结构方程模型 amos,liser等.ppt

为什么需要进行中介、调节效应分析 学生的违纪行为X 同伴关系（被同伴们列入喜欢对象的程度）Y 教师的管教方式（民主、专制取向）U 教师的喜欢程度（班主任对学生的喜欢程度打分）W 我们关心变量之间的作用方式，根据已有研究、理论及我们的经验，认为…. 路径分析原理 一、什么是路径分析？ 结构方程模型是验证性因子模型和（潜变量）因果模型的结合。 路径分析：分析因果模型的一种方法和技术。 二.回归分析与路径分析的不同 通常的回归分析有很多不足，例如： 路径分析模型：能同时处理一组回归方程，分析各变量间作用的方向，分解变量间的作用效果。如可以在关心的两个变量间根据理论加上许多中介变量，形成复杂的因果结构，并以路径模型表示，就可以将这个简单回归系数分解为不同因果链接作用。 三、路经分析基本原理 一种用以探討多个变量之間因果結構模式的統計技術 最初由遺傳學家Wright於1921年所提出，至1960年代才廣泛受到重視 路徑分析由一系列的回归分析所組成，它借用回归方程式的原理，根据变量间的理论架构，將不同的方程式加以組合，形成結構化的模式 四、路径分析的基础知识 结构方程式（structural equation） 构成路径的数学方程式，外源与内源变量之间的关系系数，称为路径系数（path coefficient）。 外源变量(exogenous variable) 模型中影响或解释其他变量的变量，即作为自变量存在的部分，而且它不受模型中其他变量的解释。 内源变量(endogenous variable) 模型中被影响或解释的变量。 路径分析的步骤： 形成理论假设---确定变量及其关系，以路径图的方式显示出来 参数估计---路径系数、R2、r、cov等 模型修正 效应分析—直接、间接因果效应，非因果效应 路径分析图 路径分析图的变量关系情况 路径图 路径图 递归(recursive)模型 路径图 非递归(non-recursive)模型路径图 路径系数 路径系数（标准化的回归系数） 自变量和因变量 （就具体的方程而言） 外源变量x和内生变量y（就整个模型而言） 路径系数的种类 由外源变量影响内生变量的路径系数（ r ） 由内生变量到内生变量的路径系数（β） 下标规则：第一个下标表示结果变量，第二个下标则表示原因变量 效应分解 效应分解：也称相关系数分解，是将变量之间的相关系数分解为不同的效应部分。包括直接效应和间接效应。路径图 虚假效应和未分解效应 虚假效应：只在内生变量的相关系数的分解中出现，是 两个内生变量的相关系数中由于共同的起因产生的部分。 未分解效应：是指一个外源变量与一个内生变量的相关系数（总的关系效应）中，除去直接或间接的因果效应以后剩下的部分，是由于相关的外源变量对该内生变量的影响引起的。 四、模型的识别问题 如果所有的未知参数有唯一解，模型是可识别的。 一些因果模型的识别准则 T-法则 递归模型都是可识别的 零反馈因果模型都是可识别的（没有内生变量是自变量） 非递归模型可识别的阶条件和秩条件 五、参数估计 对于递归模型，可以像通常的回归模型一样，使用普通最小二乘法估计模型参数，也可以使用统计软件进行数据处理和分析。 对于一般的因果模型，需要用结构方程模型软件进行分析，方法与验证性因子分析一样。 极大似然估计 未加权最小二乘估计 广义最小二乘估计 六、模型的评价和修正 评价可以从三方面进行： （1）检验参数的显著性 （2）用拟合指数对模型作做整体的评价 （3）计算测定系数，评价方程对数据的解释能力 方程的测定系数：检验该方程对数据的拟合程度 因果模型的测定系数：评价整个因果模型的总测定系数 模型修正 因果模型的修正可以分为四类： 增加或减少内生变量，相当于增加或减少方程； 保持内生变量不变，只增加或减少外源变量； 保持内生变量和外源变量不变，但变动它们之间的路径联系； 保持内生变量、外源变量和它们之间的路径联系不变，只变动残差的相关模式。 应根据学科理论和实际背景进行 说明：它是一种验证性技术 理论假设产生因果模型，而路径分析则是分析和验证因果模型的技术，不能指望用路径分析来寻找或发现因果关系。 Sem也是一种验证性技术 SEM Sem，即结构方程模型是验证性因子模型和（潜变量）因果模型的结合。 研究者用SEM也是来确定一个模型是否合理，而不是来寻找和发现一个合适的模型。 假设为：观测数据=理论模型 它又被成为现代的路径分析技术；传统的路径分析中没有潜变量，只有观测变量。 一.基本知识 结构方程模型(Structural Equati