结构方程模型及其应用讲解
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
近似误差均方根RMSEA越小表明模型拟合效果越好，Steiger （1990）认为，RMSEA低于0.1表示好的拟合；低于0.05表 示非常好的拟合；低于0.01表示非常出色的拟合，但这种情 形应用上几乎碰不到。
非范拟合指数NNFI一般取值在0.9以上表示模型拟合效果非 常好，在0.8以上表示模型拟合效果较好。 比较拟和指数CFI一般取值在0~1之间，大于0.8表示模型拟合 效果较好。
相关概念及结构
驗證性因素分析 Confirmatory Factor Analysis (CFA)
δ1 δ2 δ3
誤差
x1
λ1
λ2 x2
λ3 x3
觀察變項 負荷量
ξ 潛在變項
δ1
x1
δ2
x2
δ3
x3
y1
ε1
ξ1
η1
y2
ε2
y3
ε3
ζ
測量模式
結構模式
δ1
x1
δ2
x2
δ3
x3
ξ1
測量模式
僅有測量模式就是CFA
理论分析 模型设定 模型识别 选择测量变量与搜集资料 模型评价
是否达到 可接受程度
是 解释
否 模型修订
图4-2 结构方程实证分析步骤
模型评价指标
根据侯杰泰、温忠麟、成子娟（2004），在研究中主要选取
了Df、χ2、χ2/df、RMSEA、NNFI和CFI作为模型评价指数：
卡方χ2及其自由度df主要用于比较多个模型。一般认为，卡 方比率χ2/df在2.0~5.0之间，模型可以接受，χ2/df越小表明整 体模型拟合效果越好。
结构方程模型及其应用
Structural Equation Model and Its Applications
提纲
概述 相关概念及结构 实际应用
概述
结构方程模型分析法（structural equation model，简称SEM）是一种以 回归为基础（regression-based technique）的多变量分析技术，主要 可用于进行验证性因素分析、检验理 论假设所表示的各变量之间的路径关 系、中介效应分析和调节效应分析。
结构方程模型的优点
同时处理多个因变量 容许自变量和因变量含测量误差 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
结构方程模型的分析步骤
结构方程模型分析过程包括：模型设 定、模型识别、模型估计、模型评价 和模型修订。采用结构方程模型分析 法进行实证分析的步骤如下页图示
ε6
x6
ξ1 Φ12/ Φ21
ξ2
指標變項的討論
以觀察變項作為潛在變項的指標變項時， 要幾個觀察變項才夠？ 多元指標原則：一個潛在變項必須有兩個 以上的觀察變項來估計 愈多愈好嗎？一個可不可以？
應回歸到工具設計與施測實務以 及樣本大小、負荷量大小等問題
樣本大小的討論
樣本大小至少超過150個。 Rigdon, E. (2005). SEM FAQ. from
樣本大小亦取決於潛在變項的數目
常見電腦軟體
LISREL SIMPLIS AMOS EQS Mplus
Mx Statistica SAS PROC CALIS COSAN LVPLS …
实际应用
原 始 模 式
修 改 模 式 1
修 改 模 式 2
最 終 模 式
=
?
SEM = 因果關係
http://www.gsu.edu/~mkteer/html 至少要為x觀察變項數目的10倍量或15倍量。 Thompson, B. (2000). Ten commandments of structural
equation modeling. In L. G. Grimm & P. R. Yarnold (eds.), Reading and understanding more multivariate statistics (pp. 261-283). Washington, DC: APA.
δ1
x1
λ11
δ2
λ21 x2
ξ1
λ31
δ3
x3
x1= λ11 ξ1+ δ1
x2= λ21 ξ1+ δ2
x3= λ31 ξ1+ δ3
ε1
y1
λ1
ε2
λ2 y2
η
λ3
ε3
y3
y1= λ1 η+ ε1
y2= λ2 η + ε 2 y3= λ3 η + ε 3
ε1
x1
ε2
Байду номын сангаас
x2
ε3
x3
ε4
x4
ε5
x5
非范拟合指数NNFI一般取值在0.9以上表示模型拟合效果非 常好，在0.8以上表示模型拟合效果较好。 比较拟和指数CFI一般取值在0~1之间，大于0.8表示模型拟合 效果较好。
相关概念及结构
驗證性因素分析 Confirmatory Factor Analysis (CFA)
δ1 δ2 δ3
誤差
x1
λ1
λ2 x2
λ3 x3
觀察變項 負荷量
ξ 潛在變項
δ1
x1
δ2
x2
δ3
x3
y1
ε1
ξ1
η1
y2
ε2
y3
ε3
ζ
測量模式
結構模式
δ1
x1
δ2
x2
δ3
x3
ξ1
測量模式
僅有測量模式就是CFA
理论分析 模型设定 模型识别 选择测量变量与搜集资料 模型评价
是否达到 可接受程度
是 解释
否 模型修订
图4-2 结构方程实证分析步骤
模型评价指标
根据侯杰泰、温忠麟、成子娟（2004），在研究中主要选取
了Df、χ2、χ2/df、RMSEA、NNFI和CFI作为模型评价指数：
卡方χ2及其自由度df主要用于比较多个模型。一般认为，卡 方比率χ2/df在2.0~5.0之间，模型可以接受，χ2/df越小表明整 体模型拟合效果越好。
结构方程模型及其应用
Structural Equation Model and Its Applications
提纲
概述 相关概念及结构 实际应用
概述
结构方程模型分析法（structural equation model，简称SEM）是一种以 回归为基础（regression-based technique）的多变量分析技术，主要 可用于进行验证性因素分析、检验理 论假设所表示的各变量之间的路径关 系、中介效应分析和调节效应分析。
结构方程模型的优点
同时处理多个因变量 容许自变量和因变量含测量误差 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
结构方程模型的分析步骤
结构方程模型分析过程包括：模型设 定、模型识别、模型估计、模型评价 和模型修订。采用结构方程模型分析 法进行实证分析的步骤如下页图示
ε6
x6
ξ1 Φ12/ Φ21
ξ2
指標變項的討論
以觀察變項作為潛在變項的指標變項時， 要幾個觀察變項才夠？ 多元指標原則：一個潛在變項必須有兩個 以上的觀察變項來估計 愈多愈好嗎？一個可不可以？
應回歸到工具設計與施測實務以 及樣本大小、負荷量大小等問題
樣本大小的討論
樣本大小至少超過150個。 Rigdon, E. (2005). SEM FAQ. from
樣本大小亦取決於潛在變項的數目
常見電腦軟體
LISREL SIMPLIS AMOS EQS Mplus
Mx Statistica SAS PROC CALIS COSAN LVPLS …
实际应用
原 始 模 式
修 改 模 式 1
修 改 模 式 2
最 終 模 式
=
?
SEM = 因果關係
http://www.gsu.edu/~mkteer/html 至少要為x觀察變項數目的10倍量或15倍量。 Thompson, B. (2000). Ten commandments of structural
equation modeling. In L. G. Grimm & P. R. Yarnold (eds.), Reading and understanding more multivariate statistics (pp. 261-283). Washington, DC: APA.
δ1
x1
λ11
δ2
λ21 x2
ξ1
λ31
δ3
x3
x1= λ11 ξ1+ δ1
x2= λ21 ξ1+ δ2
x3= λ31 ξ1+ δ3
ε1
y1
λ1
ε2
λ2 y2
η
λ3
ε3
y3
y1= λ1 η+ ε1
y2= λ2 η + ε 2 y3= λ3 η + ε 3
ε1
x1
ε2
Байду номын сангаас
x2
ε3
x3
ε4
x4
ε5
x5