14個(gè)層進(jìn)行抽樣。根據(jù)抽樣框，在每層中按簡(jiǎn)單隨機(jī)抽樣抽取 20%勺班級(jí)，同時(shí) 在抽中的班級(jí)中按簡(jiǎn)單隨機(jī)抽樣抽取 30%勺學(xué)生。2.3問卷內(nèi)容及執(zhí)行情況調(diào)查問卷詳見附錄三。該次調(diào)查專門成立調(diào)查組，按照被抽中學(xué)生的花名冊(cè)由專人負(fù)責(zé)發(fā)放問卷，共計(jì)發(fā)放問卷788份，實(shí)際收回問卷758份，提取有效問卷706份。3問卷數(shù)據(jù)的處理3.1定性變量的分類及賦值方法二項(xiàng)分類變量：比如性別（男，女），常賦值為0，1或1，2；無序分類變量 多項(xiàng)分類變量：比如學(xué)科類別（工，文，理），常賦值為1, 2, 3,僅表示類別，無實(shí)際意義定性變量（所分類別或?qū)傩灾g無程度或順序的差別。

26、）有序分類變量：比如滿意度按非常不滿意、不滿意、一般、滿意、非常滿意分類，常賦值為1，2, 3，注意要等間距，表示程度的遞進(jìn)或順序的遞增（遞減）。（所分類別之間有程度的差別。）3.1本文變量的設(shè)置表1指標(biāo)的設(shè)置變量符號(hào)變量名取值情況X1生源地X1=1西部；X1=2中部；X仁3東部X2戶口類型X2=0農(nóng)村戶口； X2=1城鎮(zhèn)戶口X3父親受教育程度X3=1初中以下； X3=2初中；X3=3咼中或中專 X3=4大?；虮?科；X3=5研究生以上X4母親受教育程度X4=1初中以下； X4=2初中；X4=3高中或中專X4=4大?；虮究?；X4=5研究生以上10結(jié)構(gòu)方程模型課件X5月可支配生活費(fèi)X5=2 30

27、0500 元 X5=1 300 元以下；元以上 X5=3 500800元；X5=4 800X6對(duì)就業(yè)形勢(shì)的看法一般X6=2不好；X6=3X6=1很不好；非常好X6=4較好；X6=5X7所學(xué)專業(yè)前景看法一般X7=2不好；X7=3X7=1很不好；非常好X7=4較好；X7=5X8參加就業(yè)輔導(dǎo)的次數(shù)次參加1X8=0參加0次；X8=1次以上參加 4X8=2參加2次；X8=3X9就業(yè)資格證書個(gè)數(shù)3?、12、X9=0X10四、六級(jí)考證情況X10=2過六級(jí)X10=0四、六級(jí)都沒過；X10=1過四級(jí)；X11參加社會(huì)實(shí)踐次數(shù)2次 X11=1 參加1、X11=0從不參加； 4次以上次； X11=3 參加X11=2參

28、加3、4Y1是否自主創(chuàng)業(yè)是 Y1=0 否；Y1=1Y2工作地域縣級(jí)地區(qū)Y2=1農(nóng)村地區(qū)；Y2=2省會(huì)城市及直轄市地級(jí)城市及州市；丫2=4丫2=3潛變量的設(shè)置表2變量符號(hào)變量名變量包括的指標(biāo)外生 潛變 量1社會(huì)經(jīng)濟(jì)地位X5 、 X3X4X1 、 X22對(duì)就業(yè)狀況的把握X8 、 X6、 X73自身能力X11 、 X9X10內(nèi)生 潛變量1預(yù)期就業(yè)手段Y12預(yù)期就業(yè)地域Y211課件結(jié)構(gòu)方程模型基于結(jié)構(gòu)方程模型的大學(xué)生預(yù)期就業(yè)手段和就業(yè)區(qū)域情況4分析結(jié)構(gòu)方程模型簡(jiǎn)介4.1很多社會(huì)、教育、心理等研究中涉及的變量，都不能準(zhǔn)確、直接地測(cè)量，比如學(xué) 習(xí)動(dòng)機(jī)、潛變量往往只能通過一些外生指標(biāo)去衡家庭社會(huì)經(jīng)濟(jì)地位等，

29、我們稱這 樣的變量為潛變量。量，比如用父母受教育程度、學(xué)生戶口類型、父母收入等外生指標(biāo)來衡量學(xué)生的社會(huì)經(jīng)濟(jì)地。傳統(tǒng)的統(tǒng)計(jì)分析方法不能妥善處理這些潛變量， 而結(jié)構(gòu)方程全模型則能同時(shí)處位（潛變量）理潛變量及其指標(biāo)。它是一種基于變 量的協(xié)方差矩陣來分析多個(gè)變量之間關(guān)系的一種統(tǒng)計(jì)方法，也稱為協(xié)方差結(jié)構(gòu)分析。并且，它有機(jī)地整合了多元統(tǒng)計(jì)中的因子分析方法、生物學(xué)中的路徑分析方法以及計(jì)量經(jīng)濟(jì)學(xué)中的聯(lián)立方程模型。結(jié)構(gòu)方程全模型由測(cè)量方程和結(jié)構(gòu)方程組 成。若結(jié)構(gòu)方程模型中只包括測(cè)量方程，則又稱為驗(yàn)證性因子模型。關(guān)于測(cè)量方程和結(jié)構(gòu)方程的形式，最普遍的情況是設(shè)定為線性模型。測(cè)量方程用來描述指標(biāo)與潛變量之間的關(guān)系，用

30、下述模型表示：AX Xm4.1AY nYTT ） ,是是由m個(gè)外生指標(biāo)構(gòu)成的列向量；,（,這里，X （X,XX）u211m2上的因子負(fù)荷陣，X在U維的矩陣，稱作由U個(gè)外生潛變量構(gòu)成的列向量；A是一個(gè)mxT維的誤差項(xiàng)列向量。，,m，是描述了外生指標(biāo)與外生潛變量之間的關(guān)系；m12TT個(gè)內(nèi)生變V是由n個(gè)內(nèi)生指標(biāo)構(gòu)成的列向量； ，（），是由,）（Y y,y,yv1n221上的因子負(fù)荷陣，描述了內(nèi)生指在維的矩陣，稱作YA是一個(gè)n v量構(gòu)成的列向量；y是n,標(biāo)與內(nèi)生潛變量之間的關(guān)系；，,=維的誤差項(xiàng)列向量。n12結(jié)構(gòu)方程用來描述外生潛變量與內(nèi)生潛變量之間的關(guān)系，用下述模型表示：4.2同上定義；是一個(gè)v 這

31、里，V、維的矩陣，描述內(nèi)生潛變量之間的關(guān)系；是 描述外生潛變量對(duì)內(nèi)生潛變量的影響；在，一個(gè)v u的矩陣，是上的負(fù)荷T的部分。v ,維結(jié)構(gòu)模型殘差項(xiàng)列向量，反映了模型中未能解釋為一個(gè)，畀242模型的基本假定n,2, ,m;j1 i1,2,y,x只在其對(duì)應(yīng)的潛變量上有不為一般假定，每一個(gè)指標(biāo)0的因子負(fù)荷，而在其他潛變量上的因子負(fù)荷為0。內(nèi)生變量之間的路徑（相關(guān)或單方面影響）依據(jù)經(jīng)驗(yàn)和相關(guān)理論而定。之與內(nèi)生潛變量測(cè)量誤差項(xiàng)測(cè)量誤差項(xiàng)與外生潛變量之間（）、mji, ,1,2,jjii12課件結(jié)構(gòu)方程模型）（間不相關(guān)）；、（與與與 j n;i i,j;i,j 1,2, ,mi n i,j1,2, ,j

32、1,2,j （）不相關(guān)。ji vj 1,2, ,;i,結(jié)構(gòu)方程模型路徑圖及形式 4.3學(xué)資學(xué)習(xí)網(wǎng)結(jié)合研究目的，首先我們根據(jù)相關(guān)研究及經(jīng)驗(yàn)，找出影響大學(xué)生的預(yù)期就業(yè)手段 和預(yù)期就業(yè)地域這兩個(gè)內(nèi)生潛變量的外生潛變量。然后，對(duì)問卷中的相關(guān)指標(biāo)進(jìn)行初步歸類，建立驗(yàn)證性因子模型，并進(jìn)行相關(guān)的參數(shù)估計(jì)、不斷修正，最終確 定潛變量的結(jié)構(gòu)后，再加入結(jié)構(gòu)方程模型。下圖為擬采用的結(jié)構(gòu)方程全模型的路徑分析圖，欲對(duì)各路徑參數(shù)進(jìn)行估計(jì)。內(nèi)生潛變量外生潛變量YX指標(biāo)指標(biāo)X1X2 1X3社會(huì)經(jīng)濟(jì)地位X41X5預(yù)期就丫1業(yè)手段 2X6對(duì)就業(yè)狀X7況的把握X82預(yù)期就 3丫2X9 業(yè)地域能身自 X10 力X11圖1擬采用的全模

33、型路徑分析圖圖1的符號(hào)說明：正方形或長(zhǎng)方形表示指標(biāo)；圓或橢圓表示潛變量；單向箭頭表示單向影響；雙箭 頭表示13課件結(jié)構(gòu)方程模型相關(guān)；單向箭頭指向指標(biāo)表示測(cè)量誤差；單向箭頭指向潛變量表示內(nèi)生潛變量未被解釋的部 分。注意：確定需要用哪些指標(biāo)衡量潛變量， 可以根據(jù)經(jīng)驗(yàn)分析 進(jìn)行初步歸類，也可以使用多元統(tǒng)計(jì)分析中因子分析的方法進(jìn)行探索。然后，對(duì)初步歸類的指標(biāo)建立驗(yàn)證性因子模型 （即只有，并進(jìn)行相應(yīng)的參數(shù)估計(jì)，比較從 屬于同一潛變量的各路徑參數(shù)的大小，進(jìn)行相應(yīng)測(cè)量方程）的路徑刪減。結(jié)構(gòu)方程全模型是否可識(shí)別不僅取決于數(shù)據(jù)質(zhì)量， 更取決于模型設(shè)定形式是否正確。 模型形式的正確性就表現(xiàn)在潛變量指向指標(biāo)的單向路

34、徑、外生潛變量之間的雙向路徑、內(nèi)生潛變量之間的單向或雙向路徑、 外生潛變量指向內(nèi)生潛變量的單向路 徑劃定是否正確。每一條。路徑對(duì)應(yīng)一個(gè)待估參數(shù)（主要是模型中的系數(shù)（負(fù)荷）、 誤差方差、潛變量之間的相關(guān)系數(shù)）、保證指標(biāo)一般的思路是先建立驗(yàn)證性因子 模型，不斷修正（刪減路徑或改變路徑相連方式）與潛變量之間的從屬關(guān)系成立后，再建立結(jié)構(gòu)方程，不斷修正，漸漸修改為相對(duì)理想的模型。在沒有任何 理論依據(jù)或經(jīng)驗(yàn)的前提下，我們要考慮任意兩個(gè)外生潛變量之間、任意兩個(gè)然后 根據(jù)模型的參數(shù)估計(jì)結(jié)果進(jìn)行相應(yīng)的路徑增內(nèi)生潛變量之間的相關(guān)關(guān)系（路徑為雙向），減。 和由圖1,注意到本文擬采用的模型中，兩個(gè)內(nèi)生潛變量均分別只用

35、一個(gè)指標(biāo)和YY1212衡量，相當(dāng)于潛變量就是指標(biāo)。原則上，結(jié)構(gòu)方程模型 并不允許這樣的情況出現(xiàn)，因?yàn)閱沃笜?biāo)潛變量的存在會(huì)使得模型無法識(shí)別。倘若這種情況真的出現(xiàn)了，需在參數(shù)估計(jì)時(shí)固定負(fù)荷。本文模型的設(shè)定形式不得不包 含單指標(biāo)的潛變量，主要是由或方差等（詳見附錄四的程序）使得問卷內(nèi)容設(shè)計(jì) 和模型形式設(shè)定脫節(jié)，于我們基于第二方設(shè)計(jì)的問卷進(jìn)行相關(guān)問題的分析，從而導(dǎo)致有些潛變量找不到一定數(shù)量的、合適的指標(biāo)來測(cè)量。，模型的形式設(shè)定為：對(duì)照?qǐng)D10011002100310 OX41110 0 X512210+ 0162200372X 0011118200930010,30011,3Ax14課件結(jié)構(gòu)方程模型0y

36、11111 222222無需估計(jì)，,1實(shí)際上，由于內(nèi)生潛變量就是，為單指標(biāo)潛變量，222111。，因而也就不存在誤差項(xiàng)2110131211112112212322222134.4 模型的識(shí)別個(gè)可觀中，共有常用判斷模型是否可識(shí)別：在結(jié)構(gòu)方程模型法則tt :要條件是一模型可識(shí)別的個(gè)必，測(cè)變量記由為模型中自估計(jì)的參數(shù)個(gè)數(shù)則2 1）/m（m n）（ nt個(gè)觀測(cè)變11個(gè)負(fù)荷、3個(gè)潛變量之間的相關(guān)系數(shù)、該模型中共含有35個(gè)參數(shù)，包括11于由差誤差方。生參數(shù)、2個(gè)內(nèi)潛變量的未型、誤量的差方差結(jié)構(gòu)模的8個(gè)知，故該模型可識(shí)別。1293 1 14/ 354.5模型的參數(shù)估計(jì)以及參數(shù)的顯著性檢驗(yàn)1、模型的參數(shù)估計(jì)對(duì)

37、模型的未知參數(shù)進(jìn)行估計(jì)，源程序、輸出結(jié)果分別見利用結(jié)構(gòu)方程模型軟件 AMOS7.0附錄四和附錄五。結(jié)構(gòu)方程模型參數(shù)估計(jì)的基本思想是：求參數(shù)使得模 型隱含的協(xié)方差矩陣與樣本協(xié)方差矩陣“差距”最小。對(duì)這個(gè)矩陣之間“差距”的不同定義方法，產(chǎn)生了不同的模型擬合方法，雖然此法ML及相應(yīng)的參數(shù)估計(jì)。最常用的結(jié)構(gòu)方程模型參數(shù)估計(jì)方法是極大似然函數(shù)法（需要假定觀測(cè)指標(biāo) 的分布為正態(tài)或近似正態(tài)分布，但很多研究表明，即使指標(biāo)的分布不為正估計(jì)是穩(wěn)健的。ML態(tài)分布，方法也能得到合適的估計(jì)，尤其在大樣本條件下。也即， ML、模型參數(shù)的顯著性檢驗(yàn)2的輸出結(jié)果給出了未標(biāo)準(zhǔn)化情況下，各因子負(fù)荷 的估計(jì)以及與各負(fù)荷相應(yīng)的標(biāo) A

38、MOS7.0檢驗(yàn)t為顯著，即此時(shí)認(rèn)為相應(yīng)的負(fù)荷值 大于準(zhǔn)差估計(jì)值和2統(tǒng)計(jì)量值。一般可簡(jiǎn)單地取。若有某幾個(gè)因子負(fù)荷不顯著， 每次取消一個(gè)路徑，重新運(yùn)行程序后，再進(jìn)行負(fù)0顯著不為15結(jié)構(gòu)方程模型課件荷的顯著性檢驗(yàn)，重復(fù)此過程，直到各個(gè)負(fù)荷均顯著為止。AMOS7.0勺輸出結(jié)果也給出了標(biāo)準(zhǔn)化情況下參數(shù)的估計(jì)結(jié)果。標(biāo)準(zhǔn)化情況下，參 數(shù)估計(jì)結(jié)果不受各指標(biāo)或因子量綱的影響， 便于對(duì)變量之間的相互關(guān)系進(jìn)行分析。 本文的模型采用標(biāo)準(zhǔn)化情況下的參數(shù)估計(jì)結(jié)果， 并且分兩步確立：第一步建立驗(yàn) 證性因子模型，確定潛變量的結(jié)構(gòu)；第二步按照?qǐng)D1的模型（即加入結(jié)構(gòu)方程）， 運(yùn)行程序，刪除不顯著的路徑后再次運(yùn)行程序， 共經(jīng)歷兩

39、次路徑刪除后，估計(jì)結(jié) 果顯示所有的因子負(fù)荷在置信 下，均已顯著。從而得到本文估計(jì)模型的具體形式：水平90%0.4040 00.71200000.768 x0 00.81011X0.653002124.31 +000.519200.6790300X0.63411110.900000.42700000.234y00.997111 20.886y0222 10.1450.162000.123111 320 00.19100.2542223此外，輸出結(jié)果（見附錄五）中沒有包含違背常理的參數(shù)估計(jì)值，比如說沒有出現(xiàn)方差小于 0、相關(guān)系數(shù)大于1等情況，說明用該模型擬 合原始數(shù)據(jù)是合適的。4.6模型的整體擬合

40、評(píng)價(jià)根據(jù)結(jié)構(gòu)方程模型中評(píng)價(jià)模型擬合優(yōu)劣的相關(guān)理論，通常采用以下幾種指標(biāo)來評(píng)價(jià)模型的擬合效果：相對(duì)擬合指數(shù)（CFI）:取值于0 1之間，越接近于1,模型整體擬合越好； 近似均方根誤差指數(shù)（RMSEA其值越小越好。一般認(rèn)為，RMSE低于0.1表 示好的擬合，低于0.05表示非常好的擬合。調(diào)整后的擬合優(yōu)度指數(shù)（AGF）:取值于0 1之間，越接近1,模型整體擬合 越好。本文模型的擬合優(yōu)劣指標(biāo)匯總?cè)缦拢罕?模型的擬合指數(shù)指標(biāo)CFIRMSEAAGFI取值0.730.130.7616結(jié)構(gòu)方程模型課件結(jié)合各個(gè)擬合指數(shù)的判斷標(biāo)準(zhǔn)，由表 1知，模型整體擬合效果一般。前述 4.3節(jié)的注意（4）已分析過原因。4.7模

41、型參數(shù)估計(jì)結(jié)果的解釋每一個(gè)觀測(cè)指標(biāo)對(duì)其從屬的潛變量的標(biāo)準(zhǔn)化參數(shù)估計(jì)值（即負(fù)荷），有效地反映了該指標(biāo)與相應(yīng)潛變量之間的相關(guān)程度，同時(shí)也反映了潛變量對(duì)相應(yīng)觀測(cè)指標(biāo)的 解釋能力。這可以由下圖中各路徑的參數(shù)清晰地表征出來：X1 0.8370.4040.493 X2 0.712 9.768 X3 0.410 社會(huì)經(jīng)濟(jì)地位 0.810 X4 0.3430.93910.0050.653就預(yù)期X50.5740.123-0.052業(yè)手段Y10.9970.1630.1622X6 0.731 0.5190.1910.145情對(duì)就業(yè)0.679X7 0.539 況的把握0.2540.6340.598X80.8862-0.103預(yù)期就 0.191 3 X9 0.983Y2業(yè)地域0.900能自身0.8180.427 X10 力 0.0330.2340.9