第29章 路径分析——【SPSS精品教程 资源池】

模块解读
• 1．变量转换 • 因为性别为属性变量，我们无法对字串变量进行回归分析，所以
需要用转换功能将性别m（男）和f（女）转换分别成虚拟数字变 量1和0。 • 单击“转换”|“重新编码为不同变量”命令，弹出变量转换对 话框，如图29-4所示。“输出变量”框中“名称”栏输入一个新 的变量“gender1”，“标签”是“性别”，然后单击“更改”。
栏中输入“年龄”给新的变量加上标签，单击“完成”即可生成 一个新的变量，如图29-11所示。
• 5．计算路径系数 • 单击“分析”|“回归”|“线性”命令，弹出线性回归对话框，
如图29-12所示。“因变量”框中放入本次需要比较的变量 “salary”，把要比较的八个因素“educ”、“salbegin”、 “minority”“jobcat”“gender1”“prevexp”和“jobtime”放 入“自变量”框中，方法选择“进入”。
• 路径模型的假设条件和限制
• （1）首先要求模型中各变量的函数关系为线性、可加；否则不 能采用回归方法估计路径系数。如果处理变量之间的交互作用， 把交互项看作一个单独的变量，此时它与其它变量的函数关系同 样满足线性、可加。
• （2）模型中各变量均为等间距测度。
• （3）各变量均为可观测变量，并且各变量的测量不能存在误差
• 6.“统计量”按钮
• 单击“统计量”按钮，弹出图29-13所示的“统计量”对话框， 选择“描述性”，单击“继续”完成选择，回到线性回归对话框 单击“确定”按钮即可计算回归系数。
实例详解
• 例29.1：我们采用SPSS软件系统自带的数据文件Employee data.sav（可 在SPSS软件的子目录下找到该数据）来进行路径分析。该数据收录了 474个员工的人事工资资料，序号为434的缺失出生日期，所以有效为 473个，在接下来的分析中，剔除该样品；该数据包含有：id（编码）、 gender（性别）、bdate（Date of Birth，出生日期）、educ （Educational Level，受教育水平）、jobcat（Employment Category，职 位类别）、salary（Current Salary，目前工资）、salbegin（Beginning Salary，初始工资）、jobtime（Months since Hire，已工作时间）
• 2．“旧值和新值”按钮
• 单击“旧值和新值”按钮，弹出图29-5所示的“旧值和新值”对 话框，此对话框可用于对目标变量进行具体变量的转换。在“旧 值”的“值”栏里输入需要转换的目标变量“m”，“新值”的 “值”中输入新的值“1”，单击“添加”按钮，再以同样方法 添加“f”和“0”，单击“确定”按钮，即生成一个新的变量 “gender1”，如图29-6所示。
IBM-SPSS
第29章 路径分析
• 前面的多元回归分析常用于对影响因素的分析，但由于只考察变 量之间的直接作用，而实际上变量之间的相关关系往往是一个复杂 的传递过程，因此需要一种可以全面地考察变量间的相互作用，包 括直接作用和间接作用的方法，即本章所介绍的路径分析（通径分 析）。
• 路径分析通过构建路径图直观地显示变量间的结构关系，在多元
• 如果多个路径系数同时不显著，则首先删除最不显著的路径 继续进行回归分析，根据下一步的结果再决定是否需要删除 其它原因变量。
• 进行调试的一般原则，实际进行调试时，还必须考虑模型的 理论基础。
• 作为研究焦点的因果联系必须要有足够的理论根据，即使其 统计不显著，仍然应当加以仔细考虑，并寻找其统计不显著 的原因：是否是多重共线性的影响，还是其它路径假设的不 合理而影响了该路径的显著性。
已经工作的时间和以前的工作经验均以月为单位来衡量；是否是少数 民族为“0”、“1”变量，“1”表示“Yes”，是少数民族，“0”表 示“No”非少数民族。用出生日期的年份数来计算出新变量年龄代替 出生日期进行分析。
• 、prevexp（Previous Experience，以前的工作经验）、minority（是否 是少数民族）等10个变量。gender为属性变量，用“f ”表示female女 性，“m ”表示male男性；educ使用受教育的年数衡量；jobcat分为三 类：“1”表示clerical（文员），“2”代表custodial（保管人员），以 “3”表示manager（管理人员）。当前工资和初始工资以实际额为准。
• 4．计算当前年龄 • 在日期和时间向导第一步对话框中选择“计算两个日期之间的时
间数”，单击“下一步”弹出图29-9第二步对话框，把变量列表 中的“STIME”和“bdate”放入相应栏中，点开“单位”下拉列 表，选择“年份”，在“结果”复选框中选择“取整”。
• 单击“下一步”按钮，弹出图29-10第三步对话框，在“结果变 量”栏里输入计算生成的新的变量名称“age”，“变量标签”
回归的基础上计算变量间的相关系数，计算结果给出的线性回归方程 的标准系数（Standardized Coefficients）也就是我们需要的路径系数。 路径系数分为直接路径系数（某一自变量对因变量的直接作用）和间
接路径系数（该自变量通过其他自变量对因变量的间接作用）两种。 在一个构造合适的路径图中,任何两个变量间的相关系数就是连结这两 点之间的所有复合链上的路径系数的乘积之和
• （4）变量间的多重共线性程度不能太高，否则路径系数估计值 的误差将会很大。
• （5）需要有足够的样本量。Kline（1998）建议样本量的个数应 该是需要估计的参数个数的10倍（20倍更加理想）。
路径模型的调试，过程类似于多元回归过 程的调试
• 如果某一变量的路径系数（回归系数）统计性不显著，则考 虑是否将其对应的路径从模型中删去；
• Leabharlann Baidu．年龄转换
• 由于年龄比出生日期更简洁直观，我们把出生日期转换成年龄进 行分析，因为统计资料的时间不清楚，用现在时间计算并不影响 结果，所以算当下时间的年龄。
• 单击“转换”|“日期和时间向导”命令，弹出图29-7所示的对 话框，选择“使用日期和时间进行计算”选项，单击“下一步” 按钮，弹出图29-8所示的对话框，日期和时间向导第一步对话框。