结构方程模型简介课件

《结构方程模型简介课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、王国霞结构方程模型简介基本内容SEM的基本原理和概念SEM的分析步骤SEM的用途SEM的应用举例为何学习SEM呢？心理学研究中变量均是不能直接测量的传统的分析中均假设自变量没有测量误差问卷编制中的探索性因素分析是数据驱动的……SEM的基本原理与概念SEM的分析原理是基于变量的协方差矩阵来分析变量之间关系的一种统计方法。协方差：是指变量间的共变性SEM的基本原理与概念SEM的基本概念（1）潜在变量(latentvariable):无法直接测量，需要用外显指标去间接测量的变量观测变量(observedvariable):

2、可以直接被测量的变量外生变量(exogenousvariable):在模型中只起解释变量作用的变量内生变量(endogenousvariable):在模型中，受模型其他变量包括外生变量与内生变量影响的变量残差项(errorterms)SEM的基本原理与概念SEM的基本概念（2）SEM的基本原理与概念SEM的组成结构测量方程结构方程潜变量与观测变量的关系（因子分析）潜变量之间的关系（回归分析）SEM的基本原理与概念全模型潜变量观测变量内生潜变量外生潜变量SEM的基本原理与概念误差测量方程测量方程结构方程相关因果SEM的

3、组成结构测量方程：验证性因素分析vs探索性因素分析结构方程：回归分析探索性因素分析和验证性因素分析探索性因素分析和验证性因素分析EFACFA开始不知道因子数目预先确定模型的因子个数开始不清楚变量与因子的从属关系预先确定变量与因子的从属关系最终分析中，变量在每个因子上都有负荷变量只在所从属的因子上才有负荷数据驱动的探索理论驱动的验证SEM的基本原理与概念以往回归分析与SEM中的回归分析y=a+bx+e因变量有误差自变量没有误差SEM的基本原理与概念SEM的优点容许自变量和因变量有误差同时估计因子结构和因子关系同时分析多

4、个因变量估计整个模型的拟合程度……SEM的基本原理与概念注意！！不要为了用而用了解统计前提（正态、缺失值、大样本、随机抽样……）理论永远高于数据SEM的基本原理与概念二、SEM的分析步骤SEM的分析步骤SEM的分析步骤第一步：模型建构第二步：模型识别第三步：收集数据第四步：模型拟合第五步：模型修正第六步：模型解释SEM的分析步骤模型建构理论基础模型的准确性和简约型测量方程和结构方程模型建构的类型：纯粹验证、选择模型、模型发展型SEM的分析步骤模型建构：描述数据的两难准确就需要复杂简约准确性就低好模型：尽可能准确且相对

5、简单SEM的分析步骤模型建构：SEM的准确性和简约性SEM的简约性：df越大模型越简单，但准确性低自由度：是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的资料的个数。计算方法：df=n(n+1)/2-k（需要估计参数的数目）SEM的分析步骤SEM的分析步骤模型建模的类型纯粹验证型：拒绝or接受选择模型：选择一个好的模型发展型：根据理论和数据修改SEM的分析步骤第二步：模型识别k≤n(n+1)/2低识别：有无数个解正好识别：有一个解(df=0,即饱和模型）过度识别：有一个解(df>0)第三步：收集数据样

6、本数：a:样本越多越好，但是越多卡方值越大，模型被拒绝的可能性更大。b:理想的样本量与题项数比例为5-20倍c:200-500之间缺失数据：在spss里补好SEM的分析步骤第四步：模型拟合观测变量在因子上的负荷是否合理因子之间关系的值是否合理检视多个不同模型的整体拟合指数流行的模型整体拟合指数绝对拟合指数：X2：越小越好X2/df：小于2（受样本量影响）RMSEA（近似误差均方根）：小于0.08相对拟合指数：CFI（比较拟合指数）：大于0.9NFI（标准化拟合指数）：大于0.9NNFI（非标准化拟合指数）：大于0.9

7、IFI（增值拟合指数）：大于0.9……SEM的分析步骤第五步：模型修正根据MI修正（大于4）测量模型：添加或删除因子载荷、因子之间的协方差、误差之间的协方差结构模型：添加或删除潜变量数目、路径系数、残差项之间的协方差SEM的分析步骤模型修正：注意事项修改的参数在理论上的合理性先考虑较大的MI每次只能修改一个参数修正后需要用另一批数据重新验证第六步：模型解释用理论来解释模型解释模型所代表的结果SEM的分析步骤第一步：模型建构第二步：模型识别第三步：收集数据第四步：模型拟合第五步：模型修正第六步：模型解释SEM的分析步骤

8、三、SEM的用途SEM的用途T检验、相关分析、F检验……验证性因素分析路径分析多组比较复杂的中介和调节效应的检验潜变量增长模型……SEM的用途四、SEM的应用举例SEM的应用举例：分析软件分析软件：Amos、LISREL、EPQ、Mplus……SEM的应用举例AmosLISREL图形为主语法为主较简单模型复杂模型易学较难SEM的应用举例：验证性