10. 结构程模型建模和分析步骤.pptVIP

高级统计方法;结构方程建模和分析步骤;产生模型（Model Generating，MG) 先提出一个或多个基本模型 基于理论或数据，找出模型中拟合欠佳的部分 修改模型，通过同一或其他样本，检查修正模型的拟合程度，目的在于产生一个最佳模型;结构方程分析步骤 模型建构（Model Specification），指定 观测变量与潜变量（因子）的关系 各潜变量间的相互关系（指定哪些因子间有相关或直接效应） 在复杂的模型中，可以限制因子负荷或因子相关系数等参数的数值或关系（例如，2个因子间相关系数等于0.3；2个因子负荷必须相等） 模型拟合(Model Fitting，通常 MLE） 主要的是模型参数的估计(e.g.，回归分析，通常用最小二乘方法拟合模型，相应的参数估计称为最小二乘估计 ) ; 模型评价（Model Assessment） 结构方程的解是否适当( Proper)，估计是否收敛，各参数估计值是否在合理范围内（例如，相关系数在 -1与+1之间） 参数与预设模型的关系是否合理。当然数据分析可能出现一些预期以外的结果，但各参数绝不应出现一些互相矛盾，与先验假设有严重冲突的现象 检视多个不同类型的整体拟合指数，如 NNFI、CFI、RMSEA 和卡方值等 含较多因子的复杂模型中，无论是否删去某一两个路径（固定它们为0），对整个模型拟合影响不大 应当先检查每一个测量模型 ; 模型修正（Model Modification） 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 可能增删或重组题目 若用同一样本数据去修正重组测量模型，再检查新模型的拟合指数，这十分接近探索性因素分析（exploratory factor analysis，EFA），所得拟合指数，不足以说明数据支持或验证模型 可以循序渐进地，每次只检查含2个因子的模型，确立测量模型部分合理后，最后才将所有因子合并成预设的先验模型，作一个总体检查 对每一模型，检查标准误、t 值、标准化残差、修正指数、参数期望改变值、及各种拟合指数，据此修改模型并重复这一步骤 这最后的模型是依据某一个样本数据修改而成，最好用另一个独立样本，交叉验证（cross-validate） ;参数估计和拟合函数;拟合??查; 检查关系是否实质合理 看各路径等参数估计值，在理论上是否合理、有实质意义 残差分析 残差矩阵是样本协方差矩阵减去再生矩阵的结果 正规化残差 ;模型修正和交互效度;模型比较的原理;设有另一个含较少参数的模型，参数 是 的子集， 的维数 u 小于 t （嵌套模型） 将此模型作为原假设 H0，而含 的模型作为被择假设 H1 设 和 分别为 H0 和 H1 对应的 c 值，似然比检验统计量 渐近服从 分布，自由度为 t-u（或自由度之差） 两个模型的比较是根据他们的卡方变化量 及自由度变化量 而决定的，怎样决定？ ; 几点注意： 理论上，要比较的模型应当是嵌套的 卡方变化量也受样本容量的影响 模型比较不应以拟合指数为主要依据，而应当考虑模型所描述的各变量间关系的合理性