第十四章 結(jié)構(gòu)方程模型與路徑分析

第十四章結(jié)構(gòu)方程模型與路徑分析第十四章結(jié)構(gòu)方程模型與

路徑分析第一節(jié)結(jié)構(gòu)方程模型的原理第二節(jié)路徑分析原理第三節(jié)SPSS的AMOS系統(tǒng)第四節(jié)路徑分析與結(jié)構(gòu)方程模型范例第十四章結(jié)構(gòu)方程模型與路徑分析學(xué)習(xí)目標(biāo)認(rèn)識結(jié)構(gòu)方程模型的基本概念與特點(diǎn)。了解結(jié)構(gòu)方程模型分析的五大步驟。了解如何建構(gòu)具有潛在變量間因果關(guān)系的結(jié)構(gòu)方程模型。探討結(jié)構(gòu)方程模型的識別種類與對求解的影響。認(rèn)識結(jié)構(gòu)方程模型適合度的衡量及如何修正模型。認(rèn)識路徑分析模型的直接效果與間接效果。探討路徑分析的兩種基本類型：遞歸模型與非遞歸模型。探討路徑分析模型與結(jié)構(gòu)方程模型的異同。認(rèn)識SPSS的AMOS軟件的接口操作與結(jié)果解釋。了解路徑分析模型與結(jié)構(gòu)方程模型的各種應(yīng)用實(shí)例。第十四章結(jié)構(gòu)方程模型與路徑分析第一節(jié)結(jié)構(gòu)方程模型的原理一、SEM基本概念二、模型的設(shè)定三、模型的識別四、模型估計(jì)五、模型評估六、模型的修正第十四章結(jié)構(gòu)方程模型與路徑分析一、結(jié)構(gòu)方程模型的原理一個(gè)包括一組自變量和一個(gè)或更多因變量的計(jì)量模型。當(dāng)因果關(guān)系被包括進(jìn)來時(shí)，此計(jì)量模型便稱為結(jié)構(gòu)方程模型（StructuralEquationModeling，SEM），它可建立變量間的因果模型（CausalModel）。多元回歸、因素分析和路徑分析（pathanalysis）等方法都只是結(jié)構(gòu)方程模型中的一種特例。其相應(yīng)的統(tǒng)計(jì)分析軟件─SPSS/AMOS與LISREL─的應(yīng)用，特別是AMOS的操作。第十四章結(jié)構(gòu)方程模型與路徑分析SEM的基本概念許多研究構(gòu)念（Construct），對于它們并不存在直接測量方法，可以找到一些可觀測變量（observedvariable，measuredvariable或稱顯性變量manifestvariable）作為這些潛在變量（latentvariable，或稱隱潛變量，或稱不可觀測變量unobservedvariable）的替代指針（indicators）。這些潛在變量的替代指針總是包含了大量的衡量誤差（measurementerrors）。單一指標(biāo)且沒有衡量誤差的假設(shè)，即假設(shè)構(gòu)念是可直接觀測的，在某些情況下可能是相當(dāng)適合的。然而在大多數(shù)的情況下，這樣的假設(shè)是很不適當(dāng)?shù)模绕涫窃S多社會、心理和行為等科學(xué)的計(jì)量研究。第十四章結(jié)構(gòu)方程模型與路徑分析SEM的特點(diǎn)結(jié)構(gòu)方程模型所依賴的統(tǒng)計(jì)工具是變異數(shù)分析、復(fù)回歸分析或聯(lián)立方程模型(SimultaneousEquationModel)，這些方法都存在著上述問題，而無法避免。其中聯(lián)立方程模型雖然能克服變量互為因果的問題，但對于衡量誤差仍無法加以測定。只有SEM模型既能夠使研究者在分析中處理衡量誤差，又可分析潛在變量之間的結(jié)構(gòu)關(guān)系。SEM利用聯(lián)立方程組求解，但它沒有很嚴(yán)格的假設(shè)限制條件，同時(shí)允許自變量和因變量存在衡量誤差。第十四章結(jié)構(gòu)方程模型與路徑分析LISREL模型早期是以共變異數(shù)結(jié)構(gòu)分析(AnalysisofCovarianceStructures)這個(gè)名詞去稱呼現(xiàn)在的驗(yàn)證性因素分析模型(ConfirmatoryFactorAnalysis，CFA)或稱潛在變量分析。從此許多學(xué)者開始增加此模型的復(fù)雜性和一般化，如LISRELModel，共變結(jié)構(gòu)模型逐漸由CFA發(fā)展為共變矩陣Σ，已能代表任何參數(shù)的任何函數(shù)。直到1966年，Joreskog首先為潛在變量與可觀測變量規(guī)劃了一般性架構(gòu)，而開始有了突破性的發(fā)展，這就是著名且被廣泛應(yīng)用的線性結(jié)構(gòu)關(guān)系模型(LinearStructuralRelationsModel，LISRELModel)。LISRELModel可在結(jié)構(gòu)方程模型中使用潛在變量，故亦被稱為「含潛在變量的結(jié)構(gòu)方程模型」。第十四章結(jié)構(gòu)方程模型與路徑分析結(jié)構(gòu)方程模型分析的五個(gè)步驟模型設(shè)定(modelspecification)：研究者先要根據(jù)理論或以往的研究成果來設(shè)定假設(shè)的初始理論模型。模型識別(modelidentification)：此一步驟要決定所研究的模型是否能夠求出參數(shù)估計(jì)的唯一解。模型估計(jì)(modelestimation)：模型參數(shù)可以采用幾種不同的方法來估計(jì)，最常使用的模型估計(jì)方法是最大概似法(maximumlikelihood)。模型評估(modelevaluation)：對模型與數(shù)據(jù)之間是否配合進(jìn)行評估，并與替代模型的配合指針進(jìn)行比較。模型修正(modelmodification)：如果模型不能很好地配合數(shù)據(jù)，就需要對模型進(jìn)行修正和再次設(shè)定。第十四章結(jié)構(gòu)方程模型與路徑分析二、模型的設(shè)定結(jié)構(gòu)方程模型主要是一種驗(yàn)證性(confirmatory)技術(shù)，而不是一種探索性(exploratory)技術(shù)。其虛無假設(shè)與對立假設(shè)如下： H0：觀察數(shù)據(jù)=理論模型H1：觀察數(shù)據(jù)≠理論模型SEM模型的兩大功能：衡量模型(MeasurementModel)：以CFA將可觀測變量連結(jié)到潛在變量：經(jīng)由CFA(驗(yàn)證性因素分析模型)的衡量模型，探討可觀測變量與潛在變量間的因素分析模型是否成立，這是心理測定學(xué)(Physicmetrics)的領(lǐng)域。結(jié)構(gòu)模型(StructuralModel)：經(jīng)由SEM去確認(rèn)潛在變量間關(guān)系是否成立：這是計(jì)量經(jīng)濟(jì)學(xué)(Econometrics)的領(lǐng)域。第十四章結(jié)構(gòu)方程模型與路徑分析SEM模型路徑圖的繪制SEM的設(shè)定模型可以用不同的方法，其中最簡單直接的一種方法，就是透過路徑圖（pathdiagram）將模型描述出來。路徑圖有助于研究者將其對于變量之間的關(guān)系得以清晰地表達(dá)。在圖中將可觀測變量用長方型框代表，對潛在變量或因素（factor）則用橢圓型框代表；變量間的關(guān)系用線條代表，如果變量間沒有聯(lián)機(jī)，則代表變量間沒有直接關(guān)聯(lián)。線條既可以加單箭頭，也可以加雙箭頭。第十四章結(jié)構(gòu)方程模型與路徑分析驗(yàn)證性因素分析模型的建構(gòu)因素分析依其目的可分成EFA和CFA兩類；前者在于從一組雜亂無章的變量中找出共同因素，以建立新的假設(shè)或發(fā)展新的理論架構(gòu)；后者的目的則在于驗(yàn)證研究已有的因素結(jié)構(gòu)。不論是EFA模型或CFA模型，其基本形式：其中，Ｘ表可觀測變量向量，表因素負(fù)荷矩陣，

表潛在變量（共同因素）向量，表衡量誤差（獨(dú)特因素）向量。第十四章結(jié)構(gòu)方程模型與路徑分析圖14-1CFA模型第十四章結(jié)構(gòu)方程模型與路徑分析潛在變量間因果模型的構(gòu)建在一因果關(guān)系模型中，「原因變量」會影響結(jié)果變量，且其本身的變異是來自于模型以外，故又被稱為外生變數(shù)(ExogenousVariable)；「結(jié)果變量」其變異可被外生變量所解釋，稱之為

內(nèi)生變量(EndogenousVariable)。在SEM模型中，每個(gè)變量皆為下列情況中的一種：「可觀測、外生變數(shù)」

「可觀測、內(nèi)生變數(shù)」

「隱藏、外生變數(shù)」

「隱藏、內(nèi)生變數(shù)」第十四章結(jié)構(gòu)方程模型與路徑分析圖14-2結(jié)構(gòu)方程模型范例第十四章結(jié)構(gòu)方程模型與路徑分析結(jié)構(gòu)方程模型的方程式(1/2)SEM的三個(gè)基本方程式：對應(yīng)圖14-2中，SEM的這三個(gè)方程式可以表示如下：

第十四章結(jié)構(gòu)方程模型與路徑分析結(jié)構(gòu)方程模型的方程式(2/2)第十四章結(jié)構(gòu)方程模型與路徑分析三、模型的識別識別工作主要是考慮模型中每一個(gè)未知的(自由)參數(shù)能否由觀測資料求得唯一解來作為估計(jì)值。對于某一個(gè)自由參數(shù)，如果不可能將這一參數(shù)以樣本變異數(shù)與共變量的代數(shù)函數(shù)表達(dá)，那么這個(gè)參數(shù)就不能識別(unidentified)。要是一個(gè)未知參數(shù)至少可以由觀測變量的變異數(shù)與共變量矩陣(一般用S來代表)中的一個(gè)或多個(gè)元素的代數(shù)函數(shù)來表達(dá)，就稱這個(gè)參數(shù)可以識別。第十四章結(jié)構(gòu)方程模型與路徑分析參數(shù)識別模型的種類當(dāng)一個(gè)模型中的每個(gè)參數(shù)都是可識別的，且沒有一個(gè)參數(shù)是過度識別的，這個(gè)模型就是恰好識別的(just-identified)。不可識別（under-identified）模型的識別恰好識別（just-identified）可以識別（identifiable）過度識別（over-identified）模型是否能夠識別并不是樣本規(guī)模的問題，SEM模型著重于過度識別的結(jié)構(gòu)方程模型。在此況下，模型中的自由參數(shù)數(shù)目少于觀測變數(shù)中變異數(shù)和共變數(shù)的總數(shù)，即資料點(diǎn)(datapoints)。資料點(diǎn)與自由參數(shù)的數(shù)目之差，既是檢定模型配合所需的自由度，恰好識別模型總是完全配合觀測資料，其卡方檢定值和自由度永遠(yuǎn)為0，對于恰好識別模型是無法檢定其配合度。第十四章結(jié)構(gòu)方程模型與路徑分析參數(shù)識別的技巧第一：數(shù)據(jù)點(diǎn)的數(shù)目不能少于自由參數(shù)的數(shù)目：數(shù)據(jù)點(diǎn)的數(shù)目就是觀測變量的變異數(shù)和共變量的數(shù)目，它等于(p+q)/(p+q+1)/2，其中p是觀測變量y的數(shù)目，q是觀測變數(shù)x的數(shù)目。第二：必須為模型中的每個(gè)潛在變量建立一個(gè)測量尺度(measurementscale)：首先，可以將潛在變量的變異數(shù)設(shè)定為1。這就是說，將潛在變量標(biāo)準(zhǔn)化，其次，也是較常用的方法，是將潛在變量的觀測指針中任何一個(gè)的因素負(fù)荷λ設(shè)定為一常數(shù)，通常為1。第十四章結(jié)構(gòu)方程模型與路徑分析如何避免非識別模型的發(fā)生(1/2)解決識別問題最好的辦法是避免它的發(fā)生。通常，可對潛在變量加上更多的標(biāo)識，因而有更多的數(shù)據(jù)點(diǎn)。模型識別實(shí)際上依賴于自由參數(shù)(freeparameters)、固定參數(shù)(fixedparameters)和限制參數(shù)(restrictedparameters)的設(shè)定。自由參數(shù)是未知并需要估計(jì)的參數(shù)，固定參數(shù)是不自由的并固定于設(shè)定的參數(shù)。比如，在測量模型中，將每個(gè)潛在變量標(biāo)識的因素負(fù)荷之一設(shè)定為1。限制參數(shù)是那些未知的，但被規(guī)定相等于另一個(gè)參數(shù)值的參數(shù)。第十四章結(jié)構(gòu)方程模型與路徑分析如何避免非識別模型的發(fā)生(2/2)在多群體中，要是以前的研究表明男生與女生對于一個(gè)因變量值有同樣的影響作用，就可以在初始結(jié)構(gòu)方程模型中將代表這兩個(gè)性別組的虛擬變量的路徑系數(shù)設(shè)定為相等。透過固定或限制一些參數(shù)，自由參數(shù)的數(shù)目就可以減少。循環(huán)的或稱之為非遞歸(nonrecursive)的結(jié)構(gòu)方程模型也常常是識別問題發(fā)生的另一個(gè)來源。當(dāng)在模型中設(shè)定變量之間有循環(huán)或雙向關(guān)系，以至兩個(gè)因變量之間存在反饋圈(feedbackloops)時(shí)，這一結(jié)構(gòu)模型就是非遞歸的。還可以在一開始建立模型時(shí)盡量削減自由參數(shù)，只保留那些絕對必要的參數(shù)，使模型簡化。要是這個(gè)模型得到識別，再考慮在隨后修改的模型中加入其它感興趣的參數(shù)。第十四章結(jié)構(gòu)方程模型與路徑分析四、模型估計(jì)SEM的估計(jì)過程是追求盡量縮小樣本的變異數(shù)和共變量值與模型估計(jì)的變異數(shù)與共變量值之間的差異。固定參數(shù)值和自由參數(shù)的估計(jì)將被代入結(jié)構(gòu)方程，然后推導(dǎo)出一個(gè)變異數(shù)與共變量矩陣Σ(稱SIGMA)，使矩陣Σ中的每一個(gè)元素都盡可能地接近于樣本中觀測變量的變異數(shù)與共變量矩陣S中的相應(yīng)元素。如果設(shè)定模型正確，Σ將非常近似于S，它的估計(jì)過程采用特殊的配合函數(shù)使Σ與S之間的差異最小化。其中最常用的估計(jì)方法還是最大概似法(maximumlikelihood，標(biāo)志為ML)和一般化最小平方法(generalizedleastsquares，GLS)。第十四章結(jié)構(gòu)方程模型與路徑分析五、模型評估LISREL程序的首要任務(wù)是用樣本數(shù)據(jù)對所設(shè)定的模型參數(shù)進(jìn)行估計(jì)。再根據(jù)這些參數(shù)估計(jì)來重建（reproduce）變異數(shù)與共變量，然后盡可能地將重建的變異數(shù)與共變量矩陣（用Σ表示）與觀察變異數(shù)與共變量矩陣S相匹配。當(dāng)模型重建的變異數(shù)與共變數(shù)矩陣非常接近于觀測的變異數(shù)與共變數(shù)矩陣時(shí)，殘差矩陣各元素就接近于0，這樣，就可以認(rèn)為模型配合數(shù)據(jù)了。第十四章結(jié)構(gòu)方程模型與路徑分析卡方值衡量配合度檢定則希望接受，當(dāng)卡方值愈大，表示適合的情形愈不好；卡方值愈小，表示適合的情形愈好。在SEM模型中，要得到合理的估計(jì)值需要大樣本，但當(dāng)大樣本時(shí)，反而造成卡方值變大，使得模形的配合成度不佳，即只要是小樣本，SEM模型反而會成立。卡方檢定之假設(shè)為多元常態(tài)（Multinormality）和大樣本，在實(shí)務(wù)上很難符合此一假設(shè)，而且卡方值對樣本大小十分敏感，所以還有底下其它衡量指標(biāo)。第十四章結(jié)構(gòu)方程模型與路徑分析GFI與AGFIGFI（Goodness-of-FitIndex）此指針不受樣本的大小及樣本是否符合多元常態(tài)的困擾。其值在0與1之間，愈大表示適合度愈佳。AGFI（AdjustedGoodness-of-FitIndex），AGFI與GFI不同之處是后者經(jīng)自由度調(diào)整。AGFI＝1－（1－GFI）p與q為外生與內(nèi)生觀測變數(shù)的總數(shù)，df是模型的自由度第十四章結(jié)構(gòu)方程模型與路徑分析其它配合度指標(biāo)RMR（Root-Mean-SquareResidual）是推估后所剩下的殘差，其值大于零，愈小表示適合度愈佳，RMR可以比較兩個(gè)不同模型對相同數(shù)據(jù)的適合度。此外，還有很多配合指數(shù)，如AIC、SBC與比較配合指數(shù)（comparativefitindexes）。NFI＝第十四章結(jié)構(gòu)方程模型與路徑分析配合度指標(biāo)的選擇雖然有這么多的模型配合指數(shù)可用，但沒有一個(gè)指標(biāo)可以作為完全確定的標(biāo)準(zhǔn)?！咐硐氲摹古浜现笖?shù)實(shí)際上不存在，最好慎重地報(bào)告多項(xiàng)配合度指標(biāo)的結(jié)果，而不要只依賴一種指標(biāo)。要是所有的指數(shù)都得到類似的結(jié)論，那么就可相當(dāng)肯定模型的配合度程度。即使一個(gè)模型配合了數(shù)據(jù)，也不意味著這個(gè)模型是正確的或最好的，如果簡單模型的配合與復(fù)雜模型的配合一樣好，就應(yīng)該接受簡單模型。研究人員應(yīng)該將他們的結(jié)構(gòu)方程模型建立在有說服力的理論之上。第十四章結(jié)構(gòu)方程模型與路徑分析六、模型的修正模型修正有助于認(rèn)識初始模型的缺陷，并且還能得到其它替代模型的啟示。要改進(jìn)一個(gè)配合不好的模型，可以改變其測量模型、增加新的結(jié)構(gòu)參數(shù)，或設(shè)定某些誤差項(xiàng)相關(guān)，或者限制某些結(jié)構(gòu)。AMOS工具透過修正指數(shù)來找出如何重新設(shè)定模型，以增加模型的適合度。研究者的目標(biāo)是探尋一個(gè)不僅在統(tǒng)計(jì)角度能很好地配合資料，而且每一個(gè)參數(shù)都能得到符合實(shí)際的理論模型解釋。第十四章結(jié)構(gòu)方程模型與路徑分析第二節(jié)路徑分析原理一、路徑分析模型二、路經(jīng)模型的分析三、路徑模型的修正與檢定四、路徑模型的檢定五、路徑模型的識別六、路徑分析與SEM的比較第十四章結(jié)構(gòu)方程模型與路徑分析一、路徑分析原理路徑分析的主要目的是為了驗(yàn)證變量之間是否有因果關(guān)系？變量間「直接」因果關(guān)系與透過「中介」變量的間接因果關(guān)系大小如何？路徑分析可說是SEM的特例，其只有觀測變量而無潛在變量，故可將SEM視為是路徑模型的多變量型態(tài)路徑模型也可視為是SEM的單變量型態(tài)故在本節(jié)所討論的各種路徑分析的理論，同樣的理論當(dāng)然也適用在SEM中。第十四章結(jié)構(gòu)方程模型與路徑分析二、路徑分析模型路徑分析是對一組可觀測變量間線性系統(tǒng)方程組的因果關(guān)系式，也可看成是多組復(fù)回歸方程式組合而成。圖14-3可以利用下列三組線性回歸方程式表示之：路徑模型既可以用結(jié)構(gòu)方程組的形式來表示，也可以用路徑圖來表示。第十四章結(jié)構(gòu)方程模型與路徑分析圖14-3六個(gè)變量的路徑分析假設(shè)模型第十四章結(jié)構(gòu)方程模型與路徑分析路徑模型的假設(shè)路徑分析是建立一套假設(shè)性的因果關(guān)系模型，利用觀察到的數(shù)據(jù)與理論數(shù)值的比對。虛無假設(shè)為觀察數(shù)據(jù)=理論模型。路徑分析是一種探索因果關(guān)系的統(tǒng)計(jì)方法。因果關(guān)系模型中明確設(shè)置自變量和因變量，透過模型分析，檢查自變量對于因變量的作用方向、作用強(qiáng)度和解釋能力。因果關(guān)系模型還可以用來進(jìn)行預(yù)測。第十四章結(jié)構(gòu)方程模型與路徑分析回歸導(dǎo)向的路徑分析整個(gè)因果結(jié)構(gòu)模型便不能簡單地以因變量或自變量的概念來劃分變量類型。路徑分析的主要功能是研究變量間關(guān)系的不同形式。路徑分析著眼點(diǎn)，主要在變量間作用系數(shù)的分解上。比如，進(jìn)行兩個(gè)變量間的簡單回歸就可以得到一個(gè)簡單回歸系數(shù)。如果可根據(jù)理論，在這兩個(gè)變量間加上許多中介變量(mediatedvariable)，形成復(fù)雜的因果結(jié)構(gòu)，就有可能將這個(gè)簡單回歸系數(shù)分解為不同因果連結(jié)上的作用。第十四章結(jié)構(gòu)方程模型與路徑分析路徑模型的分析路徑分析可以分成直接效果(directeffect)、間接效果(indirecteffect)與總效果(totaleffect)，總效果為直接效果與間接效果之和。表14-1直接效果與間接效果的分解第十四章結(jié)構(gòu)方程模型與路徑分析遞歸模型與非遞歸模型遞歸模型可以直接透過一般最小平方法回歸（OLS）來取得路徑系數(shù)估計(jì)值，而對于非遞歸模型則不能這樣做：遞歸路徑模型：若因果關(guān)系結(jié)構(gòu)中全部為單向連結(jié)關(guān)系，無反饋?zhàn)饔玫哪Ｐ头Q為遞歸模型(recursivemodel)非遞歸路徑模型：如模型中任何兩個(gè)變量之間存在雙向因果關(guān)系(如)，或是某個(gè)變量存在自身反饋?zhàn)饔?)，在間接反饋?zhàn)饔?如)。第十四章結(jié)構(gòu)方程模型與路徑分析遞歸路徑分析的基本性質(zhì)1.所有遞歸模型多是可識別的，只有可以識別的模型，才可能求解。2.遞歸模型的假設(shè)條件允許采用最小平方法回歸法，來取得聯(lián)立方程組中各系數(shù)的無偏估計(jì)。3.路徑系數(shù)既可以采用非標(biāo)準(zhǔn)化的回歸系數(shù)，也可以采用標(biāo)準(zhǔn)化的回歸系數(shù)：采用標(biāo)準(zhǔn)化回歸系數(shù)，將使得路徑分析的表達(dá)和分析變得比較簡明。第十四章結(jié)構(gòu)方程模型與路徑分析遞歸路徑模型分析的假設(shè)條件1.路徑模型中各變量間的關(guān)系為線性且可加的因果關(guān)系2.每一內(nèi)生變量的誤差項(xiàng)與其前置變量不得相關(guān)，同時(shí)也不得與其它內(nèi)生變量的誤差項(xiàng)相關(guān)。3.模型中因果關(guān)系必須為單向。4.模型中各變量均為計(jì)量尺度。5.所有內(nèi)生變量的殘差項(xiàng)是獨(dú)立的。6.各變量的測量不存在誤差。第十四章結(jié)構(gòu)方程模型與路徑分析三、路徑模型的修正與檢定(1/2)飽和模型、獨(dú)立模型與預(yù)設(shè)模型：路徑模型的修正及分析往往是先從飽和模型的建立開始的。但是「飽和模型」(SaturatedModel，即所有變量間都有單向或雙向箭頭弧線所連接，或任何兩個(gè)變量間皆有路徑線連結(jié)）往往并不是實(shí)際上想要的最終模型。飽和模型經(jīng)常只是作為一個(gè)起點(diǎn)或基準(zhǔn)，最后還是要找出「非飽和模型」。除飽和模型外，還有獨(dú)立模型(IndependentModel)，乃是指其路徑圖中，任何兩個(gè)變量皆沒有線連結(jié)。第十四章結(jié)構(gòu)方程模型與路徑分析路徑模型的修正與檢定(2/2)在AMOS中，還有所謂的預(yù)設(shè)模型(DefaultModel)，乃指研究者設(shè)定欲分析的模型，飽和模型的適合度100%，而獨(dú)立模型的適合度最差，預(yù)設(shè)模型通常介于兩者之間。路徑模型修正的目的：社會科學(xué)的觀察數(shù)據(jù)往往來自于調(diào)查數(shù)據(jù)，所以變量間的因果關(guān)系并不明確，其解決方案，一方面要依賴?yán)碚摳鶕?jù)，一方面要根據(jù)統(tǒng)計(jì)結(jié)果的實(shí)際意義。比如，檢查回歸系數(shù)的符號是否符合原來的假設(shè)，還要考慮是否存在多重共線性問題，并考慮是否可以對變量進(jìn)行某種加工或換用其它指標(biāo)解決。第十四章結(jié)構(gòu)方程模型與路徑分析四、路徑模型的檢定第一種情況為，事先沒有明確的理論假設(shè)，而是完全依賴統(tǒng)計(jì)得到一個(gè)較高配合程度的模型。這種檢定實(shí)質(zhì)上屬于探索性研究，其研究目的只是形成一個(gè)比較符合事實(shí)的統(tǒng)計(jì)模型。第二種情況為，事先已經(jīng)有根據(jù)理論假設(shè)所設(shè)置的模型，檢定經(jīng)過修正得到的模型與原假設(shè)模型是否有所不同，其統(tǒng)計(jì)檢定將說明現(xiàn)在這個(gè)檢定模型與假設(shè)模型配合狀況的評估。如果統(tǒng)計(jì)檢定顯著，這代表模型修正中所做的修改，已經(jīng)脫離了原模型假設(shè)。路徑分析的模型檢定不是在檢定原模型假設(shè)是否符合觀測數(shù)據(jù)，而是在檢定修正以后的模型是否與原模型一致。關(guān)于模型修正的主要目的，是盡量保持原先根據(jù)理論構(gòu)想形成的模型，使得模型檢定取得的理論假設(shè)檢定更有意義。第十四章結(jié)構(gòu)方程模型與路徑分析五、路徑模型的識別因?yàn)槁窂椒治鍪荢EM模型的特例，故模型識別的結(jié)果可以按以下情形分類，同樣包括不可識別與可以識別（又分為恰好識別與過度識別）。飽和的遞歸模型都是恰好識別的模型，由于恰好識別的模型能夠完全再現(xiàn)實(shí)際相關(guān)系數(shù)值，所以不存在模型檢定問題。真正能夠檢定的是過度識別模型，正是由于過度識別模型是從恰好識別模型中刪除某些路徑所形成的，檢定的目的并不是在于尋找一種在統(tǒng)計(jì)上最能配合數(shù)據(jù)的模型，而是檢定模型背后的理論。第十四章結(jié)構(gòu)方程模型與路徑分析六、SEM與路徑分析不同之處1.SEM可以先透過因素分析將可觀測的變量集結(jié)成幾個(gè)共同因素。反觀路徑分析，其外生變量之間必需相互獨(dú)立，未經(jīng)過因素分析處理。2.SEM的變量間可以有雙向因果關(guān)系，但路徑分析通常只可以有單向關(guān)系。3.SEM可以包含變量間的衡量誤差，但是路徑分析的外生變量需是定值。4.SEM可運(yùn)用最大概似法(ML)來進(jìn)行參數(shù)估計(jì)，但路徑分析是以一般最小平方法(OLS)來進(jìn)行參數(shù)估計(jì)。第十四章結(jié)構(gòu)方程模型與路徑分析第三節(jié)SPSS的AMOS系統(tǒng)一、操作步驟二、結(jié)果輸出三、結(jié)果制表與解釋第十四章結(jié)構(gòu)方程模型與路徑分析SPSS的AMOS系統(tǒng)目前可以執(zhí)行結(jié)構(gòu)方程模型最有名的軟件，主要有LISREL模型，與SPSS的外掛軟件AMOS，SAS系統(tǒng)內(nèi)也包含SEM的功能。AMOS則提供相當(dāng)友善的圖形接口，以圖形來直接建立結(jié)構(gòu)方程模型，它可以讀取SPSS的數(shù)據(jù)文件，兩者可以相整合。可以直接上網(wǎng)下載使用此試用的AMOS學(xué)生版，請上http://下載學(xué)生版。AMOS的特點(diǎn)是以圖形表達(dá)的形式來分析統(tǒng)計(jì)模型。第十四章結(jié)構(gòu)方程模型與路徑分析表14-2變量定義關(guān)系表第十四章結(jié)構(gòu)方程模型與路徑分析AMOS操作步驟（一）開啟數(shù)據(jù)文件（DataFiles）（二）繪制結(jié)構(gòu)方程模型（三）輸入變量名稱（四）建立因果關(guān)系圖（五）設(shè)定輸出結(jié)果與執(zhí)行計(jì)算（六）顯示SEM運(yùn)算結(jié)果第十四章結(jié)構(gòu)方程模型與路徑分析圖14-4AmosGraphics主窗口第十四章結(jié)構(gòu)方程模型與路徑分析（一）開啟數(shù)據(jù)文件

（DataFiles）圖14-5DataFiles對話框第十四章結(jié)構(gòu)方程模型與路徑分析（二）繪制結(jié)構(gòu)方程模型在AMOS路徑圖中，潛在變量以橢圓形框表示，而觀察變量則是以長形方框表示之。故在路徑分析中，因?yàn)闆]有潛在變量，故千萬不要出現(xiàn)橢圓形框；透過「工具窗口」中的圖標(biāo)按鍵，可輕易的在「模型繪制區(qū)」中建立CFA模型。圖14-6SEM模型的繪制第十四章結(jié)構(gòu)方程模型與路徑分析圖14-7SEM模型的旋轉(zhuǎn)按鍵 后，可令其所屬的觀測變量及誤差變量順時(shí)鐘旋轉(zhuǎn)至使用者理想的位置，若覺得模型中有些圖框或路徑不符所需，則可用來加以消除，類似橡皮擦的功能加以消除。至于復(fù)印機(jī)當(dāng)然就代表可復(fù)制各種圖樣。調(diào)整圖形可利用 圖標(biāo)按鍵，配合（卡車）圖標(biāo)按鍵，可作變量整組的移動；按鍵可調(diào)整變量圖框的大小。第十四章結(jié)構(gòu)方程模型與路徑分析圖14-8SEM模型調(diào)整后的結(jié)果第十四章結(jié)構(gòu)方程模型與路徑分析（三）輸入變量名稱點(diǎn)擊圖標(biāo)按鍵可得VariablesinDataset（數(shù)據(jù)組內(nèi)變量）窗口，此時(shí)該窗口中，將顯示出數(shù)據(jù)文件里的變量名稱及其標(biāo)簽。圖14-9VariablesinDataset窗口第十四章結(jié)構(gòu)方程模型與路徑分析圖14-10潛在變數(shù)命名與ObjectProperties對話框潛在變量由于是抽象構(gòu)念，無法表示在VariablesinDataset窗口中，故潛在變量的命名必須點(diǎn)擊圖標(biāo)按鍵，再點(diǎn)擊欲命名的潛在變數(shù)圖框。第十四章結(jié)構(gòu)方程模型與路徑分析（四）建立因果關(guān)系圖內(nèi)生變量須設(shè)定一誤差項(xiàng)，點(diǎn)選圖示后，完成誤差項(xiàng)的設(shè)定。由潛在變量指向觀測變量的單向箭頭中，系統(tǒng)會將最初指針的路徑系數(shù)固定為「1」，目的是以其作為衡量的基準(zhǔn)。第十四章結(jié)構(gòu)方程模型與路徑分析（五）設(shè)定輸出結(jié)果與

執(zhí)行計(jì)算可透過圖標(biāo)按鍵，設(shè)定所需的輸出結(jié)果或估計(jì)值，點(diǎn)選該按鍵后會出現(xiàn)AnalysisProperties（分析屬性）對話框，選擇Output窗體可勾選需要的輸出結(jié)果。路徑圖繪制完成并設(shè)定輸出結(jié)果后可執(zhí)行模型運(yùn)算，點(diǎn)擊 圖標(biāo)按鍵即開始執(zhí)行估計(jì)值運(yùn)算?？蓪⒙窂綀D復(fù)制到剪貼簿上。在按下估計(jì)值計(jì)算時(shí)，有時(shí)會出現(xiàn)nvariableisunnamed，此時(shí)只要將未加上變量名稱的變數(shù)框加上變量名稱即可，但有時(shí)全部的變量名稱皆已設(shè)定變量名稱，但仍出現(xiàn)此訊息，此時(shí)，您可以按一下鍵以縮小路徑圖，可能就會發(fā)現(xiàn)在隱藏的地方出現(xiàn)未命名的變量框，將之加以刪除后再執(zhí)行估計(jì)值計(jì)算。第十四章結(jié)構(gòu)方程模型與路徑分析圖14-12完整的結(jié)構(gòu)方程模型繪制完成圖第十四章結(jié)構(gòu)方程模型與路徑分析圖14-13AnalysisProperties對話框第十四章結(jié)構(gòu)方程模型與路徑分析（六）顯示SEM運(yùn)算結(jié)果圖14-14模型分析信息窗口第十四章結(jié)構(gòu)方程模型與路徑分析圖14-15估計(jì)值顯示窗口第十四章結(jié)構(gòu)方程模型與路徑分析圖14-16模型路徑圖與

未標(biāo)準(zhǔn)化估計(jì)值第十四章結(jié)構(gòu)方程模型與路徑分析圖14-17模型路徑圖與

標(biāo)準(zhǔn)化估計(jì)值此AMOS輸出可將它貼在Word上，此圖稍作修改即可變成告的一部份。可先將所有觀測變量的衡量誤差加以刪除，留下衡量模型與因果模型的系數(shù)即可。此外，可將SAFE、CON、WILL等潛藏變量，直接在英文字上貼上中文，這可完成中文化工作。第十四章結(jié)構(gòu)方程模型與路徑分析圖14-18AmosOutput窗口第十四章結(jié)構(gòu)方程模型與路徑分析圖14-19參數(shù)摘要表第十四章結(jié)構(gòu)方程模型與路徑分析圖14-20模型紀(jì)錄窗口第十四章結(jié)構(gòu)方程模型與路徑分析圖14-21未標(biāo)準(zhǔn)化的

回歸系數(shù)估計(jì)值第十四章結(jié)構(gòu)方程模型與路徑分析圖14-22標(biāo)準(zhǔn)化的

回歸系數(shù)估計(jì)值第十四章結(jié)構(gòu)方程模型與路徑分析圖14-23模型配合度指針摘要第十四章結(jié)構(gòu)方程模型與路徑分析表14-3行動加值服務(wù)的

衡量模型分析表第十四章結(jié)構(gòu)方程模型與路徑分析表14-4行動加值服務(wù)的

結(jié)構(gòu)模型分析表除了圖14-17與表14-3與表14-4外，所有AMOS還需報(bào)告卡方值與其它配合度的指標(biāo)，在本例中，卡方值為37.668，df為17，P為.003，亦即模型不成立，此外，GFI為.885，AGFI為.757，皆代表觀察數(shù)據(jù)與理論模型并不配合。從表14-3的CFA模型中，只有使用意愿的模型較佳。從表14-4的結(jié)構(gòu)模型分析表中，可知兩個(gè)回歸系數(shù)皆未達(dá)顯著水平，故而造成整個(gè)SEM模型并不配合的現(xiàn)象。在SEM模型中，模型不成立的情形相當(dāng)普遍，除非研究主題是相當(dāng)成熟的主題。第十四章結(jié)構(gòu)方程模型與路徑分析第四節(jié)路徑分析與結(jié)構(gòu)方程模型范例一、學(xué)生期末成績的路徑分析二、3G系統(tǒng)采用意愿的路徑分析三、CRM系統(tǒng)采用意愿的路徑分析四、其它范例五、孤立感的結(jié)構(gòu)方程模型第十四章結(jié)構(gòu)方程模型與路徑分析圖14-24影響期末成績的飽和模型路徑圖(標(biāo)準(zhǔn)化估計(jì))一、學(xué)生期末成績的路徑分析第十四章結(jié)構(gòu)方程模型與路徑分析表14-5學(xué)生期末成績的飽和模型路徑系數(shù)分析表第十四章結(jié)構(gòu)方程模型與路徑分析圖14-25影響期末成績的

修正模型路徑圖(標(biāo)準(zhǔn)化估計(jì))第十四章結(jié)構(gòu)方程模型與路徑分析表14-6學(xué)生期末成績的

修正模型路徑系數(shù)分析表第十四章結(jié)構(gòu)方程模型與路徑分析表14-7學(xué)生期末成績的飽和模型的效果分析表飽和模型間接效果分析：上機(jī)時(shí)間?期初成績＝-.816*.-.920＝.752計(jì)算機(jī)能力?期末成績＝-.920*1.177＝-1.083上機(jī)時(shí)間?期末成績＝（-.816*.730＋-.030*1.177）

＋（-.816*-.920*1.177）＝.254第十四章結(jié)構(gòu)方程模型與路徑分析表14-8學(xué)生期末成績的

修正模型的效果分析表修正模型間接效果分