第十四章 结构方程模型与路径分析.pptVIP

第十四章 结构方程模型与路径分析 第一节 结构方程模型的原理 第二节 路径分析原理 第三节 SPSS的AMOS系统 第四节 路径分析与结构方程模型范例 学习目标 认识结构方程模型的基本概念与特点。 了解结构方程模型分析的五大步骤。 了解如何建构具有潜在变量间因果关系的结构方程模型。 探讨结构方程模型的识别种类与对求解的影响。 认识结构方程模型适合度的衡量及如何修正模型。 认识路径分析模型的直接效果与间接效果。 探讨路径分析的两种基本类型：递归模型与非递归模型。 探讨路径分析模型与结构方程模型的异同。 认识SPSS的AMOS软件的接口操作与结果解释。 了解路径分析模型与结构方程模型的各种应用实例。 第一节 结构方程模型的原理 一、SEM基本概念 二、模型的设定 三、模型的识别 四、模型估计 五、模型评估 六、模型的修正 一、结构方程模型的原理 一个包括一组自变量和一个或更多因变量的计量模型。 当因果关系被包括进来时，此计量模型便称为结构方程模型（Structural Equation Modeling， SEM），它可建立变量间的因果模型（Causal Model）。 多元回归、因素分析和路径分析（path analysis）等方法都只是结构方程模型中的一种特例。 其相应的统计分析软件─SPSS/AMOS与LISREL─的应用，特别是AMOS的操作。 SEM的基本概念 许多研究构念（Construct），对于它们并不存在直接测量方法，可以找到一些可观测变量（observed variable，measured variable或称显性变量manifest variable）作为这些潜在变量（latent variable，或称隐潜变量，或称不可观测变量unobserved variable）的替代指针（indicators）。 这些潜在变量的替代指针总是包含了大量的衡量误差（measurement errors）。 单一指标且没有衡量误差的假设，即假设构念是可直接观测的，在某些情况下可能是相当适合的。 然而在大多数的情况下，这样的假设是很不适当的，尤其是许多社会、心理和行为等科学的计量研究。 SEM的特点 结构方程模型所依赖的统计工具是变异数分析、复回归分析或联立方程模型(Simultaneous Equation Model)，这些方法都存在着上述问题，而无法避免。 其中联立方程模型虽然能克服变量互为因果的问题，但对于衡量误差仍无法加以测定。 只有SEM模型既能够使研究者在分析中处理衡量误差，又可分析潜在变量之间的结构关系。 SEM利用联立方程组求解，但它没有很严格的假设限制条件，同时允许自变量和因变量存在衡量误差。 LISREL模型 早期是以共变异数结构分析(Analysis of Covariance Structures)这个名词去称呼现在的验证性因素分析模型(Confirmatory Factor Analysis，CFA)或称潜在变量分析。 从此许多学者开始增加此模型的复杂性和一般化，如LISREL Model，共变结构模型逐渐由CFA发展为共变矩阵Σ，已能代表任何参数的任何函数。 直到1966年，Joreskog首先为潜在变量与可观测变量规划了一般性架构，而开始有了突破性的发展，这就是著名且被广泛应用的线性结构关系模型(Linear Structural Relations Model， LISREL Model)。 LISREL Model 可在结构方程模型中使用潜在变量，故亦被称为「含潜在变量的结构方程模型」。 结构方程模型分析的五个步骤 模型设定(model specification)：研究者先要根据理论或以往的研究成果来设定假设的初始理论模型。 模型识别(model identification)：此一步骤要决定所研究的模型是否能够求出参数估计的唯一解。 模型估计(model estimation)：模型参数可以采用几种不同的方法来估计，最常使用的模型估计方法是最大概似法(maximum likelihood)。 模型评估(model evaluation)：对模型与数据之间是否配合进行评估，并与替代模型的配合指针进行比较。 模型修正(model modification)：如果模型不能很好地配合数据，就需要对模型进行修正和再次设定。 二、模型的设定 结构方程模型主要是一种验证性(confirmatory)技术，而不是一种探索性(exploratory)技术。 其虚无假设与对立假设如下： H0：观察数据=理论模型 H1：观察数据≠理论模型 SEM模型的两大功能： 衡量模型(Measurement Model)：以CFA将可观测变量连结到潜在变量：经由CFA(验证性因素分析模型)的衡量模型