結(jié)構(gòu)方程模型sem介紹與操作步驟--基于amos--實(shí)用型

1、結(jié)構(gòu)方程模型----簡(jiǎn)單介紹,南農(nóng)大經(jīng)管院碩士研究生橘子醬男孩QQ303755114,,一、簡(jiǎn)單介紹二、適用條件三、操作步驟四、驗(yàn)證性因子分析五、模型檢驗(yàn)六、模型修正七、結(jié)果解釋,一、簡(jiǎn)單介紹,結(jié)構(gòu)方程模型（Structural Equation Modeling，簡(jiǎn)稱(chēng)SEM）是當(dāng)代行為與社會(huì)領(lǐng)域量化研究的重要統(tǒng)計(jì)方法，它融合了傳統(tǒng)多變量統(tǒng)計(jì)分析中的“因素分析”與“線(xiàn)性模型回歸分析”的統(tǒng)計(jì)技術(shù)，對(duì)于各種因果模型可以進(jìn)行模型

2、辨識(shí)、估計(jì)與驗(yàn)證。,,潛變量為無(wú)法直接觀測(cè)的變量顯變量為觀察變量潛變量分為外源潛變量和內(nèi)源潛變量，外源潛變量一般用ξ表示，內(nèi)源潛變量一般用η表示SEM模型包含兩部分：測(cè)量模型和結(jié)構(gòu)模型,,,結(jié)構(gòu)方程模型的結(jié)構(gòu),測(cè)量模型,,,,—外源指標(biāo)組成的向量。,,—內(nèi)生指標(biāo)組成的向量,,—因子負(fù)荷矩陣,,,,—誤差項(xiàng),結(jié)構(gòu)模型,,二、適用條件,1、具有理論基礎(chǔ)：SEM假設(shè)因果模型必須建立在一定的理論上，是一種驗(yàn)證性的統(tǒng)計(jì)技術(shù)。2、大樣本：樣

3、本數(shù)與觀察變量的比例至少為10：1至15：1之間，一般不小于200。,三、操作步驟--以AMOS為例,1、建立路徑模型圖2、開(kāi)啟數(shù)據(jù)文件3、設(shè)定觀察變量4、設(shè)定誤差變量5、設(shè)定文字報(bào)表要呈現(xiàn)的統(tǒng)計(jì)量6、將路徑模型圖存盤(pán)與計(jì)算估計(jì)值7、瀏覽模型結(jié)果,1、建立路徑模型圖,在Amos中用方形代表觀測(cè)變量，橢圓代表潛變量。,,,2、開(kāi)啟數(shù)據(jù)文件,進(jìn)入Amos Graphics程序界面后，單擊File下拉菜單，再單擊Data File

4、s，在對(duì)話(huà)框中點(diǎn)擊“Files Name”，打開(kāi)數(shù)據(jù),,3、設(shè)定觀察變量,直接從變量窗口“Variables in Dataset”里將變量拖入變量框即可,,,4、設(shè)定誤差變量,每一個(gè)觀察變量有一個(gè)誤差項(xiàng)，每一個(gè)內(nèi)源潛變量增置一個(gè)誤差項(xiàng)操作：在觀察變量誤差（圓形圖形）上點(diǎn)擊鼠標(biāo)右鍵，選擇object properties，在variable name里輸入e1，e2……內(nèi)源潛變量的誤差項(xiàng)為了與觀察變量的區(qū)分開(kāi)，分別用res1，res

5、2……通過(guò)add a unique variable to a existing variable增列該誤差項(xiàng),5、設(shè)定文字報(bào)表要呈現(xiàn)的統(tǒng)計(jì)量,單擊工具盤(pán)中的“Analysis Properites”按扭或菜單View/Set下的“Analysis Properties”則出現(xiàn)以下對(duì)話(huà)框，單擊“Output”（輸出）可見(jiàn)供選擇輸出結(jié)果項(xiàng)：Minimization history 顯示最小限度歷史Standardized esti

6、mates 顯示標(biāo)準(zhǔn)化估計(jì)Squared multiple correlations 顯示多重相關(guān)卡方值Sample moments 顯示樣本矩結(jié)構(gòu)（即根據(jù)樣本計(jì)算的協(xié)方差陣）Implied moments 顯示估計(jì)的矩結(jié)構(gòu)（即根據(jù)樣本計(jì)算出的衍生的協(xié)方差陣）All implied moments 顯示所有的矩結(jié)構(gòu),,Residual moments 顯示殘差矩陣（其值為樣本協(xié)方差陣與模型協(xié)方差陣的差值）Indir

7、ect,direct total effects 顯示全部效應(yīng)（直接、間接效應(yīng)及兩者之和）Factor score weights 顯示因子得分Correlations of estimates 顯示估計(jì)相關(guān)值Tests for normality and outliers 顯示常態(tài)和非線(xiàn)性檢驗(yàn)結(jié)果Observed information matrix顯示觀測(cè)變量矩陣Modification indices 顯示修正

8、指數(shù),,6、將路徑模型圖存盤(pán)與計(jì)算估計(jì)值,點(diǎn)擊“Calculate estimates”（計(jì)算估計(jì)值）選項(xiàng)即首先出現(xiàn)保存窗口，可把設(shè)定的模型保存在一定的目錄下，Save或Save as可保留設(shè)定的模型。,7、瀏覽模型結(jié)果,View Text按鈕可以查看模型輸出結(jié)果（下圖中間的按鈕）,四、驗(yàn)證性因子分析,驗(yàn)證性因子分析CFA與探索性因子分析EFA（即我們通常所說(shuō)的“因子分析”）的不同之處在于CFA具有較強(qiáng)的理論依據(jù)。驗(yàn)證性因子分析相當(dāng)于

9、一個(gè)或多個(gè)測(cè)量模型，當(dāng)有多個(gè)潛變量時(shí)，兩兩之間以雙箭頭連接。判斷CFA的標(biāo)準(zhǔn)是：CFA模型通過(guò)檢驗(yàn)視頻演示,五、模型檢驗(yàn),t檢驗(yàn)基本適配度檢驗(yàn)（是否沒(méi)有負(fù)的誤差變異量、因素負(fù)荷量是否介于0.5至0.95之間、是否沒(méi)有很大的標(biāo)準(zhǔn)誤 ）模型內(nèi)在質(zhì)量檢驗(yàn)（組合信度CR和區(qū)分效度AVE ） CR=ρc=（∑λ）2/[（∑λ）2+∑θ] AVE=ρv=（∑λ2）/[（∑λ2）+∑θ] 模型外在質(zhì)量檢驗(yàn),模型外在質(zhì)量判定

10、指標(biāo),,中介效應(yīng)檢驗(yàn),,,,,第一步，檢驗(yàn)回歸系數(shù)c，如果顯著，繼續(xù)下面的第二步；第二步，做Baron和Kenny部分中介檢驗(yàn)，即依次檢驗(yàn)系數(shù)a、b，如果都顯著，意味著 X 對(duì) Y 的影響至少有一部分是通過(guò)了中間變量M實(shí)現(xiàn)的，繼續(xù)下面第三步。如果至少有一個(gè)不顯著，由于該檢驗(yàn)的功效較低，所以還不能下結(jié)論，轉(zhuǎn)到第四步；第三步，做Judd 和 Kenny 完全中介檢驗(yàn)中的第三個(gè)檢驗(yàn)（因?yàn)榍皟蓚€(gè)在上一步已經(jīng)完成），即檢驗(yàn)系數(shù)c’，如果不顯著

11、，說(shuō)明是完全中介過(guò)程，即 X 對(duì) Y的影響都是通過(guò)中介變量M實(shí)現(xiàn)的；如果顯著，說(shuō)明只是部分中介過(guò)程，即 X 對(duì)Y的影響只有一部分是通過(guò)中介變量M實(shí)現(xiàn)的。檢驗(yàn)結(jié)束；,,第四步，做Sobel檢驗(yàn)，Sobel統(tǒng)計(jì)量為：（其中，為回歸系數(shù)的標(biāo)準(zhǔn)化估計(jì)值，Sa，Sb為a，b的標(biāo)準(zhǔn)誤），如果顯著（在MacKinnon等人的臨界值表中 ,顯著性水平0.05對(duì)應(yīng)的臨界值是0.97，>0.97則顯著），意味著 M 的中介效應(yīng)顯著，否則中介效

12、應(yīng)不顯著。檢驗(yàn)結(jié)束。此時(shí)的總效應(yīng)c=c’+ab（其中c’為直接效應(yīng)，ab為間接效應(yīng)）。,,,a，b，c，c’可以從總效應(yīng)、直接效應(yīng)、間接效應(yīng)的雙尾顯著性檢驗(yàn)表中獲得。操作方法如下：,,,,,,六、模型修正,無(wú)法通過(guò)檢驗(yàn)的情況下，刪除個(gè)別變量或修改理論模型通過(guò)檢驗(yàn)的情況下，在理論上，誤差項(xiàng)的協(xié)方差大于4的要進(jìn)行修正，修正方法：增列共變關(guān)系。,七、結(jié)果解釋,t檢驗(yàn)及路徑系數(shù)是否顯著，判定一個(gè)變量對(duì)另一個(gè)變量是否有顯著影響中介效應(yīng)檢驗(yàn)