现代管理理论与方法

现代管理理论与方法之结构方程模型（SEM）标签：SEM方程模型理论现代名目TOC\o"1-5"\h\z\o"CurrentDocument"一、SEM定义1\o"CurrentDocument"二、为什么要采纳SEM2\o"CurrentDocument"三、SEM的来源2\o"CurrentDocument"四、SEM进展历史2\o"CurrentDocument"五、SEM进呈现状3\o"CurrentDocument"六、SEM模型简介3\o"CurrentDocument"七.SEM与回归分析的区分4\o"CurrentDocument"八.SEM与传统因子分析的不同5\o"CurrentDocument"九、SEM优点5\o"CurrentDocument"十、SEM应用的主要类型6H^一、拟合的概念6软件：AMOSLISREL适用：多个因变量（回归分析是多自变量）；潜变量（模糊地，无法测度的，回归分析自变量是确定的，SEM自变量可以含有误差项）；大样本（2400,至少200；偏最小二乘法适用小样本）一、SEM定义,结构方程模型（StructuralEquationModeling,简称SEM）是一门基于统计分析技术的争论方法学（statisticalmethodology）,用以处理简单的多变量争论数据的探究与分析。•在社会科学以及经济、管理、市场等争论领域，有时需要处理多个缘由、多个结果的关系,或者会遇到不行直接观测的变量（即潜变量），这些都是传统的统计方法不好解决的问题。20世纪80年月以来，结构方程分析快速进展，弥补了传统统计方法的不足，成为多元统计分析的重要工具。二、为什么要采纳SEM•差不多全部心理、教育、社会争论中涉及的变量(如智力、学习动机、家庭社会经济地位)均难以直接精确测量(latentvariable),我们只好退而求其次，用一些外显指标(observableindicators)去间接地测量这些潜变量。结构方程模型能同时处理潜变量及其指标。•SEM供应一个处理(自变量)测量误差的方法，采纳多个指标去反映潜变量，也令估量整个模型因子间关系，较传统回归方法更为精确合理。(回归分析自变量是确定的，SEM自变量可以含有误差项)结构方程模型可用以比较不同的模型(拟合优度)。三、SEM的来源从统计学与方法学的进展脉络来看，结构方程模式并不是一个崭新的技术，而是因子分析(factoranalysis)与路径分析(pathanalysis)(近似回归分析)两种在社会与行为科学特别重要的统计技术的结合体。相对于这两大分析技术的进展轨迹，Kaplan(2000)指出SEM的历史根源系来自两个重要的计量学科：心理计量学(因子分析)与经济计量学(回归分析)，这两个学术领域对于SEM的进展有着重要的影响。心理计量学：Spearman认为，人类心智力量测验得分之间的相互关系，可以被视为是由这些分数背后所具有的一个潜的共同因素(commonfactor)的影响结果。Thurston认为，在简单的智力测量背后，应当存在着不同且独立的一组共同因素，他称之为核心心智力量(primarymentalabilities),由于这一组共同因素的存在，构成了智力测验得分的简单关系。争论者必需找出这些因素，才能采用此一因素结构来对智力测验得分之间的共变(协方差)关系，得到最抱负的解释，得出最大的解释力。经济计量学：Haavelmo在1943年采用一系列的联立方程式(simultaneousequation)来研讨经济学变量的相互关系，是为经济计量学中的联立方程模型。联立方程模型分析虽然可以用来研讨简单变量的关系，对于总体经济现象的解释有其效力，但是它所遭到的最大批判在于无法针对特定的经济现象进行精确有效的时间序列性猜测。四、SEM进展历史从进展历史来看，结构方程模式的起源甚早，但其核心概念在1970年月初期才被相关学者专家提出，到了1980年月末期即有快速的进展。基本上，结构方程模式的概念与70年月主要高等统计技术的进展(如因素分析)有着相当亲密的关系，随着计算机的普及与功能的不断提升，一些学者(如JOreskog,1973;Keesing,1972;Wiley,1973)将因子分析、路径分析等统计概念整合，结合计算机的分析技术，提出了结构方程模型的初步概念，可以说是结构方程模型的先驱者。而后Joreskog与其同事Sorbom进一步进展矩阵模式的分析技术来处理共变结构的分析问题，提出测量模型与结构模型的概念，并纳入其LISREL之中，乐观促成了结构方程模式的进展。五、SEM进呈现状软件包：LISREL(linearstructuralrelationship线性结构关系)(Joreskog&Sorbom,1989,1996)AMOS(Arbuckle,1997)EQS(Bentler,1985,1995)MPLUS(Muthen&Muthen,1998)CALIS(Hartmann,1992)RAMONA(Browne,Mels,&Cowan,1994)等。期刊与论文：特地期刊：《结构方程模型》(StructuralEquationModeling)论文：见诸于国内外很多一流期刊六、SEM模型简介很多社会、心理等变量，均不能精确地及直接地量度，这包括智力、社会阶层、学习动机等，我们只好退而求其次，用一些外显指标(observableindicators),去反映这些潜变量。例如：我们以同学父母教育程度、父母职业及其收入(共六个外显变量)，作为同学家庭社会经济地位(潜变量)的指标，我们又以同学中、英、数三科成果(三个外显变量)，作为学业成就(潜变量)的指标。1.SEM的特点理论先验性(可以依据已经有的理论得出变量之间的关系)同时处理测量与分析问题,以协方差(反映变量和变量之间关系)的应用为核心适用大样本分析SEM基本模型简洁来说，SEM可分测量方程（measurementequation）和结构方程（structuralequation）两部分。测量方程描述潜变量与指标之间的关系，如家庭收入指标等与社会经济地位的关系、三科成果与学业成就的关系。而结构方程则描述潜变量之间的关系，如社会经济地位与学业成就的关系。3.SEM分析的基本步骤SEM分析的基本步骤可以分为（概念）模型进展与模型估量修正两个阶段。前者在进展SEM分析的原理基础并使SEM模型符合特定的技术要求，此时争论者的主要工作在概念推导与SEM分析的技术原理的考虑。后者则是产生SEM的计量数据来评估SEM模型的优劣好坏，并进行适当或必要的修正，此时所着重的是分析工具与统计软件（例如LISREL、EQS、AMOS、MPLUS等）的操作与应用。（1）、（概念）模型进展理论性进展：以理论为基础，经过观念的厘清、文献整理与推导、或是争论假设的进展等理论性的辩证与演绎过程，最终提出一套有待检证的假设模型。模型设定：进展可供SEM进行检验与估量的变量关系与假设模型。模型设定的详细产品是建立一个SEM路径图。模型识别：只有在模型符合统计分析与软件执行的要求，也就是在能够被有效识别的状况下，SEM分析才能顺当进行。（2）、模型估量修正抽样与测量一参数估量一拟合检查一模型修正一争论与结论4、AreviewofStepsinSEMStep1:Developingatheoreticallybasedmodel（基于理论提出一个或多个基本模型）Step2:ConstructingapathdiagramofcausalrelationshipsStep3:ConvertingthepathdiagramintoasetofstructuralequationsandspecifyingthemeasurementmodelStep4:EstimatingtheproposedmodelStep5:Evaluatinggoodness-of-fit（拟合程度）criteriaStep6:Interpretingandmodifyingthemodel七.SEM与回归分析的区分与传统的回归分析不同，结构方程分析能同时处理多个因变量。同时，回归分析假设自变量为确定、非随机的，即自变量是没有测量误差的，而SEM却没有这样的严格假设。可以含有误差项。若各因子可以直接测量（因子本身就是指标），没有测量模型，则结构方程模型就是回归分析。八.SEM与传统因子分析的不同若不考虑因子间的因果关系，即没有结构模型这部分，则结构方程模型就是传统的探究性因子分析。与传统的探究性因子分析不同，在结构方程模型中，我们可提出一个特定的因子结构，并检验它是否吻合数据（即验证性因子分析，所以SEM可近似做验证性因子分析）。探究性因子分析VS.验证性因子分析相同点：两种因子分析都是以一般因子模型为基础的。因子分析的基本思想是通过变量的相关系数矩阵内部结构的争论，找出能掌握全部变量的少数几个随机变量去描述多个变量之间的相关关系，但在这里，这少数几个随机变量是不行观测的，通常称为因子。然后依据相关性的大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低。不同点：基本思想的差异：是否采用了先验信息？探究性因子分析主要是为了找出影响观测变量的因子个数，以及各个因子和各个观测变量之间的相关程度；而验证性因子分析的主要目的是打算事前定义因子的模型拟合实际数据的力量。验证性因子分析要求事先假设因子结构，我们要做的是检验它是否与观测数据全都。探究性因子分析是在一张白纸上作图，而验证性因子分析是在一张有框架的图上完善和修改。分析方法的差异：探究性因子分析一一传统因子分析（管理统计中已讲）。主要步骤包括：收集观测变量、获得协方差矩阵（或相关系数矩阵）、提取因子、因子旋转、解释因子结构、计算因子得分。验证性因子分析。主要步骤包括:定义因子模型（选择因子个数和定义因子载荷）、收集观测值、获得相关系数矩阵、依据数据拟合模型、评价模型是否恰当、与其他模型比较。验证性因子分析是结构方程模型中的一项基本而重要的内容。九、SEM优点同时处理多个因变量容许自变量与因变量含测量误差同时估量因子结构和因子关系容许更大弹性的测量模型十、SEM应用的主要类型Joreskog&Sorbom(1996)指出SEM的模块化应用策略有三个层次，第一是单纯的验证(confirmatory),也就是针对单一的先验假设模型，评估其适切性，称为验证型争论；其次是模型的产生(modelgeneration),其程序是先设定一个起始模型，在与实际观看数据进行比较之后，进行必要的修正，反复进行估量的程序以得到最佳契合的模型，称为产生型争论；第三是替代模型的竞争比较，以打算何者最能反应真实资料，称为竞争型争论。Maccallum&Austin(2000)从文献整理中发觉，以单纯的验证与模型产生为目的SEM争论约占20%与25%,涉及竞争比较的SEM争论则有55%o如何选择竞争性模型我们追求的是既简洁又拟合得好的模型。“简洁”体现在自由度，模型越简洁，要估量的参数越少，自由度越多。“拟合得好”体现在前面所讲的拟和优度指数。一个好的模型是既简洁又吻合数据。拟合的概念当我们测试某一模型时，其实我们在争论自己所提的模型(即哪些变量之间有关，哪些则没有)，是否与数据拟合。,SEM所输入的是指标变量的样本协方差矩阵(S,samplecovariance