結構方程模型案例

#間不相關(i,j€1,2,,n)；與5(i,j€1,2,,m;i,j)、￡與8(i,j=1,2,,n;i,j)、?與?ijijij(i,j€1,2,,v;i,j)不相關。4.3結構方程模型路徑圖及形式???結合研究目的，首先我們根據(jù)相關研究及經驗，找出影響大學生的預期就業(yè)手段和預期就業(yè)地域這兩個內生潛變量的外生潛變量。然后，對問卷中的相關指標進行初步歸類，建立驗證性因子模型，并進行相關的參數(shù)估計不斷修正，最終確定潛變量的結構后，再加入結構方程模型。下圖為擬采用的結構方程全模型的路徑分析圖，欲對各路徑參數(shù)進行估計。圖1的符號說明：正方形或長方形表示指標；圓或橢圓表示潛變量；單向箭頭表示單向影響；雙箭頭表示

相關；單向箭頭指向指標表示測量誤差；單向箭頭指向潛變量表示內生潛變量未被解釋的部注意：⑴確定需要用哪些指標衡量潛變量，可以根據(jù)經驗分析進行初步歸類，也可以使用多元統(tǒng)計分析中因子分析的方法進行探索。然后，對初步歸類的指標建立驗證性因子模型（即只有測量方程），并進行相應的參數(shù)估計，比較從屬于同一潛變量的各路徑參數(shù)的大小，進行相應的路徑刪減。⑵結構方程全模型是否可識別不僅取決于數(shù)據(jù)質量，更取決于模型設定形式是否正確。模型形式的正確性就表現(xiàn)在潛變量指向指標的單向路徑、外生潛變量之間的雙向路徑、內生潛變量之間的單向或雙向路徑、外生潛變量指向內生潛變量的單向路徑劃定是否正確。每一條路徑對應一個待估參數(shù)（主要是模型中的系數(shù)（負荷）、誤差方差、潛變量之間的相關系數(shù)）。一般的思路是先建立驗證性因子模型，不斷修正（刪減路徑或改變路徑相連方式）、保證指標與潛變量之間的從屬關系成立后，再建立結構方程，不斷修正，漸漸修改為相對理想的模型。⑶在沒有任何理論依據(jù)或經驗的前提下，我們要考慮任意兩個外生潛變量之間、任意兩個內生潛變量之間的相關關系（路徑為雙向），然后根據(jù)模型的參數(shù)估計結果進行相應的路徑增減。⑷由圖1,注意到本文擬采用的模型中，兩個內生潛變量€和€均分別只用一個指標Y和Y1212衡量，相當于潛變量就是指標。原則上，結構方程模型并不允許這樣的情況出現(xiàn)，因為單指標潛變量的存在會使得模型無法識別。倘若這種情況真的出現(xiàn)了，需在參數(shù)估計時固定負荷或方差等（詳見附錄四的程序）。本文模型的設定形式不得不包含單指標的潛變量，主要是由于我們基于第二方設計的問卷進行相關問題的分析，使得問卷內容設計和模型形式設定脫節(jié)，從而導致有些潛變量找不到一定數(shù)量的、合適的指標來測量。對照圖1，模型的形式設定為：11213141(1)Ix11丿51627282(1)Ix11丿51627282E1丿9310,311,3(2)…y]1<y丿'2yA…,0)11<0卩丿'22丿Y…n)1<n丿'2y+1<?丿'2y實際上，由于內生潛變量n,n為單指標潛變量，,,,就是1無需估計,121122因而也就不存在誤差項?，?。12…n、1<n…n、1<n2丿…00)…n12<00丿、21丿1<n2丿…申申申、1112133申申丿'212223‘4.4模型的識別常用t-法則判斷模型是否可識別：在結構方程模型(4.1)-(4.2)中，共有(m+n)個可觀測變量，記t為模型中自由估計的參數(shù)個數(shù)，則模型可識別的一個必要條件是：t”(m+n)(m+n+1)/2該模型中共含有35個參數(shù)，包括11個負荷、3個潛變量之間的相關系數(shù)、11個觀測變量的誤差方差、結構模型的8個未知參數(shù)、2個內生潛變量的誤差方差。由于35”13?14/2二91，故該模型可識別。模型的參數(shù)估計以及參數(shù)的顯著性檢驗1、模型的參數(shù)估計利用結構方程模型軟件AM0S7.0對模型的未知參數(shù)進行估計，源程序、輸出結果分別見附錄四和附錄五。結構方程模型參數(shù)估計的基本思想是：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。對這個矩陣之間“差距”的不同定義方法，產生了不同的模型擬合方法及相應的參數(shù)估計。最常用的結構方程模型參數(shù)估計方法是極大似然函數(shù)法(ML),雖然此法需要假定觀測指標的分布為正態(tài)或近似正態(tài)分布，但很多研究表明，即使指標的分布不為正態(tài)分布，ML方法也能得到合適的估計，尤其在大樣本條件下。也即，ML估計是穩(wěn)健的。2、模型參數(shù)的顯著性檢驗AMOS7.0的輸出結果給出了未標準化情況下，各因子負荷的估計以及與各負荷相應的標準差估計值和t-檢驗統(tǒng)計量值。一般可簡單地取t值大于2為顯著，即此時認為相應的負荷顯著不為0。若有某幾個因子負荷不顯著，每次取消一個路徑，重新運行程序后，再進行負

荷的顯著性檢驗，重復此過程，直到各個負荷均顯著為止。AMOS7.0的輸出結果也給出了標準化情況下參數(shù)的估計結果。標準化情況下，參數(shù)估計結果不受各指標或因子量綱的影響，便于對變量之間的相互關系進行分析。本文的模型采用標準化情況下的參數(shù)估計結果，并且分兩步確立：第一步建立驗證性因子模型，確定潛變量的結構；第二步按照圖1的模型（即加入結構方程），運行程序，刪除不顯著的路徑后再次運行程序，共經歷兩次路徑刪除后，估計結果顯示所有的因子負荷在置信水平€=90%下，均已顯著。從而得到本文估計模型的具體形式:0.4040.7120.7680.8100.653（1）IX11丿0.5190.6790.8100.653（1）IX11丿0.5190.6790.634?<…1<21<丿'3y?5…152I511丿（4.3）0.9000.427?0.997…?耳…?￡…1+1丿M丿匕丿0.23400.8860.123（3?0.997…?耳…?￡…1+1丿M丿匕丿0.23400.8860.123（3）1Iy21耳2?0、0.254…?n…?1+丿M丿000.1910.1620.145?<…1<21<丿'3yY…1Y丿2此外，輸出結果（見附錄五）中沒有包含違背常理的參數(shù)估計值，比如說沒有出現(xiàn)方差小于0、相關系數(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。模型的整體擬合評價根據(jù)結構方程模型中評價模型擬合優(yōu)劣的相關理論，通常采用以下幾種指標來評價模型的擬合效果：⑴相對擬合指數(shù)（CFI）：取值于0—1之間，越接近于1,模型整體擬合越好；⑵近似均方根誤差指數(shù)（RMSEA）：其值越小越好。一般認為，RMSEA低于0.1表示好的擬合,低于0.05表示非常好的擬合。⑶調整后的擬合優(yōu)度指數(shù)（AGFI）：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)劣指標匯總如下：表3模型的擬合指數(shù)指標CFIRMSEAAGFI取值0.730.130.76

結合各個擬合指數(shù)的判斷標準，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。模型參數(shù)估計結果的解釋每一個觀測指標對其從屬的潛變量的標準化參數(shù)估計值（即負荷），有效地反映了該指標與相應潛變量之間的相關程度，同時也反映了潛變量對相應觀測指標的解釋能力。這可以由對比圖1和圖2，顯然，在參數(shù)估計過程中，一些不顯著的路徑和方向被刪除了。由結果路徑圖，我們可以看出：⑴大學生的社會經濟地位€、對就業(yè)情況的把握程度€、自身能力€對他們的預期就業(yè)手段123均有影響，但影響差異不大。這與現(xiàn)實情況是相符的，通常家庭社會經濟地位決定了大學生自主創(chuàng)業(yè)的原始資本（資金來源以及人際關系等），對就業(yè)情況的把握程度決定了大學生自主創(chuàng)業(yè)的動機和方向，而自身能力則決定了大學生自主創(chuàng)業(yè)的勇氣和膽識。⑵大學生的社會經濟地位€對他們的預期就業(yè)地域有影響，但大學生對就業(yè)情況的把握程度1€、自身能力€對他們的預期就業(yè)地域幾乎沒有影響。這也與現(xiàn)實情況相符，大學生的社會23經濟地位高低決定了他們對于就業(yè)地域的偏向（比如，現(xiàn)實中，比起家庭社會經濟地位相對低的學生，往往是家庭社會經濟地位相對高的學生更偏向于選擇各方面條件都相對較好的地域工作譬如省會城市，也即家庭社會經濟地位相對低的學生更能容忍相對差一些的工作地域）。另外，大學生對就業(yè)情況的把握程度以及自身能力對預期就業(yè)地域影響不顯著，不管大學生對就業(yè)情況的把握程度如何，也不管大學生自身能力如何，現(xiàn)實中大學生預期就業(yè)地域的選擇往往是家鄉(xiāng)、發(fā)達城市或學校所在地。⑶相比于預期就業(yè)地域對預期就業(yè)手段的影響，預期就業(yè)手段對預期就業(yè)地域的影響要更顯著。這也是顯然的，自主創(chuàng)業(yè)必然要考慮目標地域的供求情況，通常省會城市等需求相對大，供給才有市場。⑷5個潛變量在13個觀測指標上的標準化因子負荷不小于0.712的有6個。在標準化的情況下，指標與潛變量之間的復相關系數(shù)就是因子負荷的平方。因此，有6個復相關系數(shù)大于0.5，也就是說，相應的潛變量能解釋指標的50%以上。但僅有6個復相關系數(shù)大于0.5，再次說明模型的解釋能力一般，原因仍然是問卷內容設計和模型形式設定脫節(jié)，使得衡量潛變量的指標不恰當或過少。4.8模型存在的問題⑴通常從擬合原始數(shù)據(jù)的能力和預測性能兩方面評價一個模型。結構方程模型則更偏向于驗證我們事先提出的關于潛變量的結構、潛變量之間的因果關系是否成立，并且量化變量之間的相互影響關系。若主要關注的是模型的預測性能，則結構方程并非首選。若采用SPSS或結構方程模型的軟件，需要進行隔一段時間后的縱向調查，取得序列數(shù)據(jù)的支撐。大家可以選擇系統(tǒng)動力學等軟件。⑵本文的模型擬合原始數(shù)據(jù)的能力一般，主要歸咎于問卷內容設計與模型形式設定的脫節(jié)，使得無法找到一定數(shù)量的、恰當?shù)闹笜藖砗饬繚撟兞?。也就是說，本文建構的模型遷就于問卷，模型形式的設定可能有失偏頗。這