《结构方程模型简介》PPT课件

《《结构方程模型简介》PPT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、结构方程模型简介ningxing8/3/20211概念结构方程模型是一种通用的线性统计建模技术。它主要是利用联立方程组求解，但是没有严格的假设限定条件，同时允许自变量和因变量存在测量误差。8/3/20212假设与其他分析方法相同的假设条件包括：（1）观察变量是相互独立的；（2）随机抽样；（3）线性相关8/3/20213步骤模型设定模型识别模型估计模型评价模型修正8/3/20214模型设定：2个基本假设理论依据是增加或者删除连线的依据，用最少的因果路径或者相关关系来刻划在理论上可行的模型线性关系8/3/20215模型设定：2种变量潜在变量和显示变量潜在变量——不可直接衡量的显示变量（测

2、量变量）——问卷中直接测量的内生变量和外生变量内生变量——由模型内其他变量作用所影响的变量外生变量——变量的影响因素在模型之外8/3/20216模型设定：2个模型测量模型——表示潜在变量和观测变量之间的关系结构模型（潜在变量模型）——表示潜在变量之间的关系8/3/20217样本容量一般而言，最保守的是一个变量要5个样本来衡量，此时样本服从多元正态分布，而且没有奇异值。也有人认为一个变量由15个样本来衡量比较好。最低的样本要求是50。一般样本量在100～200之间比较合适。8/3/20218变量数量选择多个指标表示潜在因子具有统计上和概念上的优势一般以3～4个指标表示1个因子比较合适当

3、因子互相关联的时候，可以减至2个8/3/20219前期工作可信度检验——SPSS中完成效度检验缺省值处理——SPSS中完成8/3/202110模型识别：概念1当一个未知参数至少可以由观测变量的方差协方差矩阵中的一个或者多个元素的代表函数来表达，就称这个参数可识别的。如果模型中的参数都是识别参数，那么这个模型就是可识别的。8/3/202111模型识别：概念2过度识别——当一个模型中的参数都是识别的并且至少有一个是过度识别的，那么这个模型就是过度识别的恰好识别——当一个模型中的参数都是识别的并且没有一个是过度识别的，那么这个模型就是恰好识别的不可识别——模型中至少有一个不可识别的参数8/

4、3/202112模型识别：不可识别的原因模型能否识别并不是样本的问题原因：1、自由度少2、因子之间的相互作用，即双向作用8/3/202113模型识别：判断方法数据点的数目不能少于自由参数的数目。数据点的数目就是观测变量的方差和协方差的数目。自由参数的数目特指待定的因子载荷、通径系数、潜在变量和误差项的方差、潜在变量之间与误差项之间的协方差的总数必须为模型中的每一个潜在变量建立一个测量尺度。将潜在变量的方差设定为1；将潜在变量的观测标识中任何的一个因子负载设定为一个常数，通常为18/3/202114模型识别：预防措施预防不可识别的模型主要是有关参数的设定，尽量减少自由参数的数目，让模型

5、简约。当模型中的变量之间有循环或是双向关系，那么这个模型就是非递归的，一般是不可识别的。8/3/202115模型估计：方法选择1最大似然估计和最小二乘估计假定：观测变量是连续变量，具有多元正态分布。即使是在大样本的情况下，观测变量的偏态性，尤其是在很高的峰度下，会导致很差的估计以及不正确的标准误和偏高的卡方值。8/3/202116模型估计：方法选择2对偏态分布的变量进行转换；去除奇异值；采用加权最小二乘法8/3/202117模型评价：不适合的参数估计误差项有负方差标准化的相关系数大于或者接近于1某一相关系数有很大的标准差8/3/202118模型评价：解决办法模型是否可以识别将误差项固

6、定在很小的正值减少结构8/3/202119模型评价：3个方面绝对指标相对指标简约性8/3/202120模型评价：绝对指标从设定模型的拟合和独立模型拟合之间的比较得出的卡方值与自由度的比值：1~3之间（p>0.05）GFI：>0.9AGFI：>0.9RMSEA：<0.088/3/202121模型评价：相对指标设定模型和特定模型的比较规范拟合指数（NFI）：设定模型和独立模型的卡方值的比较（不能控制自由度，在小样本的时候低估）IFI：对NFI的修正比较拟合指数CFI：设定模型和独立模型的卡方值的比较，非中心的卡方分布8/3/202122模型评价：简约性阿凯克信指数AIC模型的比较8/3/

7、202123模型比较嵌套模型的比较非嵌套模型的比较8/3/202124模型比较：嵌套模型嵌套关系：在两个模型中，其中一个模型是在另一个模型的基础上加一定的限制得到的，一个模型的自由度是另外一个模型的子集似然比较检验：通过两个模型拟合优度的卡方检验值的差值和自由度的差值得到的新的卡方值和自由度结果显著：模型中的变化并不是改善8/3/202125模型比较：非嵌套模型阿凯克信指数AIC一致性阿凯克信指数CAIC期望交叉证实指数ECVI这些值的数值越小，就说明模型