資源描述：
《最新結(jié)構(gòu)方程模型ppt課件.ppt》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、結(jié)構(gòu)方程模型結(jié)構(gòu)方程模型（Structural·Equation·Modeling,SEM)結(jié)構(gòu)方程模型是社會科學(xué)研究中的一個非常好的方法。該方法在20世紀80年代就已經(jīng)成熟，可惜國內(nèi)了解的人并不多。“在社會科學(xué)以及經(jīng)濟、市場、管理等研究領(lǐng)域，有時需處理多個原因、多個結(jié)果的關(guān)系，或者會碰到不可直接觀測的變量（即潛變量），這些都是傳統(tǒng)的統(tǒng)計方法不能很好解決的問題。20世紀80年代以來，結(jié)構(gòu)方程模型迅速發(fā)展，彌補了傳統(tǒng)統(tǒng)計方法的不足，成為多元數(shù)據(jù)分析的重要工具。147結(jié)構(gòu)方程簡介結(jié)構(gòu)方程模式(StructuralEquationModels，簡稱SEM)，早
2、期稱為線性結(jié)構(gòu)方程模式(LinearStructuralRelationships，簡稱LISREL)或稱為共變量結(jié)構(gòu)分析(CovarianceStructureAnalysis)。主要目的在于考驗潛在變項(Latentvariables)與外顯變項(Manifestvariable,又稱觀察變項)之關(guān)系，此種關(guān)系猶如古典測驗理論中真分數(shù)(truescore)與實得分數(shù)(observedscore)之關(guān)系。它結(jié)合了因素分析(factoranalysis)與路徑分析(pathanalysis)，包涵測量模式與結(jié)構(gòu)模式。x1x2x3F1滿意度F2忠誠度y1y
3、2y3e１e4Lx1bDe5e6e２e３測量殘差外生觀察變量因素負荷量外生潛在變量結(jié)構(gòu)參數(shù)內(nèi)生潛在變量因素負荷量內(nèi)生觀察變量結(jié)構(gòu)模式測量(CFA)模式測量殘差Lx2Lx3Ly1Ly2Ly3測量(CFA)模式結(jié)構(gòu)模式與測量模式線性相關(guān)、線性回歸、結(jié)構(gòu)方程模型 三種分析方法對比線性相關(guān)分析:線性相關(guān)分析指出兩個隨機變量之間的統(tǒng)計聯(lián)系。兩個變量地位平等，沒有因變量和自變量之分。因此相關(guān)系數(shù)不能反映單指標與總體之間的因果關(guān)系。線性回歸分析:線性回歸是比線性相關(guān)復(fù)雜的方法，它在模型中定義了因變量和自變量。但它只能提供變量間的直接效應(yīng)而不能顯示可能存在的間接效應(yīng)，而
4、且會因為共線性的原因，導(dǎo)致出現(xiàn)單項指標與總體出現(xiàn)負相關(guān)等無法解釋的數(shù)據(jù)分析結(jié)果。結(jié)構(gòu)方程模型分析:結(jié)構(gòu)方程模型是一種建立、估計和檢驗因果關(guān)系模型的方法。模型中既包含有可觀測的顯在變量，也可能包含無法直接觀測的潛在變量。結(jié)構(gòu)方程模型可以替代多重回歸、通徑分析、因子分析、協(xié)方差分析等方法，清晰分析單項指標對總體的作用和單項指標間的相互關(guān)系。學(xué)習(xí)SEM的通俗意義運用結(jié)構(gòu)方程模型進行的資料分析，會增加投稿到中心核心期刊、CSSCI、EI、SCI等期刊的錄用率研究生可以增加論文深度對結(jié)構(gòu)方程的感性認識x1x2F1F3y1y2e7Lx1D3e9Lx2Ly1Ly2x4
5、x5y4y5e10Lx3D4e12Lx4Ly4Ly5F2F4cov２１b41b42b43b31x3x6y3y6e1e2e3e4e5e6e8Ly3Ly6e11Lx5Lx6可以處理SEM的軟件AMOSLISRELEQSMplus。。。AMOS系A(chǔ)nalysisofMomentStructure之簡稱，它與LISREL，EQS，PROCCALIS等均在處理SEM(structuralequationmodeling)的軟件。AMOS最大的優(yōu)勢在于其路徑圖的圖形使用者接口，免去如LISREL中界定八大參數(shù)矩陣的繁瑣。AMOS采圖解導(dǎo)向，操作簡便是公認學(xué)習(xí)SEM的
6、最佳軟件。AMOS具有AMOSGraphics與AMOSBasic兩大運作模式，尤其前者對于徑路圖之繪制與輸出最為便捷。變項與符號意義關(guān)係類型XYXYXY1Y2XYY1Y2Y3Y1潛在變項觀察變項相關(guān)(共變)單向因果關(guān)係單向因果關(guān)係回溯因果關(guān)係non-recursive循環(huán)因果關(guān)係(feedback)又稱為因子(factor)可以是X或YX與Y為共變關(guān)係X對Y的直接效果X對Y1為直接效果X對Y2為問接效果Y1為中介變數(shù)X與Y互為直接效果,X與Y具有回饋循環(huán)效果Y1對Y2、Y2對Y3、Y3對Y1均為直接效果，Y1、Y2、Y3為間接循環(huán)效果SEM條件數(shù)據(jù)符合
7、常態(tài)、無遺漏值及例外值(Bentler&Chou,1987)下，樣本比例最小為估計參數(shù)的5倍，10倍則更為適當(dāng)。當(dāng)原始數(shù)據(jù)違反常態(tài)性假設(shè)時，樣本比例應(yīng)提升為估計參數(shù)的15倍。以ML法評估，Loehlin(1992)建議樣本數(shù)至少為100，200較為適當(dāng)。當(dāng)樣本數(shù)為400~500時，此法會變得過于敏感，而使得模式不適合。模型中潛在因素至少應(yīng)為兩個(Bollen,1989)量表最好為七點尺度(Bollen,1989)每個潛在構(gòu)面至少要有三個題目， 五~七題為佳(Bollen,1989)每一指標不得橫跨到其它潛在因素上 (Bollen,1989)問卷最好引用自
8、知名學(xué)者，盡量不要自己創(chuàng)造理論架構(gòu)要根據(jù)學(xué)者提出的理論作修正模型主要構(gòu)面維持在5
