结构方程模型.pptVIP

参数估计策略 加权最小平方策略（WLS） 拟合函数：表示估计协方差矩阵与观察协方差矩阵的差异 最大概似法(ML) 基本假设：观察数据都是从总体中抽取得到的数据，且所抽取的样本必须是所有可能样本中被选择的几率最大者 无加权最小平方法(ULS) 一般化最小平方法（GLS） 渐进分布自由法（ADF） 第三步：模型求解和拟合评价标准 指标名称 指标含义 接受标准 适用情形 残差分析 未标准化残差RMR 未标准化假设模型整体残差 越小越好 了解残差特性 标准化残差SRMR 标准化模型整体残差 .08 了解残差特性 拟合效果指标 绝对拟合效果指标 卡方值 导出矩阵与观测矩阵的整体相似程度 卡方自由度比 卡方值/自由度 2 不受模型复杂程度影响 拟合指数GFI 模型可解释观测数据的方差与协方差比 .90 说明模型解释力 调整拟合指数AGFI 用模型自由度和参数数目调整的GFI .90 不受模型复杂程度影响 简效拟合指数PGFI 用模型自由度和参数数目调整的GFI .50 说明模型的简单程度 相对拟合效果指标 正规拟合指数NFI 假设模型与独立模型的卡方差异 .90 说明模型较虚无模型的改善程度 非正规拟合指数NNFI 用模型自由度和参数数目调整的NFI .90 不受模型复杂程度的影响 第三步：模型求解和拟合评价标准 指标名称 指标含义 接受标准 适用情形 替代性指标 非集中性参数NCP 假设模型的卡方值距离中央卡方值分布的离散程度 越小越好 说明假设模型矩阵中央卡方值的程度 相对拟合指数CFI 假设模型与独立模型的非中央性差异 .95 说明模型较虚无模型的改善程度，特别适合小样本 平均概似平均误根系数RMSEA 比较理论模型与饱和模型的差距 .05 不受样本数与模型复杂度影响 讯息指数AIC 经过减效调整的模型拟合度的波动性 越小越好 适用效度复核非嵌套模型比较 一致信息指数CAIC 从样本量方面对AIC进行调整 越小越好 适用效度复核非嵌套模型比较 关键样本指数CN 接受假设模型所需的样本数目 200 反映样本规模的适切性 第三步：模型求解和拟合评价标准 对模型进行评价的目的，不是简单地接受或拒绝一个假设的理论模型，而是根据评价的结果来寻求一个理论上和统计上都有意义的相对较好的模型。一个好的模型应具备以下几个条件： 第三步：模型求解和拟合评价标准 (1)测量模型中的因子负荷和因果模型中的结构系数的估计值都有实际意义和统计学意义。 (2)模型中所有固定参数的修正指数(MI)不要过高； (3)几种主要的拟合指数达到了一般要求。 (4)测量模型和因果模型中的主要方程的决定系数R2 应足够大。 (5)所有的标准拟合残差都小于1.96。 运行 AMOS 软件可以得到的结果为： 模型拟合指标 模型方程系数和显著性检验 从运行结果可以看出： 上海医药制造业产业集群内的企业年每股股票市值的平均值（ ）对企业绩效的估计值不显著，也就说，集群内的企业年每股股票市值的平均值不能作为集群内企业绩效的描述指标，而且，这很有可能对模型的拟合效果产生很大的影响。 第三步：模型求解和拟合评价标准 正规拟合指数 未标准化残差 如果模型评价所得结果不理想，该怎么办？ 当模型效果很差时，研究者可以根据初始模型的参数显著性结果和Amos提供的模型修正指标进行模型扩展或模型限制。 第四步：模型修正 模型扩展是指通过释放部分限制路径或添加新路径，使模型结构更加合理，通常在提高模型拟合程度时使用； 模型限制是指通过删除（如：删除初始模型中不存在显著意义的路径）或限制部分路径，使模型结构更加简洁，通常在提高模型可识别性时使用。 Amos提供了两种模型修正指标，其中修正指数用于模型扩展，临界比率用于模型限制。（注意：此处的CR不同于参数显著性检验中的CR） （1）剔除指标。即将集群内企业的年每股股票市值的平均值（Y4 ）从企业绩效的描述指标中剔除，然后运行AMOS 软件，得到如下拟合结果 模型拟合指标 模型方程系数和显著性检验 从表中可以看出模型的结构方程部分系数不显著，而且模型的拟合效果也不好。可以得出模型在构建上存在一定的问题，即有可能遗漏或者误添加不相关的变量。 第四步：模型修正 结论 （2）剔除控制指标的所有变量。即直接考虑产业集群与集群内的企业绩效的关系，运行AMOS 软件，可以得到如下的拟合结果 模型主要拟合指标 模型方程系数和显著性检验 从运行结果可以看出，在显著性为0.05 的水平下，模型的估计值和拟合度都非常好 第四步：模型修正 结论 （3）搜寻其他控制指标中是否有影响企业绩效的因素。即将控制变量的六个指标的所有组合（64 种情况）逐步引入模型，检验模型的拟合结果，从而发现影响产业集群内的企业绩效的因素，通过运行AMOS 软件，得到拟合结果。从运行结果得出6个指