结构方程模型及其应用.ppt

结构方程模型及其应用;一、引言

;例子：9个不同学科的相关关系〔1〕;例子：9个不同学科的相关关系〔2〕;例子：9个不同学科的相关关系〔3〕;例子：9个不同学科的相关关系〔4〕;例子：9个不同学科的相关关系〔5〕;例子：9个不同学科的相关关系〔6〕;二、结构方程模型简介;2、结构方程模型的结构

1〕测量模型：指标与潜变量之间的关系

x=Λxξ+δ〔如语文与学业成就的关系〕

y=Λyη+ε〔如家庭收入与社会地位的关系〕

2〕结构模型η=Βη+Γξ+ζ〔学业成就与社会地位的关系〕

x—外源指标向量

y—内生指标向量

Λx—外源指标在外源潜变量上的因子负荷矩阵

Λy—内生指标在内生潜变量上的因子负荷矩阵

ξ—外源潜变量

η—内生潜变量

δ—外源指标x的误差项

ε—内生指标y的误差项

Β—内生潜变量之间的关系

Γ—外源潜变量对内生潜变量的影响

ζ—结构方程的残差项，反映η在结构方程中未被解释的局部。;3、结构方程模型的优点：

1〕同时处理多个变量：回归分析在计算对某一个因变量的影响时，忽略了其他因变量的存在及其影响；

2〕容许自变量和因变量含测量误差：回归分析只允许因变量有误差，不允许自变量有测量误差；

3〕同时估计因子结构和因子关系：因子分析的步骤是先算因子负荷，进而得到因子得分，再计算因子得分的相关系数得到潜变量的相关系数；

4〕容许更大弹性的测量模型：传统上一个指标只能附属于一个因子，但SEM一个指标可以附属于多个因子；

5〕估计整个模型的拟合程度:传统路径分析只估计每一路径的强弱。;4、路径图的图标规那么

圆或者椭圆表示潜变量或因子

正方形或者长方形表示显变量或指标

单向箭头表示单向影响

双向弧形箭头表示相关

单向箭头指向因子表示内生潜变量

未被解释的局部

单向箭头指向指标表示测量误差;5??SEM模型的八种矩阵概念列表

结构模型矩阵

Β beta BE η因子对η因子的影响

Γ gamma GA ξ因子对η因子的影响

测量模型矩阵

Λx lambdax LX x变量在ξ因子上负荷

Λy lambday LY y变量在η因子上的负荷

Ф phi PH ξ因子的协方差

残差矩阵

Ψ psi PS 结构方程残差ζ的协方差

Θδ theta-delta TD x指标的误差协方差

Θε theta-epsilon TE y指标的误差协方差

;6、SEM的应用步骤

1〕说明研究假设，弄清应用SEM是为了验证何种假设；

2〕分析SEM的必要性，为什么其他的数据分析方法不适合；

3〕模型设定：路径图

4〕模型辨识：自由度=[(p+q)(p+q+1)/2]-t0

p：外生观测变量个数

q：内生观测变量个数

t：需要估计的参数个数

5〕模型估计：8个根底参数矩阵

6〕模型的评价

7〕模型修正;模型的评价;χ2检验，理论模型与观察模型的拟合程度，p0.05

χ2/df，考虑模型复杂度后的卡方值2〔消除模型自由度影响〕

增量拟合指数IFI，大于0.9

RMSEA指数，平均概似平方误根系数，小于0.08

关键样本指数CN，大于200/研究样本数大于CN

ECVI指数，期望交叉效度指数

AIC/CAIC：信息指数/一致信息指数

残差分析指数：残差均方根指数RMR〔没有标准化的特性，越小越好〕和标准化残差均方根指数SRMR，SRMR小于0.08;三、验证性因子分析;〔一〕模型简介;B;LISREL语法中的矩阵;修正前后模型的拟合指数比较;四、全模型