★結(jié)構(gòu)方程模型要點(diǎn)

1、結(jié)構(gòu)方程模型要點(diǎn)一、結(jié)構(gòu)方程模型的模型構(gòu)成1、變量觀(guān)測(cè)變量：能夠觀(guān)測(cè)到的變量（路徑圖中以長(zhǎng)方形表示）潛在變量：難以直接觀(guān)測(cè)到的抽象概念，由觀(guān)測(cè)變量推估出來(lái)的變量（路徑圖 中以橢圓形表示）內(nèi)生變量：模型總會(huì)受到任何一個(gè)其他變量影響的變量（因變量；路徑圖會(huì)受 到任何一個(gè)其他變量以單箭頭指涉的變量）外生變量：模型中不受任何其他變量影響但影響其他變量的變量（自變量；路 徑圖中會(huì)指向任何一個(gè)其他變量，但不受任何變量以單箭頭指涉的變量）中介變量：當(dāng)內(nèi)生變量同時(shí)做因變量和自變量時(shí)，表示該變量不僅被其他變量 影響，還可能對(duì)其他變量產(chǎn)生影響。內(nèi)生潛在變量：潛變量作為內(nèi)生變量?jī)?nèi)生觀(guān)測(cè)變量：內(nèi)生潛在變量的觀(guān)測(cè)變量外

2、生潛在變量：潛變量作為外生變量外生觀(guān)測(cè)變量：外生潛在變量的觀(guān)測(cè)變量中介潛變量：潛變量作為中介變量中介觀(guān)測(cè)變量：中介潛在變量的觀(guān)測(cè)變量2、參數(shù)（“未知”和“估計(jì)”）潛在變量自身：總體的平均數(shù)或方差變量之間關(guān)系：因素載荷，路徑系數(shù)，協(xié)方差參數(shù)類(lèi)型：自由參數(shù)、固定參數(shù)自由參數(shù)：參數(shù)大小必須通過(guò)統(tǒng)計(jì)程序加以估計(jì)固定參數(shù)：模型擬合過(guò)程中無(wú)須估計(jì)（1）為潛在變量設(shè)定的測(cè)量尺度將潛在變量下的各觀(guān)測(cè)變量的殘差項(xiàng)方差設(shè)置為1 將潛在變量下的各觀(guān)測(cè)變量的因子負(fù)荷固定為1（2）為提高模型識(shí)別度人為設(shè)定限定參數(shù)：多樣本間比較（半自由參數(shù)）3、路徑圖（1）含義：路徑分析的最有用的一個(gè)工具，用圖形形式表示變量之間的各種

3、線(xiàn)性關(guān)系，包括直接的和間接的關(guān)系。（2）常用記號(hào)：矩形框表示觀(guān)測(cè)變量圓或橢圓表示潛在變量小的圓或橢圓，或無(wú)任何框，表示方程或測(cè)量的誤差單向箭頭指向指標(biāo)或觀(guān)測(cè)變量，表示測(cè)量誤差單向箭頭指向因子或潛在變量，表示內(nèi)生變量未能被外生潛在變量解釋的部 分，是方程的誤差單向箭頭連接的兩個(gè)變量表示假定有因果關(guān)系，箭頭由原因（外生）變量指 向結(jié)果（內(nèi)生）變量?jī)蓚€(gè)變量之間連線(xiàn)的兩端都有箭頭，表示它們之間互為因果弧形雙箭頭表示假定兩個(gè)變量之間沒(méi)有結(jié)構(gòu)關(guān)系，但有相關(guān)關(guān)系變量之間沒(méi)有任何連接線(xiàn)，表示假定它們之間沒(méi)有直接聯(lián)系（3）路徑系數(shù)含義：路徑分析模型的回歸系數(shù)，用來(lái)衡量變量之間影響程度或變量的效應(yīng)大?。?biāo)準(zhǔn)化系數(shù)

4、、非標(biāo)準(zhǔn)化系數(shù)）類(lèi)型：反映外生變量影響內(nèi)生變量的路徑系數(shù)反映內(nèi)生變量影響內(nèi)生變量的路徑系數(shù)路徑系數(shù)的下標(biāo)：第一部分所指向的結(jié)果變量第二部分表示原因變量（4）效應(yīng)分解直接效應(yīng)：原因變量（外生或內(nèi)生變量）對(duì)結(jié)果變量（內(nèi)生變量）的直接影 響，大小等于原因變量到結(jié)果變量的路徑系數(shù)間接效應(yīng)：原因變量通過(guò)一個(gè)或多個(gè)中介變量對(duì)結(jié)果變量所產(chǎn)生的影響，大 小為所有從原因變量出發(fā)，通過(guò)所有中介變量結(jié)束于結(jié)果變量的路徑系數(shù)乘積總效應(yīng)：原因變量對(duì)結(jié)果變量的效應(yīng)總和總效應(yīng)=直接效應(yīng)+間接效應(yīng)4、矩陣方程式(1)X = A +8y = A H+8n=Bn+r&+C（1）和（2）是測(cè)量模型方程，（3）是結(jié)構(gòu)模型方程

5、 測(cè)量模型：反映潛在變量和觀(guān)測(cè)變量之間的關(guān)系 結(jié)構(gòu)模型：反映潛在變量之間因果關(guān)系5、結(jié)構(gòu)方程模型的八種矩陣概念符號(hào)代表意義結(jié)構(gòu)模型矩陣B內(nèi)生潛在變量被內(nèi)生潛在變量軍釋之回歸矩陣（回歸系數(shù)）r內(nèi)生潛在變量被外生潛在變量軍釋之回歸矩陣（回歸系數(shù)）測(cè)量模型矩陣AX外生觀(guān)測(cè)變量被外生潛在變量軍釋之回歸矩陣（因素載荷）Ay內(nèi)生觀(guān)測(cè)變量被內(nèi)生潛在變量軍釋之回歸矩陣（因素載荷）“外生潛在變量之協(xié)方差矩陣（因素共變）殘差矩陣中內(nèi)生潛在變量被外生潛在變量解釋之誤差項(xiàng)協(xié)方差矩陣（解釋殘差）0§外生觀(guān)測(cè)變量被外生潛在變量解釋之誤差項(xiàng)協(xié)方差矩陣（X變量殘差）0£內(nèi)生觀(guān)測(cè)變量被內(nèi)生潛在變量解釋之誤差

6、項(xiàng)協(xié)方差矩陣（Y變量殘差）二、模型整體評(píng)價(jià)指標(biāo)名稱(chēng)指標(biāo)含義接受標(biāo)準(zhǔn)適用情形殘差分析未標(biāo)準(zhǔn)化殘差RMR未標(biāo)準(zhǔn)化假設(shè)模型整體殘差越小越好了解殘差特性標(biāo)準(zhǔn)化殘差SRMR標(biāo)準(zhǔn)化模型整體殘差<.08了解殘差特性擬合效果指標(biāo)絕對(duì)擬合效果指標(biāo)卡方值導(dǎo)出矩陣與觀(guān)測(cè)矩陣的整體相 似程度卡方自由度比卡方值/自由度<2不受模型復(fù)雜程度影響擬合指數(shù)GFI模型可解釋觀(guān)測(cè)數(shù)據(jù)的方差與 協(xié)方差比>.90說(shuō)明模型解釋力調(diào)整擬合指數(shù)AGFI用模型自由度和參數(shù)數(shù)目調(diào)整 的GFI>.90不受模型復(fù)雜程度影響簡(jiǎn)效擬合指數(shù)PGFI用模型自由度和參數(shù)數(shù)目調(diào)整 的GFI>.50說(shuō)明模型的簡(jiǎn)單程度相對(duì)擬合效果指

7、標(biāo)正規(guī)擬合指數(shù)NFI假設(shè)模型與獨(dú)立模型的卡方差日 異>.90說(shuō)明模型較虛無(wú)模型的改善程 度非正規(guī)擬合指數(shù)NNFI用模型自由度和參數(shù)數(shù)目調(diào)整 的NFI>.90不受模型復(fù)雜程度的影響替代性指標(biāo)非集中性參數(shù)NCP假設(shè)模型的卡方值距離中央卡 方值分布的離散程度越小越好說(shuō)明假設(shè)模型矩陣中央卡方值 的程度相對(duì)擬合指數(shù)CFI假設(shè)模型與獨(dú)立模型的非中央 性差異>.95說(shuō)明模型較虛無(wú)模型的改善程 度，特別適合小樣本平均概似平均誤根系數(shù) RMSEA比較理論模型與飽和模型的差 距<.05不受樣本數(shù)與模型復(fù)雜度影響訊息指數(shù)AIC經(jīng)過(guò)減效調(diào)整的模型擬合度的 波動(dòng)性越小越好適用效度復(fù)核非嵌套模型比

8、較一致信息指數(shù)CAIC從樣本量方面對(duì)AIC進(jìn)行調(diào)整越小越好適用效度復(fù)核非嵌套模型比較關(guān)鍵樣本指數(shù)CN接受假設(shè)模型所需的樣本數(shù)目>200反映樣本規(guī)模的適切性三、模型修正1、參考標(biāo)準(zhǔn)模型所得結(jié)果是適當(dāng)?shù)?；所得模型的?shí)際意義、模型變量間的實(shí)際意義和所得參數(shù)與實(shí)際假設(shè)的關(guān)系是 合理的；參考多個(gè)不同的整體擬合指數(shù)；2、修正原則省儉原則兩個(gè)模型擬合度差別不大的情況下，應(yīng)取兩個(gè)模型中較簡(jiǎn)單的模型；擬合度差別很大，應(yīng)采取擬合更好的模型，暫不考慮模型的簡(jiǎn)潔性；最后采用的模型應(yīng)是用較少參數(shù)但符合實(shí)際意義，且能較好擬合數(shù)據(jù)的模型。等同模式等同模式：用不同的方法表示各個(gè)潛在變量之間的關(guān)系，能得出基本相同的結(jié) 果

9、，參數(shù)個(gè)數(shù)相同，擬合程度相同的模式。實(shí)際意義、多次驗(yàn)證3、模型修正方向模型擴(kuò)展方面（放松一些路徑系數(shù)，提高擬合度）修正指數(shù)MI=為 2-% 2MI【Modificalionm Indices（M.I.）】反映的是一個(gè)固定或限制參數(shù)被恢復(fù)自 由時(shí)，卡方值可能減少的最小的量。如果MI變化很小，則修正沒(méi)有意義；通常認(rèn) 為MI>4,模型修正才有意義。（顯著水平為0.05時(shí)，臨界值為3.84）模型簡(jiǎn)約方面（刪除或限制一些路徑系數(shù)，使模型變簡(jiǎn)潔）臨界比率CR二左/dfCR通過(guò)自由度調(diào)整卡方值，以供選擇參數(shù)不是過(guò)多，又能滿(mǎn)足一定擬合度的 模型，尋找CR比率最小者單個(gè)參數(shù)調(diào)整設(shè)為0兩個(gè)變量之間路徑系數(shù)關(guān)

10、系進(jìn)行調(diào)整，設(shè)為相等4、模型修正內(nèi)容（1）測(cè)量模型修正添加或刪除因子載荷添加或刪除因子之間的協(xié)方差添加或刪除測(cè)量誤差的協(xié)方差（2）結(jié)構(gòu)模型修正增加或減少潛在變量數(shù)目添加或刪減路徑系數(shù)添加或刪除殘差項(xiàng)的協(xié)方差四、驗(yàn)證性因子分析（CFA）1、驗(yàn)證性因子分析2、路徑分析路徑分析參數(shù)估計(jì)圖自我效能對(duì)于學(xué)業(yè)表現(xiàn)的模型衍生相關(guān)：（軌跡法則）1直接效應(yīng)：自我效能學(xué)業(yè)表現(xiàn)=0.292間接效應(yīng)：自我效能成就動(dòng)機(jī) 學(xué)業(yè)表現(xiàn)=0.133相關(guān)間接效應(yīng)：自我效能,一,社會(huì)期待 一學(xué)業(yè)表現(xiàn)=0.13*0.16=0.02自我效能一社會(huì)期待一成就動(dòng)機(jī)一學(xué)業(yè)表現(xiàn)=0.13*0.02*0.21=0.000546衍生相關(guān)為 0.2

11、9+0.13+0.02+0.00=0.44 五、SPSS 與 Amos一般的研究論文的數(shù)據(jù)分析部分少不了對(duì)樣本的描述、對(duì)變量進(jìn)行探索性因子 分析（EFA），然后再利用多變量分析技術(shù)或SEM進(jìn)行數(shù)據(jù)分析，最后提出研究結(jié)論 （驗(yàn)證假說(shuō)），提出建議?；谶@樣的了解，我們來(lái)看55與Amos所發(fā)揮的功能：SPSSAmos樣本描述J（非常詳盡）V因子分析EFACFA多變量分析方差分析、判別分析、回 歸分析、多元尺度法等建立SEM,進(jìn)行路徑分析。多群組分 析、Bootstrapping六、利用amos做統(tǒng)計(jì)檢驗(yàn)利用amos,所得到的值是顯著性值），我們要用顯著性和我們所設(shè)的顯著 水平a值做比較，如果顯著性大

12、于a值，未達(dá)到顯著水平，則接受虛無(wú)假說(shuō)；如果 顯著性小于a值，達(dá)到顯著水平，則拒絕虛無(wú)假說(shuō)（即發(fā)現(xiàn)有統(tǒng)計(jì)上的顯著性）。 在統(tǒng)計(jì)檢驗(yàn)時(shí)，本書(shū)所設(shè)定的顯著性水平皆是0.05（a=0.05） 七、擬合度AMOS是以卡方統(tǒng)計(jì)量來(lái)進(jìn)行檢驗(yàn)的，一般以卡方值p大于0.05判斷模型是否 具有良好的擬合度。但是卡方統(tǒng)計(jì)量容易受到樣本大小的影響，因此還要參考其他 擬合指標(biāo)。如下圖：擬合指標(biāo)判斷準(zhǔn)則絕對(duì)擬合指標(biāo)X2P0.05表明擬合度較好GFI越接近1表示模型擬合度越好，通常采用GFI0.9RMR越接近0表示模型擬合度越好，通常采用RMR<0.05RMSEA越接近0表示模型擬合度越好，通常采用RMSERV0.1增值擬合指標(biāo)AGFI越接近1表示模型擬合度越好，通常采用AGFI0.9NFI越接近1表示模型擬合度越好CFI越接近1表示模型擬合度越好IFI越接近1表示模型擬合度越好精簡(jiǎn)擬合指標(biāo)AICAIC越小表示該模型那個(gè)較好CAICCAIC越小表示該模型那個(gè)較好八、遞歸與非遞歸模型PA-VO的路徑分析有兩種應(yīng)用模