揭开LISREL的神秘面纱—解读LISREL的报表课件.pptVIP

揭开LISREL的神秘面纱—解读LISREL的报表 主讲人： 萧登泰 模式适配与修饰 配适度检定 (test of goodness-of-fit) 配适度检定原理的虚无假设 理论上 实务上 Ｓ：样本共变量矩阵 Σ 与Σ(θ) ：未知母体共变量矩阵 　：根据母体建构参数所复制出的估计共变量矩阵 SEM的基本检定，是期望获得「不要拒绝虚无假设」的检定结果，也就是H0被接受的结果，或获得不显著的检定结果。 整体配适度指标 卡方值(　) 希望未达显著，容易受到样本数(200)与数据偏离常态的影响 均方根近似误(RMSEA)和非趋中参数(NCP) RMSEA0.05→良好配适；0.05~0.08→合理配适；0.08~0.10→普通配适；0.10不良配适 NCP越小越好，检验其90%信赖区间是否涵盖0 RMSEA不受样本大小与模型复杂度的影响 适配度指标(GFI)和修正适配度指标(AGFI) 类似回归分析判定系数的观念，0.90→良好配适 均方根残差(RMR)和标准化均方根残差(SRMR) RMR或SRMR0.08 R平方值(　) 0.5 比较配适度指标 非正规化适配指标(NNFI) 比较两对立模式之间的配适度，门坎值为0.9 正规化适配指标(NFI)、增值适配指标(IFI)/比较适配指标(CFI)和相对非趋中性指标(RNI) NFI与IFI用来比较所提模式与独立模式之间的卡方值差距 CFI与RNI则适用于一连串模式的比较 门槛值为0.9 期望交叉验证指标(ECVI) 可用来检验模式应用到同一母体的不同样本是否仍有效 越小越好，检验其值是否小于饱和模式与独立模式下的ECVI值 精简配适度指标 正规化卡方值(NC) 为卡方值/自由度，校正模型复杂的影响所造成的膨胀效应 1~3为理想适配值；1，表示模式容易受到机运影响而产生适配不良；3或5，表示模式需要修正 精简正规化适配指标(PNFI)和精简适配度指标(PGFI) 0到1之间，其值越高表示模式具有精简性 Akaike讯息指针(AIC)和一致Akaike讯息指针(CAIC) 0，越小越好，样本数200且数据符合多变量常态性假设 关键样本数(CN) 基于统计检定的考虑，模式要获得一个可被接受的适配程度，所需最低数量的样本 建议：CN200 测量模式的配适指针 信度 测量观察变量的Ｒ平方值（收敛效度） 组合信度(composite reliability, CR) 一组测量观察变项具有测量某个潜在变项的理想信度 CR0.6 效度 因素负荷量界于0.50~0.95之间 测量误差无负值且达到显著 参数间相关的绝对值不接近1 平均变异数萃取量(average variance extracted, AVE) 某各潜在变项相对于测量误差，所能解释到测量观察变项变异数的量(百分比) AVE0.5 结构模式的配适指针 潜在变项彼此之间关系的路径系数符号 正负方向是否与研究预期方向相同 路径系数的参数估计值是否达到统计上的显著 参数估计值的t值绝对值，至少须大于1.96 每一条结构方程式的R平方值是否达到显著 R平方值越大越好(最好大于0.5) 各配适指标总整理 指 标 名 称 与 性 质 范围 判断值 适用情形 整体适配度指标 ?2 test 理论模型与观察模型的契合程度 - P.05 说明模型解释力 RMSEA（Browne Cudeck, 1993） 比较理论模式与饱和模式的差距 0-1 .05 不受样本数与模式复杂度影响 NCP (Bentler, 1988) 假设模型的卡方值距离中央卡方分 配的离散程度 - 越接近0越好 说明假设模型距离中央性卡方的程度 GFI（Bentler, 1983） 假设模型可以解释观察数据的比例 0-1 .90 说明模型解释力 AGFI（Bentler, 1983） 考虑模式复杂度后的GFI 0-1* .90 不受模式复杂度影响 RMR与SRMR 样本共变量矩阵与适配矩阵的差距 0 0.08 修正模式时可参考 R平方值 0-1 越大越好 说明模型解释力 指 标 名 称 与 性 质 范围 判断值 适用情形 比较适配度指标 NNFI（Bentler Bonett, 1980） 考虑模式复杂度后的NFI 0-1* .90 不受模式复杂度影响 NFI（Bentler Bonett, 1980） 比较假设模型与独立模型的卡方差异 0-1 .90 说明模型较虚无模型的改善程度 CFI (Bentler, 1988) 假设模型与独立模型的非中央性差异 0-1 .95 说明模型较虚无模型的改善程度特别适合小样本 ECVI (Browne Cudeck, 1989) 假设模型配适共变矩阵与期望共便矩阵的差异 - 越小越好 比较模式再同一母体下不同样本是否适用