结构方程模型精选PPT.ppt
关于结构方程模型1第1页，讲稿共44张，创作于星期二2概念v结构方程模型（SEM），协方差结构模型（CSM）；v结构方程分析，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，也称为协方差结构分析第2页，讲稿共44张，创作于星期二3第3页，讲稿共44张，创作于星期二4第4页，讲稿共44张，创作于星期二5第5页，讲稿共44张，创作于星期二6为什么用SEMv潜变量：智力、学习成就、学习动机等；v外显变量：学生的语文成绩、数学成绩、英语成绩等；vSEM：一个数学模型，可用于分析一些涉及潜变量的复杂关系；第6页，讲稿共44张，创作于星期二7SEM的优点v同时处理多个因变量；v容许自变量和因变量含测量误差；v同时估计因子结构与因子关系；v容许更大弹性的测量模型；v估计整个模型的拟合程度第7页，讲稿共44张，创作于星期二8SEM的分析v纯粹验证（strictly confirmatory，SC）；v心目中只有一个模型 v这类分析不多，无论接受还是拒绝，仍希望有更佳的选择v选择模型（alternative models，AM）；v从拟合的优劣，决定那个模型最为可取v但我们仍常做一些轻微修改，成为MG类的分析v产生模型（model generating，MG）；v先提出一个或多个基本模型v基于理论或数据，找出模型中拟合欠佳的部份v修改模型，通过同一或其他样本，检查修正模型model respecification的拟合程度，目的在于产生一个最佳模型第8页，讲稿共44张，创作于星期二9100名学生在名学生在9个不同学科间的相关系数个不同学科间的相关系数(correlation coefficient matrix)第9页，讲稿共44张，创作于星期二10第10页，讲稿共44张，创作于星期二11 再生再生/隐含矩阵隐含矩阵(reproduced/implied matrix)第11页，讲稿共44张，创作于星期二12第12页，讲稿共44张，创作于星期二13第13页，讲稿共44张，创作于星期二14依依据据 及及指指定定模模型型找找出出与与 相相距距最最小小的的 样本相关（或协方差）矩阵样本相关（或协方差）矩阵 correlation/covariance matrix一个或多个有理据的可能模型一个或多个有理据的可能模型(alternative models)输出输出 Output输入输入InputSEM 程式程式program(e.g.,LISREL)、各路径参数（因子负荷、各路径参数（因子负荷loading、因子相关系数因子相关系数factor correlations等）等）各种拟合指数各种拟合指数第14页，讲稿共44张，创作于星期二15第15页，讲稿共44张，创作于星期二16第16页，讲稿共44张，创作于星期二17第17页，讲稿共44张，创作于星期二18第18页，讲稿共44张，创作于星期二19第19页，讲稿共44张，创作于星期二20第20页，讲稿共44张，创作于星期二21第21页，讲稿共44张，创作于星期二22_ (no.of estimated parameters)模型模型 df NNFI CFI 需要估计的参数个数需要估计的参数个数 _ M1 24 40 .973 .98221=9 Load+9 Uniq+3 Corr M2 27 503.294 .471 18=9 Load+9 UniqM3 26 255.647 .745 19=9 Load+9 Uniq+1 CorrM4 26 249.656 .752 19=9 Load+9 Uniq+1 CorrM5 27 263.649.72718=9 Load+9 UniqM6 24 422.337 .558 21=9 Load+9 Uniq+3 CorrM7 21 113.826.898 24=9 Load+9 Uniq+6 Corr _第22页，讲稿共44张，创作于星期二23模型比较(Model Comparison)v自由度(df),拟合程度(fit),不能保证最好，可能存在更简洁(parsimonious)又拟合(fit)得很好的模型 v输入输入Input:相关（或协方差）矩阵correlation/covariance matrix一个或多个有理据的可能模型(alternative models)v输出输出Output:既符合某指定模型，又与 差异最小的矩阵估计各路径参数parameter（因子负荷loading、因子相关系数factor correlations等）。计算出各种拟合指数(goodness of fit indexes)第23页，讲稿共44张，创作于星期二24SEM分析步骤v模型构建；v模型拟合；v模型评价；v模型修正第24页，讲稿共44张，创作于星期二25 指定观测变量与潜变量（因子）的关系、各潜变量间的相互关系（指定哪些因子间有相关或直接效应direct effect）在复杂的模型中，可以限制constrain因子负荷loading或因子相关系数等参数的数值或关系（例如，2个因子间相关系数correlation等于0.3；2个因子负荷必须相等）模型建构（model specification）,第25页，讲稿共44张，创作于星期二26模型拟合(model fitting)通常用 ML作模型参数的估计(versus 回归分析，通常用所最小二乘方法拟合模型，相应的参数估计称为最小二乘估计)第26页，讲稿共44张，创作于星期二27第27页，讲稿共44张，创作于星期二28第28页，讲稿共44张，创作于星期二29结构方程的解solution是否适当proper，估计是否收敛，各参数估计值是否在合理范围内（例如，相关系数在+1与1之内）参数与预设模型的关系是否合理。当然数据分析可能出现一些预期以外的结果，但各参数绝不应出现一些互相矛盾，与先验假设有严重冲突的现象检视多个不同类型的整体拟合指数，如 NNFI、CFI、RMSEA 等模型评价（model assessment）第29页，讲稿共44张，创作于星期二30第30页，讲稿共44张，创作于星期二31第31页，讲稿共44张，创作于星期二32第32页，讲稿共44张，创作于星期二33第33页，讲稿共44张，创作于星期二34第34页，讲稿共44张，创作于星期二35第35页，讲稿共44张，创作于星期二36第36页，讲稿共44张，创作于星期二37第37页，讲稿共44张，创作于星期二38vCFI；vRMSEA第38页，讲稿共44张，创作于星期二39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a priori model检查潜变量（因子）与指标（题目）间的关系，建立测量模型measurement model可能增删或重组题目若用同一样本数据去修正重组测量模型，再检查新模型的拟合指数，这十分接近探索性因素分析，所得拟合指数，不足以说明数据支持或验证模型第39页，讲稿共44张，创作于星期二40可以循序渐进地，每次只检查含2个因子的模型，确立测量模型部分的合理后，最后才将所有因子合并成预设的先验模型，作一个总体检查对每一模型，检查标准误、t值、标准化残差std residuals、修正指数Modification index MI、参数期望改变值expected change、及各种拟合指数fit index，据此修改模型并重复步骤。这最后的模型是依据某一个样本数据修改而成，最好用另一个独立样本，交互确定cross-validate模型修正（model modification）第40页，讲稿共44张，创作于星期二41结构方程模型的优点 同时处理多个因变量(many dependent variables)同时估计因子结构factor structure和因子关系第41页，讲稿共44张，创作于星期二42容许自变量independent variable和因变量dependent variable含测量误差measurement error 传统方法（如回归regression）假设自变量 independent variable没有误差 _英文 中文 _ 观察观察 真真 误差误差 观察观察 真真 误差误差 得分得分 分数分数 得分得分 分数分数observed true error observed true errorscore score score score X Tx e Y Ty e_ 8 7 +1 5 3 +2 5 6 -1 6 7 -1 7 5 +2 9 7 +2 9 8 +1 5 8 -3 .X =Tx+e Y =Ty +eif r (X,Y)=0.5 r (Tx,Ty)=0.5/(rXt-t)(rYt-t)1/2 =0.71 (assume rt-t=0.7)第42页，讲稿共44张，创作于星期二43容许更大弹性的测量模型估计整个模型的拟合程度model fit用以比较不同模型 SEM包括:回归分析regression、因子分析(验证性因子分析CFA、探索性因子分析EFA)、检验t-test、方差分析ANOVA、比较各组因子均值group mean comparison、交互作用模型interaction、实验设计expt design 第43页，讲稿共44张，创作于星期二9/16/2022感感谢谢大大家家观观看看第44页，讲稿共44张，创作于星期二
