第四章 路径分析.pdf

§4 路径分析 §4 路径分析 §4.1 概述 §4.2 模型构建 §4.3 模型识别 §4.4 参数估计 §4.5 模型评估 §4.6 软件实现 §4.1 概述 §4.1 概述 问题的提出 §4.1 概述 §4.1 概述 问题的提出 • 线性相关（Correlation ）: 线性相关分析中两个变量地位平 等，没有因变量和自变量之分。相关系数不能反映指标之间的 因果关系。 • 线性回归（Regression ）: 线性回归分析中定义了因变量和 自变量。但它只能表达变量间的直接效应，不能显示可能存在 的间接效应。 §4.1 概述 §4.1 概述 问题的提出 • 结构方程模型（Structural Equation Modelling，SEM ）:结构 方程模型是一种建立、估计和检验因果关系模型的方法。模型 中既包含有可观测的显在变量，也可能包含无法直接观测的潜 在变量。结构方程模型可以替代多重回归、路径分析、因子分 析、协方差分析等方法，分析单个指标对总体的作用和单个指 标间的相互关系。 §4.1 概述 §4.1 概述 问题的提出 • 路径分析（Path analysis ）最初由遗传学家Sewall Wright于 1921年所提出，直到1960s才广泛受到重视，是一种用以探讨 多重变量之间因果结构模式的统计技术。 • 利用回归方程式联结自变量（independent variable ，IV ）、 中介变量 （mediator ，Me ）和因变量 （dependent variable ， DV ）,建立一个统计模型解释一组有关联的变量之间背后的因 果关系。 • 路径模型的目的是建立因果（causality ）解释模型，解释为 何一组变量之间会有关系？他们是如何彼此相互影响的？其背 后的数学逻辑是观察变量之间的共变结构。 §4.2 模型构建 §4.2 模型构建 基本概念 • 测量变量和潜在变量 测量变量（Observed Variable ）：研究者通过测量得到的变 量资料。在路径图中用长方形表示。 潜在变量（Unobserved Variable ）：由测量变量所推估出来 的变量。在路径图中用椭圆形表示。 §4.2 模型构建 §4.2 模型构建 基本概念 • 测量变量和潜在变量 x1 测量变量 x2 潜在变量 x3 1 y Error x4 x5 §4.2 模型构建 §4.2 模型构建 基本概念 • 内生变量和外源变量 内生变量（endogenous variable