结构方程模型及其应用讲解

1、结构方程模型及其应用结构方程模型及其应用提提 纲纲概述概述相关概念及结构相关概念及结构实际应用实际应用概 述结构方程模型分析法（structural equation model，简称SEM）是一种以回归为基础（regression-based technique）的多变量分析技术，主要可用于进行验证性因素分析、检验理论假设所表示的各变量之间的路径关系、中介效应分析和调节效应分析。结构方程模型的优点结构方程模型的优点 同时处理多个因变量同时处理多个因变量 容许自变量和因变量含测量误差容许自变量和因变量含测量误差 同时估计因子结构和因子关系同时估计因子结构和因子关系 容许更大弹性的测量模型容许更

2、大弹性的测量模型 估计整个模型的拟合程度估计整个模型的拟合程度 结构方程模型的分析步骤结构方程模型分析过程包括：模型设定、模型识别、模型估计、模型评价和模型修订。采用结构方程模型分析法进行实证分析的步骤如下页图示 理论分析模型设定模型识别选择测量变量与搜集资料模型评价是否达到可接受程度模型修订解 释否是图4-2 结构方程实证分析步骤模型评价指标 根据侯杰泰、温忠麟、成子娟（2004），在研究中主要选取了Df、2、2/df、RMSEA、NNFI和CFI作为模型评价指数：卡方2及其自由度df主要用于比较多个模型。一般认为，卡方比率2/df在2.05.0之间，模型可以接受，2/df越小表明整体模型拟

3、合效果越好。近似误差均方根RMSEA越小表明模型拟合效果越好，Steiger（1990）认为，RMSEA低于0.1表示好的拟合；低于0.05表示非常好的拟合；低于0.01表示非常出色的拟合，但这种情形应用上几乎碰不到。非范拟合指数NNFI一般取值在0.9以上表示模型拟合效果非常好，在0.8以上表示模型拟合效果较好。比较拟和指数CFI一般取值在01之间，大于0.8表示模型拟合效果较好。 相关概念及结构x1 x3x2 1 2 3123誤差 觀察變項 負荷量 潛在變項驗證性因素分析Confirmatory Factor Analysis (CFA)x1x3x212311y1y2y3123測量模式結構

4、模式x1x3x21231測量模式僅有測量模式就是CFAx1 x3x2 1 2 31112131x1= 11 1+ 1x2= 21 1+ 2x3= 31 1+ 3y1 y3y2 1 2 3123y1= 1 + 1y2= 2 + 2y3= 3 + 3x1x3x21 2 31x4x6x5 4 5 6212/ 21以觀察變項作為潛在變項的指標變項時，要幾個觀察變項才夠？多元指標原則：一個潛在變項必須有兩個以上的觀察變項來估計愈多愈好嗎？一個可不可以？應回歸到工具設計與施測實務以及樣本大小、負荷量大小等問題樣本大小至少超過150個。 Rigdon, E. (2005). SEM FAQ. from /mkteer/html至少要為x觀察變項數目的10倍量或15倍量。 Thompson, B. (2000). Ten commandments of structural equation modeling. In L. G. Grimm & P. R. Yarnold (eds.), Reading and understanding more multivariate statistics (pp. 261-283). Washington, DC: APA.樣本大小