(初级)结构方程模型.ppt

结构方程模型——Lisrel的的初级应用

一、为何要用结构方程模型？二、模型原理简介三、模型建模四、例子：员工流失动因模型

一、为何要用结构方程模型？很多社会、心理研究中所涉及到的变量，都不能准确、直接地测量，这种变量称为潜变量，如工作自主权、工作满意度等。这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。如用工作方式选择、工作目标调整作为工作自主权〔潜变量〕的指标，以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度〔外显指标〕作为工作满意度的指标。传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型那么能同时处理潜变量及其指标。

回归分析与结构方程模型一个回归分析和结构方程比较的例子：假设有五道题目来测量外向型性格，还有四道题目来测量自信。研究自信与外向型性格的关系。假设是你，你将怎样来进行研究？回归分析的做法：先分别计算外向题目的总分〔或平均分〕和自信题目的总分〔或平均分〕，在计算两个总分的相关。这样的计算所得的两个潜变量〔性格与自信〕的关系，恰当吗？

线性回归模型及其局限性1〕无法处理因变量〔Y〕多于一个的情况；2〕无法处理自变量〔X〕之间的多重共线性；3〕无法对一些不可直接测量的变量进行处理，主要是一些主观性较强的变量进行测量。如幸福感、组织认同感、学习能力等；4〕没有考虑变量〔自变量、因变量〕的测量误差，以及测量误差之间的关系

多元统计方法中的相关解决方法针对1〕：路径分析〔PathAnalysis〕缺点：分开考察不同的因变量，无法考察因变量之间的关系且缺少整体的视角针对2〕：偏最小二乘法〔PLS〕缺点：相关理论尚不完善，解释力较弱。《王惠文，偏最小二乘法理论与应用，国防工业出版社》针对3〕：指标赋予权重，进行综合评价，得出一个量化的指标缺点：权重设计，需要相当的技巧，通常的方法，如AHP,模糊综合评判等方法缺少信度与效度针对4〕：没有方法解决

结构方程模型〔SEM〕的优点同时处理多个因变量容许自变量和因变量含测量[误差传统方法〔如回归〕假设自变量没有误差]同时估计因子结构和因子关系容许更大弹性的测量模型估计整个模型的拟合程度[用以比较不同模型]SEM包括:回归分析、因子分析(验证性因子分析、探索性因子分析)、ｔ检验、方差分析、比较各组因子均值、交互作用模型、实验设计

StructuralEquationModel，SEMCovarianceStructureModeling，CSMLinearStructuralRelationship，LISREL从上述名称中可以看出，结构方程模型的几个本质特征是：结构、协方差、线性结构方程模型的含义

二、结构方程简介简单来说，结构方程模型分为：测量方程〔measurementequation〕测量方程描述潜变量与指标之间的关系，如工作方式选择等指标与工作自主权的关系；工作自主权工作方式选择工作目标调整工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度

二、结构方程简介简单来说，结构方程模型分为：测量方程〔measurementequation〕测量方程描述潜变量与指标之间的关系，如工作方式选择等指标与工作自主权的关系；结构方程〔structuralequation〕，描述潜变量之间的关系，如工作自主权与工作满意度的关系。工作自主权工作满意度

〔一〕测量模型对于指标与潜变量〔例如两个工作自主权指标与工作自主权〕间的关系，通常写为以下测量方程：其中：x——外源指标〔如两个工作自主权指标〕组成的向量；y——内生指标〔如四个工作满意度指标〕组成的向量；——外源潜变量〔如工作自主权等〕组成的向量；——内生潜变量〔如工作满意度等〕组成的向量；——外源指标与外源变量之间的关系〔如两个工作自主权指标与工作自主权的关系〕，是外源指标在外源潜变量上的因子负荷矩阵；——内生指标与内生变量之间的关系〔如四个工作满意度指标与工作满意度的关系〕，是内生指标在内生潜变量上的因子负荷矩阵；

〔二〕结构模型对于潜变量间〔如工作自主权与工作满意度〕的关系，通常写成如下结构方程：其中：B——内生潜变量间的关系〔如其它内生潜变量与工作满意度的关系〕；——外源潜变量对内生潜变量的影响〔如工作自主权对工作满意度的影响〕；——结构方程的残差项，反映了在方程中未能被解释的局部。潜变量间的关系，即结构模型，是研究的兴趣重点，所以整个分析也称结构方程模型。

三、建模过程〔1〕模型建构〔modelspecification〕〔2〕模型拟合〔modelfitting〕〔3〕模型评价〔modelassessment〕〔4〕模型修正〔modelmodific