结构方程模型Lisrel的初级应用

3
回归分析与结构方程模型
一个回归分析和结构方程比较的例子: 假如有五道题目来测量外向型性格,还有四道题目 来测量自信.研究自信与外向型性格的关系.假如 是你,你将怎样来进行研究? 回归分析的做法:先分别计算外向题目的总分(或 平均分)和自信题目的总分(或平均分),在计算 两个总分的相关. 这样的计算所得的两个潜变量(性格与自信)的关 系,恰当吗?
8
二,结构方程简介
简单来说,结构方程模型分 为: 测量方程(measurement equation)测量方程描述潜变 量与指标之间的关系,如工 作方式选择等指标与工作自 主权的关系;
工作方式选择 工作自主权 工作目标调整
目前工作满意度 工作满意度 工作兴趣 工作乐趣 工作厌恶程度
二,结构方程简介
(一)测量模型
对于指标与潜变量(例如两个工作自主权指标与工作自主权)间的关系,通常 写为以下测量方程:
x = ∧ xξ + δ y = ∧ yη + ε
其中:x——外源指标(如两个工作自主权指标)组成的向量; y——内生指标(如四个工作满意度指标)组成的向量; ξ ——外源潜变量(如工作自主权等)组成的向量; η ——内生潜变量(如工作满意度等)组成的向量; ∧x ——外源指标与外源变量之间的关系(如两个工作自主权指标与工作自主 权的关系),是外源指标在外源潜变量上的因子负荷矩阵; ∧y ——内生指标与内生变量之间的关系(如四个工作满意度指标与工作满意 度的关系),是内生指标在内生潜变量上的因子负荷矩阵;
13
(1)模型建构(model specification) )模型建构( ) 一,观测变量(即指标,通常是题目)与 潜变量(即因子,通常是概念)的关系; 二,各潜变量间的相互关系(指定那些因 子间相关或直接效应);
例子:员工工作满意度的测量
14
wk.baidu.com
例子: 例子:员工工作满意度的测量
理论假设,概念模型的提出:
模型参数的估计
模型计算(lisrel 软件编程)
标准化路径系数( 表1 标准化路径系数(N=351) ) 变量 工作自主权 工作负荷 工作单调性 变量间关系 ε1—η1 ε3—η1 ε2—η1 工作满意度 标准化路径系数 0.206 -0.212 -0.378 t检验值 2.562 -1.575 -2.857
潜变量间的关系,即结构模型,是研究的兴趣重点, 潜变量间的关系,即结构模型,是研究的兴趣重点, 所以整个分析也称结构方程模型. 所以整个分析也称结构方程模型.
12
三,建模过程
(1)模型建构(model specification) (2)模型拟合(model fitting) (3)模型评价(model assessment) (4)模型修正(model modification)
结构方程模型——Lisrel的初级应用 的初级应用 结构方程模型
目录
一,为何要用结构方程模型? 二,模型原理简介 三,模型建模 四,例子:员工流失动因模型
2
一,为何要用结构方程模型? 为何要用结构方程模型?
很多社会,心理研究中所涉及到的变量,都不能准 确,直接地测量,这种变量称为潜变量,如工作自 主权,工作满意度等. 这时,只能退而求其次,用一些外显指标,去间接 测量这些潜变量.如用工作方式选择,工作目标调 整作为工作自主权(潜变量)的指标,以目前工作 满意度,工作兴趣,工作乐趣,工作厌恶程度(外 显指标)作为工作满意度的指标. 传统的统计分析方法不能妥善处理这些潜变量,而 结构方程模型则能同时处理潜变量及其指标.
Locke(1976)研究指出,有多种因素影响到工作满意度,下列几个因素最 为重要: (1)对工作本身的满意度.包括工作内容的奖励价值,多样性,学习机会, 困难性以及对工作的控制等.因此,假设: 假设1:工作自主权越高,工作满意度越高.工作自主权是指员工可以运用 相关工作权利的程度.有较高工作自主权的员工,将具有较高的工作满意 度. 假设2:工作负荷越高,工作满意度越低.工作负荷是指工作职责不能被实 现的程度.工作压力会使员工处于有害身心健康的状况中,有碍于员工对 工作的积极态度(House,1980),工作压力会降低工作满意度. 假设3:工作单调性越高,工作满意度越低.工作单调性是指个体的工作被 重复的程度.如煤炭采掘一线的职工工作单调性比较高,而机关科室的单 调性就比较低.
5
多元统计方法中的相关解决方法
针对1):路径分析(Path Analysis)
– 缺点:分开考察不同的因变量,无法考察因变量之间 的关系且缺少整体的视角
针对2):偏最小二乘法(PLS)
– 缺点:相关理论尚不完善,解释力较弱.
– 《王惠文,偏最小二乘法理论与应用,国防工业出版社》
针对3):指标赋予权重,进行综合评价,得出一 个量化的指标
简单来说,结构方程模型分 为: 测量方程(measurement equation)测量方程描述潜变 量与指标之间的关系,如工 作方式选择等指标与工作自 主权的关系; 结构方程(structural equation), 描述潜变量之间的关系,如工作 自主权与工作满意度的关系.
工作自主权
工作满意度
15
例子: 例子:员工工作满意度的测量
概念模型:
x
工作方式选择 工作自主权 工作目标调整 任务完成时间充裕度 工作负荷轻重 工作节奏快慢 工作内容丰富程度 工作单调性 工作多样性程度 工作负荷
ξ
y
η
工作满意度
目前工作满意度 工作兴趣 工作乐趣 工作厌恶程度
fitting) (2)模型拟合(model fitting) 模型拟合(
( -1 ,+1 )
assessment) (3)模型评价(model assessment) 模型评价(
参数与预计模型的关系是否合理,(与模型 假设相符);
假设1:工作自主权越高,工作满意度越高. 假设 :工作自主权越高,工作满意度越高. 假设2:工作负荷越高,工作满意度越低. 假设 :工作负荷越高,工作满意度越低. 假设3:工作单调性越高,工作满意度越低. 假设 :工作单调性越高,工作满意度越低.
注:t检验值>1.96表示通过显著性检验,且在0.05的显著水平下
assessment) (3)模型评价(model assessment) 模型评价(
结构方程的解是否恰当,(相关系数应在+1和-1之间);
变量 工作自主权 工作负荷 工作单调性
变量间关系 ε1—η1 ε3—η1 ε2—η1
工作满意度 标准化路径系数 0.206 -0.212 -0.378 t检验值 2.562 -1.575 -2.857
27
Ma模型修正
Q4在A的负荷很小 (LX = 0.05),但在其他因子的修 正指数(MI)也不高
– 不从属A,也不归属其他因子
22
modification) (4)模型修正(model modification) 模型修正(
依据理论或有关假设,提出一个或数个合理的先 验模型; 检查潜变量(因子)与指标(题目)间的关系, 建立测量模型,有时可能增删或重组题目; 对每一个模型,检查标准误,t值,标准化残差, 修正指数,及各种拟合指数,据此修改模型并重 复这一步; 最好用另外一个样本进行检验;
687 1386.64 0.0 0.901 0.937 0.950 0.951 0.861 0.817 0.861 0.0584 0.0457
20
assessment) (3)模型评价(model assessment) 模型评价( Χ2/DF= 1386.64/ 687=2.018
第一个指标是卡方统计量与自由度的比值,美国 社会统计学家卡米尼斯和马克依维尔认为,卡方 值与自由度之比在2:1到3:1之间是可以接受的
4
线性回归模型及其局限性
y = b0 + b1 x1 + b2 x 2 + ε
1)无法处理因变量(Y)多于一个的情况; 2)无法处理自变量(X)之间的多重共线性; 3)无法对一些不可直接测量的变量进行处理,主 要是一些主观性较强的变量进行测量.如幸福感, 组织认同感,学习能力等; 4)没有考虑变量(自变量,因变量)的测量误差, 以及测量误差之间的关系
– 缺点:权重设计,需要相当的技巧,通常的方法,如 AHP,模糊综合评判等方法缺少信度与效度
针对4):没有办法解决
6
结构方程模型(SEM)的优点
同时处理多个因变量 容许自变量和因变量含测量[误差传统方法(如 回归)假设自变量没有误差] 同时估计因子结构和因子关系 容许更大弹性的测量模型 估计整个模型的拟合程度[用以比较不同模型] SEM包括:回归分析,因子分析(验证性因子分析, 探索性因子分析),t检验,方差分析,比较各 组因子均值,交互作用模型,实验设计
7
结构方程模型的含义
Structural Equation Model,SEM Covariance Structure Modeling,CSM Linear Structural Relationship , LISREL 从上述名称中可以看出,结构方程模型的几 个本质特征是: 结构,协方差,线性
11
(二)结构模型
对于潜变量间(如工作自主权与工作满意度)的 关系,通常写成如下结构方程:
η = Bη + Γξ + ζ
其中:B——内生潜变量间的关系(如其它内生潜 变量与工作满意度的关系); Γ ——外源潜变量对内生潜变量的影响(如工作 自主权对工作满意度的影响); ζ ——结构方程的残差项,反映了在方程中未能 被解释的部分.
P=0.0
第二个指标是P 第二个指标是P值,P值要求小于0.1. 值要求小于0.1. 0.1
21
assessment) (3)模型评价(model assessment) 模型评价(
规范拟合指数(NFI),不规范拟合指数 (NNFI),比较拟合指数(CFI),增量拟合指 数(IFI),拟合优度指数(GFI),调整后的拟 合优度指数(AGFI),相对拟合指数(RFI), 均方根残差(RMR),近似均方根残差(RMSEA) 等指标用来衡量模型与数据的拟合程度. 学术界普遍认为在大样本情况下: NFI ,NNFI , CFI ,IFI ,GFI,AGFI ,RFI 大于0.9,RMR小于 0.035,RMSEA值小于0.08,表明模型与数据的拟 合程度很好.
23
模型修正举例
17个题目: 17个题目: 个题目 学习态度及取向 A , B , C, D, E 4 , 4 , 3, 3, 3题 350个学生 350个学生
24
概念模型 Ma
25
模型拟合结果输出
26
模型拟合结果输出
Modification Indices for LAMBDA-X 修正指数 KSI 1 KSI 2 KSI 3 KSI 4 KSI 5 -----------------------------------VAR 1 - 0.06 0.66 0.09 2.53 VAR 2 - 0.38 0.53 0.23 0.11 VAR 3 - 0.72 0.01 0.03 1.49 VAR 4 - 0.00 0.03 0.01 0.03 VAR 5 7.73 - 9.62 9.23 1.50 VAR 6 0.01 - 3.29 1.07 1.50 VAR 7 0.12 - 0.25 0.12 2.26 VAR 8 41.35 - 3.66 22.02 4.78 VAR 9 0.40 0.02 - 2.19 0.22 VAR 10 0.03 0.10 - 0.30 0.22 … Maximum Modification Index is 41.35 for Element ( 8,1)LX 修正指数:该参数由固定改为自由估计,χ 2 会减少的数值
+ - -
√
未通过t 检验
√
19
assessment) (3)模型评价(model assessment) 模型评价(
检验不同类型的整体拟合指数,(各项拟 合优度指标是否达到要求);
表2 模型拟合优度结果
指标 指标值 DF Χ2 P NFI NNFI CFI IFI GFI AGFI RFI RMR RMSEA