结构方程模型最简单易懂的教程

1、结构方程模型Lisrel的的初级应用,一、为何要用结构方程模型？ 二、模型原理简介 三、模型建模 四、例子：员工流失动因模型,一、为何要用结构方程模型？,很多社会、心理研究中所涉及到的变量，都不能准确、直接地测量，这种变量称为潜变量，如工作自主权、工作满意度等。 这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。如用工作方式选择、工作目标调整作为工作自主权（潜变量）的指标，以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度（外显指标）作为工作满意度的指标。 传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型则能同时处理潜变量及其指标。,回归分析与结构方程模型,一个回归分析和结构

2、方程比较的例子： 假如有五道题目来测量外向型性格，还有四道题目来测量自信。研究自信与外向型性格的关系。假如是你，你将怎样来进行研究？ 回归分析的做法：先分别计算外向题目的总分（或平均分）和自信题目的总分（或平均分），在计算两个总分的相关。 这样的计算所得的两个潜变量（性格与自信）的关系，恰当吗？,线性回归模型及其局限性,1）无法处理因变量（Y）多于一个的情况； 2）无法处理自变量（X）之间的多重共线性； 3）无法对一些不可直接测量的变量进行处理，主要是一些主观性较强的变量进行测量。如幸福感、组织认同感、学习能力等； 4）没有考虑变量（自变量、因变量）的测量误差，以及测量误差之间的关系,多元统计

3、方法中的相关解决方法,针对1）：路径分析（Path Analysis） 缺点：分开考察不同的因变量，无法考察因变量之间的关系且缺少整体的视角 针对2）：偏最小二乘法（PLS） 缺点：相关理论尚不完善，解释力较弱。 王惠文，偏最小二乘法理论与应用，国防工业出版社 针对3）：指标赋予权重，进行综合评价，得出一个量化的指标 缺点：权重设计，需要相当的技巧，通常的方法，如AHP,模糊综合评判等方法缺少信度与效度 针对4）：没有办法解决,结构方程模型（SEM）的优点,同时处理多个因变量 容许自变量和因变量含测量误差传统方法（如回归）假设自变量没有误差 同时估计因子结构和因子关系 容许更大弹性的测量模型

4、估计整个模型的拟合程度用以比较不同模型 SEM包括:回归分析、因子分析(验证性因子分析、 探索性因子分析)、检验、方差分析、比较各组因子均值、交互作用模型、实验设计,Structural Equation Model，SEM Covariance Structure Modeling，CSM Linear Structural Relationship ， LISREL 从上述名称中可以看出，结构方程模型的几个本质特征是： 结构、协方差、线性,结构方程模型的含义,二、结构方程简介,简单来说，结构方程模型分为： 测量方程（measurement equation）测量方程描述潜变量与指标之间的关

5、系，如工作方式选择等指标与工作自主权的关系；,工作自主权,工作方式选择,工作目标调整,工作满意度,目前工作满意度,工作兴趣,工作乐趣,工作厌恶程度,二、结构方程简介,简单来说，结构方程模型分为： 测量方程（measurement equation）测量方程描述潜变量与指标之间的关系，如工作方式选择等指标与工作自主权的关系； 结构方程（structural equation），描述潜变量之间的关系，如工作自主权与工作满意度的关系。,工作自主权,工作满意度,（一）测量模型,对于指标与潜变量（例如两个工作自主权指标与工作自主权）间的关系，通常写为以下测量方程： 其中：x外源指标（如两个工作自主权指标

6、）组成的向量； y内生指标（如四个工作满意度指标）组成的向量； 外源潜变量（如工作自主权等）组成的向量； 内生潜变量（如工作满意度等）组成的向量； 外源指标与外源变量之间的关系（如两个工作自主权指标与工作自主权的关系），是外源指标在外源潜变量上的因子负荷矩阵； 内生指标与内生变量之间的关系（如四个工作满意度指标与工作满意度的关系），是内生指标在内生潜变量上的因子负荷矩阵；,（二）结构模型,对于潜变量间（如工作自主权与工作满意度）的关系，通常写成如下结构方程： 其中：B内生潜变量间的关系（如其它内生潜变量与工作满意度的关系）； 外源潜变量对内生潜变量的影响（如工作自主权对工作满意度的影响）； 结

7、构方程的残差项，反映了在方程中未能被解释的部分。,潜变量间的关系，即结构模型，是研究的兴趣重点， 所以整个分析也称结构方程模型。,三、建模过程,（1）模型建构（model specification） （2）模型拟合（model fitting） （3）模型评价（model assessment） （4）模型修正（model modification）,（1）模型建构（model specification）,一、观测变量（即指标，通常是题目）与潜变量（即因子，通常是概念）的关系； 二、各潜变量间的相互关系（指定那些因子间相关或直接效应）； 例子：员工工作满意度的测量,例子：员工工作满意度的测

8、量,理论假设，概念模型的提出： Locke（1976）研究指出，有多种因素影响到工作满意度，下列几个因素最为重要： （1）对工作本身的满意度。包括工作内容的奖励价值、多样性、学习机会、困难性以及对工作的控制等。因此，假设： 假设1：工作自主权越高，工作满意度越高。工作自主权是指员工可以运用相关工作权利的程度。有较高工作自主权的员工，将具有较高的工作满意度。 假设2：工作负荷越高，工作满意度越低。工作负荷是指工作职责不能被实现的程度。工作压力会使员工处于有害身心健康的状况中，有碍于员工对工作的积极态度（House,1980），工作压力会降低工作满意度。 假设3：工作单调性越高，工作满意度越低。工

9、作单调性是指个体的工作被重复的程度。如煤炭采掘一线的职工工作单调性比较高，而机关科室的单调性就比较低。,例子：员工工作满意度的测量,概念模型：,工作满意度,目前工作满意度,工作兴趣,工作乐趣,工作厌恶程度,工作自主权,工作方式选择,工作目标调整,工作负荷,工作单调性,任务完成时间充裕度,工作负荷轻重,工作节奏快慢,工作内容丰富程度,工作多样性程度,x,y,（2）模型拟合（model fitting）,模型参数的估计 模型计算（lisrel 软件编程）,表1 标准化路径系数（N=351）,注：t检验值1.96表示通过显著性检验，且在0.05的显著水平下,（3）模型评价（model assessm

10、ent）,结构方程的解是否恰当，（相关系数应在+1和-1之间）；,（ -1 ，+1 ）,（3）模型评价（model assessment）,参数与预计模型的关系是否合理，（与模型假设相符）；,假设1：工作自主权越高，工作满意度越高。,假设2：工作负荷越高，工作满意度越低。,假设3：工作单调性越高，工作满意度越低。,+,未通过t检验,（3）模型评价（model assessment）,检验不同类型的整体拟合指数，（各项拟合优度指标是否达到要求）；,表2 模型拟合优度结果,（3）模型评价（model assessment）,2/DF= 1386.64/ 687=2.018,第一个指标是卡方统计量与

11、自由度的比值，美国社会统计学家卡米尼斯和马克依维尔认为，卡方值与自由度之比在2：1到3：1之间是可以接受的,P=0.0,第二个指标是P值，P值要求小于0.1。,（3）模型评价（model assessment）,规范拟合指数（NFI），不规范拟合指数（NNFI），比较拟合指数（CFI），增量拟合指数（IFI），拟合优度指数（GFI），调整后的拟合优度指数（AGFI），相对拟合指数（RFI），均方根残差（RMR），近似均方根残差（RMSEA）等指标用来衡量模型与数据的拟合程度。 学术界普遍认为在大样本情况下： NFI 、NNFI 、CFI 、IFI 、GFI、AGFI 、RFI 大于0.9，RM

12、R小于0.035，RMSEA值小于0.08，表明模型与数据的拟合程度很好。,（4）模型修正（model modification）,依据理论或有关假设，提出一个或数个合理的先验模型； 检查潜变量（因子）与指标（题目）间的关系，建立测量模型，有时可能增删或重组题目； 对每一个模型，检查标准误、t值、标准化残差、修正指数、及各种拟合指数，据此修改模型并重复这一步； 最好用另外一个样本进行检验；,模型修正举例,17个题目:学习态度及取向 A、B、C、D、E4、4、3、3、3题 350个学生,概念模型 Ma,模型拟合结果输出,Modification Indices for LAMBDA-X 修正指数

13、 KSI 1 KSI 2 KSI 3 KSI 4 KSI 5 - - - - - VAR 1 - - 0.06 0.66 0.09 2.53 VAR 2 - - 0.38 0.53 0.23 0.11 VAR 3 - - 0.72 0.01 0.03 1.49 VAR 4 - - 0.00 0.03 0.01 0.03 VAR 5 7.73 - - 9.62 9.23 1.50 VAR 6 0.01 - - 3.29 1.07 1.50 VAR 7 0.12 - - 0.25 0.12 2.26 VAR 8 41.35 - - 3.66 22.02 4.78 VAR 9 0.40 0.02 -

14、 - 2.19 0.22 VAR 10 0.03 0.10 - - 0.30 0.22 Maximum Modification Index is 41.35 for Element ( 8,1)LX 修正指数:该参数由固定改为自由估计， 会减少的数值,模型拟合结果输出,Ma模型修正,Q4在A的负荷很小 (LX = 0.05)，但在其他因子的修正指数（MI）也不高 不从属，也不归属其他因子 Q8在B的负荷不高（0.28），但在A的MI是41.4，可能归属A 因子间相关很高 (0.40 至 0.54) 模型拟合相当好： (109) =194.57，RMSEA0.046, NNFI = 0.94. CFI= 0.95。 仔细检查题目内容后，删去Q4, Q8归入A,模型修正 Ma 到 Mb,Mb模型拟合结果输出,Q8归属A，因子负荷很高（0.49）， (94) = 149.51，RMSEA0.040， NNFI0.96，CFI = 0.97。虽然没有嵌套关系， 模型Mb 比 Ma 好 试让Q8同时从属A和B?,模型修正 Mb 到 Mc,模型 Mc拟合结果,(93)= 148.61, RMSEA.040 NNFI = 0.96