结构方程建模技术和amos应用.pptVIP

结构方程建模技术和AMOS操作 内容提要 结构方程建模技术背景 结构方程建模基本理论 结构方程建模分析过程 AMOS操作 一、结构方程建模技术背景 结构方程建模的起源 心理计量学根源 Spearman(1930 ): 因素分析(factor analysis) 生物根源 Wright(1918): 路径分析(path analysis) 经济计量学根源 Haavelmo(1943): 联立方程组(simultaneous equation) 何为结构方程建模？ 结构方程建模(Structural Equation Modeling，简称SEM)，早期称为线性结构方程模式(Linear Structural Relationships，简称LISREL)或称为共变量结构分析(Covariance Structure Analysis)。 它结合了因素分析(factor analysis)与路径分析(path analysis)，包括测量与结构模式。 SEM是一种统计方法学(statistical methodology) (Byrne, 1994) SEM是统计技术 SEM是方法学 结构方程建模技术的主要应用 Confirmatory factor analysis Path analysis Structural regression analysis Time-dependent/longitudinal data Confirmatory factor analysis Path analysis Structural regression analysis Specialty of SEM Latent variables Measurement error Theory testing Multivariate statistical analysis SEM is promising 二、结构方程建模基本理论 基本术语（一） 基本术语（二） 方差－协方差矩阵 拟合函数 F=F(S, Σ(θ)) Maximum likelihood FML=log| Σ(θ)| + Trace[Σ(θ)-1S] – log|S| - p（p : number of measured variable） Generalized Least Squares Asymptotic Distribution Free 结构方程建模分析过程 SEM的分析策略 Model confirmation 作为验证（confirmatory）的基础 针对单一假设模型 Model generation 先设定一个起始模型，在与实际观察数据进行比较之后，进行必要的修正，反复进行估计的程序以得到最佳拟合的模型 Model Competition 利用不同模型的比较以决定何者最能反应真实数据 基本拟合指标 不能有负的误差变异 误差变异必须达到显著水平 估计参数之间的相关的绝对值不能太接近1 因子负荷不能太高或太低，最好介于0.5-0.95 不能有很大的标准误 模型整体拟合评价 Absolute fit measures(整体适配性之评估) ?2不显著 GIF (Goodness-of-Fit)0.9 RMR/SRMR0.05 RSMEA0.05(0.08) Incremental fit measures(底限模型与理论模型的比较) NFI0.9 NNFI0.9 IFI0.9 CFI0.9 RFI0.9 Parsimonious fit measures(自由度比值的加权) PNFI0.05 PGFI0.05 AICmin(饱和模型，底限模型)，越小越好 CN=200 ?2/df2,3(5) 模型内在品质 个别项目的信度0.5 潜变量的成分信度0.6 潜变量的平均变异抽取0.5 所有估计的参数都达到显著水平 标准化残差的绝对值1.96 修正指数3.84 SEM中的三种信度 个别项目的信度 成分/建构信度(Composite/Construct reliability) 平均变异抽取(Variance extracted measure) AMOS操作 AMOS简介 AMOS是Analysis of Moment Structure的简称，它与LISREL，EQS，PROC　CALIS等均能够处理SEM(structural equation modeling) 问题。AMOS最大的优势在于其路径图的图形用户界面，免去如LISREL中界定八大参数矩阵的繁琐。 AMOS具有AMOS Graphics与AMOS Basic两种模式，前者对于径路图的绘制和输出非常便捷，后者则可以进行复杂的模型设定。 Software for SEM