效标关联效度 - 湖南师范大学.ppt

正态分布检验-【探索】 偏度和峰度：期望值为0。 正态性检验：样本量大于50用K-S检验，样本量小于50用S-W检验。 H0： 服从正态分布；H1：不服从正态分布 离群值 正态分布检验-【K-S检验】 H0：服从正态分布（与正态分布差异不显著） H1：不服从正态分布（与正态分布差异显著） 回归分析例析 1 2 3 －3 －2 －1 y x Distractor Key -3 肯定错；-2很可能错；-1 可能错 0 不可猜 1 可能对 2 很可能对 3 肯定对 专家根据可能的猜测因素对选项的可猜性进行了评判，结果如下表所示。试分析导致选项可猜的主要因素和次要因素。 GPrb：可猜性 ACmm：常识性 ADet：限定 AClu：前后题线索 AStm：与题干的关系 AInc：包含关系 AOpp：对立关系 ASmn：语义凸显 AFrm：形式凸显 AElm：排除法 （选项可猜） （选项不可猜） SPSS操作 残差分布正态性 P-P图(Probability-Probability Plot) Q-Q图(Quantile-Quantile Plot，分位数)： Y：标准化残差；X：标准化预测值 个案的观测值及其与期望值的差 R方（R2），又称复相关系数或判决系数，反映回归模型解释总方差的比例。 共线性：各变量应相互独立，否则应先进行因子分析，再用因子代替原始变量。 回归方程显著性 随着解释变量的增多，回归平方和越来越大、残差平方和越来越小 逐步方法各步骤纳入的变量 所有模型都能拟合 相关性 相关矩阵 五个变量显著相关，说明导致选项可猜的主要因素为此五种 模型汇总 回归模型能够解释总方差的比例。一般应不低于80％。 R方更改量越大，预测性越强。一般应大于10％。 残差自相关检验结果。DW应约为2。 回归系数显著性 Sig.应小于.05 容差：Tolerance 表示未被其他变量解释的量。值最小，说明可被其他变量解释的量越多，共线性问题越严重。 VIF：Variance Inflation Factor （膨胀因子），为容差的倒数。一般应小于2，意味容差大于50％。 残差分析 2个负离群值 2个负离群值 1个正离群值 1个正离群值 分布高度集中在均值周围且标准差非常小 方法三：结构方程模型 (Structural Equation Modeling, SEM) 结构方程模型基础（Greek letters） 测量模型与结构模型 图1 测量模型图（Measurement Model） 因子分析模型 验证性因子分析，Confirmatory Factor Analysis－CFA 探索性因子分析，Exploratory Factor Analysis-EFA (SPSS中) /ksai/ /fai/ 潜变量 (latent) 观测变量 (observed) 协方差 (Covariance) 负荷 (loading) 误差 (error) 图2 结构模型图（Path Model） 外源变量（因） (exogenous) 内生变量（果） (endogenous) 直接效应 (Direct Effect) 间接效应 (Indirect Effect) 误差 (error) Direct effect (直接效应) is that influence of one variable on another that is unmediated by any other variables in a path model Indirect effects (间接效应) of a variable are mediated by at least one intervening variable Total effects (总效应) are the sum of direct and indirect effects Total effects = Direct effect + Indirect effects 回归分析模型 图3 全模型图 路径（回归）分析 全模型（Full Model） 验证性因子分析 样本规模大小(Sample size) 数据服从正态分布、无缺失值和异常值（Bentler Chou，1987）时，样本比例最小为估计参数的5倍，10倍更合适，否则，样本比例应为估计参数的15倍。 用极大似然法（Maximum likelihood）估计时，Loehlin（1992）建议样本数至少为100，200较为适当。当样本数400－500时，此法会变得过于敏感，而使得模型不适合。 模型拟合优度评价 模型建构（AMOS软件） 1. 选择 ，快速绘制潜变量及其观测变量。 2. 选择 ，把观测变量旋转到适当位置 。 3. 选择