XXXX-12-05SEM简介ppt课件

1、构造方程模型 Structural Equation Model, SEM简介任亚军.目录SEM的简介丈量模型和构造模型SEM模型图中的符号与意义模型的识别参数估计的方法模型的评价模型的修正.SEM的引见构造方程模型 Structural Equation Model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。所以，有时候也叫协方差构造分析。很多心思、教育、社会等概念，均难以直接准确丈量，这种变量称为潜变量latent variable，如智力，我们只能求其次，用一些外显目的observable indicators，如言语，数学，推理，等才干，去间接丈量这些潜变量。.包含的统计方

2、法：a. 验证性要素分析Confirmatory Factor Analysisb. 途径分析Path Analysisc. 多元回归Multiple regression .SEM的特点：可同时思索及处置多个因变量允许自变量和因变量工程含有丈量误差同时估计因子构造和因子关系更有弹性的丈量方式，一个目的可从属于两个潜在因子可构建潜在变量之间的关系，并估计方式与数据之间的吻合程度.实现的软件：LISREL软件AMOSEQSMPLUS可以处置定类数据MX.构造方程模型的数据： 1样本大小 从实际上讲：样本容量越大越好。有人建议，样本容量最少大于100，最好大于200以上。 对于不同的模型，要求有所

3、不一样。普通要求如下： N/P10 N/t5 N样本容量 t自在估计参数的数目 p目的数目. 2目的数目 普通要求因子的目的数目至少为3个。 在探求性研讨或者设计问卷的初期，因子目的的数目可以适当多一些，预试结果可以根据需求删除不好的目的。 只需两个目的时：因子之间必需有相关 只需一个目的时：需求进展显著性检验. 3数据类型 绝大部分构造方程模型是基于定距、定比、定序数据计算的。但是新开展的软件如Mplus可以处置定类数据。 数据要求要有足够的变异量，相关系数才干显而易见。如样本中的数学成果非常接近如都是95分左右，那么数学成果差别大部分是丈量误差引起的，那么数学成果与其它变量之间的相关就不显

4、著。. 1X1X2X3X41234413121111y1y2y3y4123441312111 2y5y6y7y8 5 6 7 88272625211212112.丈量模型(measurement model) 丈量模型：反映的是目的变量和潜在变量之间的关系，经过丈量模型可由目的变量定义潜在变量。阐明：x,y 是外生及内生目的。, 是X，Y丈量上的误差。x是x目的与埋伏变项的关系y是y目的与埋伏变项的关系.构造模型(Structural model) 构造模型：反映的是潜在变量之间的关系。内生(依变)(endogenous,dependent)埋伏变项外生(自变)(exogenous,indep

5、endent)埋伏变项内生埋伏变项间的关系外源变项对内生变项的影响方式内未能解释部份.把丈量模型和构造模型联立，同时进展估计时，就称为完好的构造方程模型(SEM).构造方程模型中常用图标与意义潜在变量因子圆椭圆.正方形矩形观测变量或者目的.单向箭头因果关系，箭头指向结果变量.相关关系不是因果关系双向弧线箭头.单向箭头表示内生潜变量未被解释的部分.单向箭头表示目的未被解释的部分.构造方程模型分析过程模型界定模型修正模型评价解 释模型识别选择丈量变量及搜集资料参数估计未到达可接受程度到达可接受程度模型建构：确定变量之间的相互关系，确定模型能否可被识别。估计与评价：用察看资料来估计参数和评价模型。理

6、 论模型评价参数估计.模型自在度： 自在度=协方差矩阵中不反复的元素个数 自在参数的数目 p,q分别是内因目的变量和外因目的变量的个数 自在参数，又叫待估计的参数，包括回归系数，方差与协方差 .項目低识别(Under-Identified)恰好识别(just-Identified)过度识别(Over-Identified)模型自由度Df 0原因未知参数个数多于方程个数未知参数个数等于方程个数未知参数个数少于方程个数解无穷多解唯一解唯一解模型成立不可可可解決方法固定参数值，以减少未知参数个数-模型识别.丈量单位: 假设不指定潜变量的丈量单位，任何模型都是不可识别的。 固定因子负荷为1 固定方差为

7、1.参数估计估计过程：追求尽量减少模型估计方差协方差矩阵S(q)与样本方差协方差矩阵S的差距，并将两者的差值作为残差。迭代计算：找出一个与S差距最小的S最常用的估计方法：最大似然法(ML) 广义最小二乘法(GLS)满足的条件：观测变量为延续变量，且具有多元正态分布.最大似然估计(Maximum Likelihood, ML)拟合函数为根本性质：ML估计是渐近无偏的ML估计是一致估计ML估计是渐近有效的ML估计是渐近正态分布不受丈量单位的影响.广义最小二乘估计(Generalized Least Squares, GLS).模型的评价拟合指数，对模型进展整体评价；测定系数，评价模型对数据的解释才

8、干；参数检验，评价参数的显著性。.模型适配度(1)绝对拟合指数 卡方值、卡方自在度比、RMR&SRMR&RMSEA、GFI&AGFI、ECVI、NCP&SNCP(2)相对拟合指数 NFI、RFI、IFI、TLI、CFI(3)简约拟合指数 AIC&CAIC、PNFI、PGFI、CN(4)残差分析目的 .指标名称指标含义接受标准适用情形残差分析未标准化残差RMR未标准化假设模型整体残差越小越好了解残差特性标准化残差SRMR标准化模型整体残差.05卡方自由度比卡方值/自由度.90说明模型解释力调整拟合指数AGFI用模型自由度和参数数目调整的GFI.90不受模型复杂程度影响简效拟合指数PGFI用模型自

9、由度和参数数目调整的GFI.50说明模型的简单程度相对拟合效果指标正规拟合指数NFI假设模型与独立模型的卡方差异.90说明模型较虚无模型的改善程度非正规拟合指数NNFI用模型自由度和参数数目调整的NFI.90不受模型复杂程度的影响替代性指标非集中性参数NCP假设模型的卡方值距离中央卡方值分布的离散程度越小越好说明假设模型矩阵中央卡方值的程度相对拟合指数CFI假设模型与独立模型的非中央性差异.95说明模型较虚无模型的改善程度，特别适合小样本.指标名称指标含义接受标准适用情形平均概似平均误根系数RMSEA比较理论模型与饱和模型的差距200反映样本规模的适切性.选择拟合指数的根据：第一，拟合指数应该

10、不受或少受样本容量影响;第二，拟合指数应该进展模型复杂性校正，即对复杂模型进展惩罚两种情况。. 研讨发现，81.3%的研讨报告了卡方值,70.2%报告了卡方/df，其他拟合指数按其比率大小依次是CFI ( 91. 8% ) , RMSEA(83 . 6 % ) , NNFI(或TLI )(76%)、GFI(71.9%)、 NFI(55 %)、 AGFI(42.7%)、 IFI(36.3%)、RFI(9.4%)、 RMR(8.7%)、RNI(2.9%)、 AIC(2.9%)、 EVCI(1.2%)，仅有8.2%的研讨报告了省俭指数。 GFI和AGFI在上世纪80,90年代很常用，但后来发现受样本

11、容量的影响大，且在不同情况下有各种程度的误差出现，新近拟合指数的专门研讨只很少引荐运用这两个指数。.测定系数类似于回归分析中的R2(Coefficient of Determinant) 第i个方程的测定系数: 其中 是第i个方程的残差的方差的估计值， 是第i个变量的样本方差。 方程的测定系数用于评价第i个方程对数据的解释才干。. 由于每个参数都会给出规范误(standard error)，因此可以对参数进展显著性检验。也就是检验参数能否为零。 比如，检验结果两个潜在变量之间的系数不显著，就应该固定该参数为零，然后修正模型并重新估计。参数检验.模型修正(Modification Index, MI)当拟合指数阐明实际模型与数据拟合程度不好时，需求对模型进展修正。针对初始实际模型进展部分的修正或调整，以提高假设模型的适配度。.模型修正原那么：1模型必需符合实际，不能盲目跟着数据走而只追求统计上的适配度高的模型。2模型越简单越好3模型修