SEM原理、應(yīng)用及操作.ppt

SEM原理 應(yīng)用及操作 尹衛(wèi)兵同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院 主要內(nèi)容 PARTA SEM原理PARTB SEM應(yīng)用PARTC SEM上機(jī)操作 SEM的定義 PARTA 結(jié)構(gòu)方程模型 StructuralEquationModeling StructuralEquationModel StructureEquationModeling 簡(jiǎn)稱SEM 是基于變量的協(xié)方差矩陣來(lái)分析變量之間關(guān)系的一種綜合性的統(tǒng)計(jì)方法 因此又稱為協(xié)方差結(jié)構(gòu)分析 SEM的優(yōu)點(diǎn) PARTA 同時(shí)處理多個(gè)因變量 容許自變量和因變量含有誤差 精確估計(jì)觀察變量與潛在變量之間的關(guān)系 同時(shí)估計(jì)因子結(jié)構(gòu)和因子關(guān)系 可以估計(jì)整個(gè)模型和數(shù)據(jù)的擬合程度 相關(guān)概念 PARTA 潛變量 latentvariable 不能被直接測(cè)量的變量 內(nèi)生潛變量 受其它潛變量影響的潛變量 也稱為因變量 內(nèi)顯潛變量 內(nèi)生因子 EndogenousFactors 等 外生潛變量 由系統(tǒng)外其他因素決定的潛變量 也稱為自變量 外顯潛變量 外生因子 ExogenousFactors 等 指標(biāo) observableindicators 間接測(cè)量潛變量的指標(biāo) 也稱為觀測(cè)變量 內(nèi)生指標(biāo) 間接測(cè)量?jī)?nèi)生潛變量的指標(biāo) 外生指標(biāo) 間接測(cè)量外生潛變量的指標(biāo) 相關(guān)概念 續(xù)1 PARTA 中介變量 Mediator 考慮自變量X對(duì)因變量Y的影響 如果X通過(guò)影響變量M來(lái)影響Y 則稱M為中介變量 中介效應(yīng) MediatorEffects MediatingEffect 調(diào)節(jié)變量 Moderator 如果變量Y與變量X的關(guān)系是變量M的函數(shù) 稱M為調(diào)節(jié)變量 調(diào)節(jié)效應(yīng) ModeratorEffects ModeratingEffect 相關(guān)概念 續(xù)2 PARTA 控制變量 ControlVariable ControlVariables ControlledVariable 是指那些除了實(shí)驗(yàn)因素 自變量 以外的所有影響實(shí)驗(yàn)結(jié)果的變量 這些變量不是本實(shí)驗(yàn)所要研究的變量 所以又稱無(wú)關(guān)變量 無(wú)關(guān)因子 非實(shí)驗(yàn)因素或非實(shí)驗(yàn)因子 題項(xiàng) Items 具體操作問題 結(jié)構(gòu)方程模型的結(jié)構(gòu) PARTA 測(cè)量模型 測(cè)量指標(biāo)與潛變量之間的關(guān)系x x y y 其中 外生潛變量 xi 內(nèi)生潛變量 eta x 外生指標(biāo) x的誤差項(xiàng) delta y 內(nèi)生指標(biāo) y的誤差項(xiàng) epsilon x 外生指標(biāo)與外生潛變量的關(guān)系 lambda y 內(nèi)生指標(biāo)與內(nèi)生潛變量的關(guān)系 結(jié)構(gòu)方程模型的結(jié)構(gòu) 續(xù) PARTA 結(jié)構(gòu)模型對(duì)于潛變量間的關(guān)系 可用結(jié)構(gòu)方程表示 B 內(nèi)生潛變量 eta 外生潛變量 xi B 內(nèi)生潛變量間的關(guān)系 bta 外生潛變量對(duì)內(nèi)生潛變量的影響 gamma 結(jié)構(gòu)方程的殘差項(xiàng) zeta SEM的八個(gè)矩陣 PARTA SEM主要參數(shù) PARTA 結(jié)構(gòu)方程模型的路徑系數(shù)圖 PARTA 在SEM中用直觀的圖形表達(dá)各變量之間的關(guān)系 這種圖形稱為路徑系數(shù)圖 SEM路徑系數(shù)圖圖形規(guī)則 PARTA 橢圓形表示潛變量綠色橢圓形代表外生潛變量 黃色橢圓形代表內(nèi)生潛變量 長(zhǎng)方形代表觀測(cè)指標(biāo)灰色長(zhǎng)方形代表外生觀測(cè)指標(biāo) 亮藍(lán)色長(zhǎng)方形代表內(nèi)生觀測(cè)指標(biāo) 長(zhǎng)方形代表觀測(cè)指標(biāo) SEM路徑系數(shù)圖圖形規(guī)則 續(xù) PARTA 單向箭頭表示單向影響或效應(yīng)潛變量之間 潛變量與觀測(cè)指標(biāo)之間 單向箭頭且無(wú)起始圖形表示測(cè)量誤差或未被解釋部分潛變量 觀測(cè)指標(biāo) 雙向弧形箭頭表示相關(guān)關(guān)系潛變量之間 觀測(cè)指標(biāo)之間 SEM擬合指標(biāo) PARTA 2與 2 df 2值越小 說(shuō)明實(shí)際矩陣和輸入矩陣的差異越小 說(shuō)明假設(shè)模型和樣本數(shù)據(jù)之間擬合程度越好 擬合優(yōu)度指數(shù) GoodnessofFitIndex GFI 和調(diào)整擬合優(yōu)度指數(shù) AdjustedGoodnessofFit AGFI 反映了假設(shè)模型能夠解釋的協(xié)方差的比例 擬合優(yōu)度指數(shù)越大 說(shuō)明自變量對(duì)因變量的解釋程度越高 自變量引起的變動(dòng)占總變動(dòng)的百分比越高 殘差均方根 RootMeansquareResidual RMR 和近似誤差均方根 RootMeanSquareErrorofApproximation RMSEA 殘差均方根和近似誤差均方根是測(cè)量輸入矩陣和估計(jì)矩陣之間殘差均值的平方根 數(shù)值越小則說(shuō)明模型擬合程度越佳 規(guī)范擬合指數(shù) NormedFitIndex NFI 和增量擬合指數(shù) IncrementalFitIndex IFI 規(guī)范擬合指數(shù)是測(cè)量獨(dú)立模型與假設(shè)模型之間卡方值的縮小比例 但其與卡方指數(shù)一樣 容易收到樣本容量的影響 為彌補(bǔ)其缺點(diǎn) 學(xué)者建議采用增量擬合指數(shù)來(lái)衡量模型優(yōu)度 比較擬合指數(shù) ComparativeFitIndex CFI 比較擬合指數(shù)反映了獨(dú)立模型與假設(shè)模型之間的差異程度 數(shù)值越接近1 則假設(shè)模型越好 SEM擬合指標(biāo)范例 PARTA DegreesofFreedom 59MinimumFitFunctionChi Square 184 35 P 0 00 IndependenceAIC 2016 04RootMeanSquareErrorofApproximation RMSEA 0 08ModelAIC 278 15SaturatedAIC 306 00IndependenceCAIC 2098 63ModelCAIC 491 90SaturatedCAIC 1049 26NormedFitIndex NFI 0 90Non NormedFitIndex NNFI 0 94ParsimonyNormedFitIndex PNFI 0 72ComparativeFitIndex CFI 0 95IncrementalFitIndex IFI 0 95RelativeFitIndex RFI 0 88CriticalN CN 263 34RootMeanSquareResidual RMR 0 054StandardizedRMR 0 054GoodnessofFitIndex GFI 0 94AdjustedGoodnessofFitIndex AGFI 0 92ParsimonyGoodnessofFitIndex PGFI 0 67 SEM擬合指標(biāo)建議值 PARTA SEM步驟 PARTA 概念模型設(shè)定研究假設(shè)變量的測(cè)量數(shù)據(jù)初步處理 描述性統(tǒng)計(jì)指標(biāo) 信度和效度檢驗(yàn) 系數(shù) EFA和CFA 模型估計(jì)模型評(píng)價(jià)模型修正假設(shè)檢驗(yàn) 典型步驟范例 SEM工具 PARTA LISREL語(yǔ)法見長(zhǎng)必須使用PRELIS計(jì)算出CORorCOV矩陣作為輸入也可以畫圖AMOS圖形見長(zhǎng)可以直接以原始數(shù)據(jù)作出輸入適合于初學(xué)者M(jìn)plusorEQS LISREL文件類型 PARTA ls8 LISREL語(yǔ)法文件 用以執(zhí)行ISREL分析 spl SIMPLIS語(yǔ)法文件 用以執(zhí)行SIMPLIS分析 pth LISREL路徑文件 用以存放LISREL執(zhí)行完畢后的路徑圖型 pr2 PRELIS語(yǔ)法文件 用以執(zhí)行PRELIS分析 out LISREL結(jié)果文件 用以存放LISREL執(zhí)行完畢的報(bào)表 dat 原始數(shù)據(jù)文件 用以存放待分析的原始數(shù)據(jù) cor 相關(guān)矩陣檔 用以存放待分析的相關(guān)矩陣數(shù)據(jù) cov 共變矩陣檔 用以存放待分析的共變矩陣數(shù)據(jù) lab 卷標(biāo)文件 用以存放各變項(xiàng)的卷標(biāo)數(shù)據(jù) wmf LISREL路徑文件經(jīng)轉(zhuǎn)換后的圖形文件 可以復(fù)制到WORD軟件中使用 其他說(shuō)明 PARTA 數(shù)據(jù)樣本容量 樣本數(shù)在100以下不宜 樣本量與題項(xiàng)數(shù)比例至少要在5 1以上 理想的樣本量與題項(xiàng)數(shù)比例為10 25倍 對(duì)于標(biāo)準(zhǔn)化路徑系數(shù)而言 其絕對(duì)值大于0 5以上算是大效果 0 3為中效果 小于0 1為小效果 主要內(nèi)容 PARTA SEM原理PARTB SEM應(yīng)用PARTC SEM上機(jī)操作 PARTB SEM應(yīng)用 PARTB 理論模型構(gòu)建文獻(xiàn)綜述模型構(gòu)建變量確定研究假設(shè)研究設(shè)計(jì)變量的測(cè)量問卷設(shè)計(jì)數(shù)據(jù)收集研究方法和研究工具 數(shù)據(jù)分析描述性統(tǒng)計(jì)信度分析EFACFASEM假設(shè)檢驗(yàn)潛變量假設(shè)檢驗(yàn)中介變量假設(shè)檢驗(yàn)調(diào)節(jié)變量假設(shè)檢驗(yàn)結(jié)論與討論 理論模型構(gòu)建 PARTB 文獻(xiàn)綜述別人做了什么我打算做什么 示例 如何找文獻(xiàn)關(guān)鍵字 中文文獻(xiàn)中文文獻(xiàn) 英文文獻(xiàn)英文文獻(xiàn) 英文文獻(xiàn)工具 scholargoogle ABI EBSCOhost圖書館數(shù)據(jù)應(yīng)用 示例 如何保存文獻(xiàn)打分 示例 歸檔 示例 本文研究概念模型 PARTB 概念模型拓展 PARTB 企業(yè)資源維度變量的確定 企業(yè)聲譽(yù) CompanyReputation 產(chǎn)品聲譽(yù) ProductReputation 員工技能 EmployeeKnow how 企業(yè)文化 Culture 組織網(wǎng)絡(luò) OrganizationalNetworks 開放性組織結(jié)構(gòu) OrganizationStructure Hall 1993 PARTB 速度營(yíng)銷動(dòng)態(tài)能力維度變量的確定 PARTB 競(jìng)爭(zhēng)優(yōu)勢(shì)維度與企業(yè)績(jī)效維度變量的確定 競(jìng)爭(zhēng)優(yōu)勢(shì)有效性速度企業(yè)績(jī)效市場(chǎng)績(jī)效財(cái)務(wù)績(jī)效 PARTB 調(diào)節(jié)變量 控制變量和中介變量 調(diào)節(jié)變量 市場(chǎng)環(huán)境和技術(shù)環(huán)境中介變量 速度營(yíng)銷競(jìng)爭(zhēng)優(yōu)勢(shì)控制變量 企業(yè)類型 企業(yè)司齡 企業(yè)規(guī)模 所在部門 擔(dān)任職務(wù) PARTB 概念全模型 研究假設(shè) 示例 PARTB 變量的測(cè)量 PARTB 原則盡量借鑒現(xiàn)有文獻(xiàn) 信度 內(nèi)容效度 盡量全面符合理論依據(jù)示例 5 1 1企業(yè)聲譽(yù)的測(cè)量 與確定變量的區(qū)別突出操作性定義 如速度在不同背景下的含義 突出測(cè)量性指標(biāo)確定變量時(shí) 體現(xiàn)為變量與變量之間的關(guān)系 問卷設(shè)計(jì) PARTB 數(shù)據(jù)收集 PARTB 回收率樣本的回收率有效回收率樣本描述分布情況合理性代表性 主要內(nèi)容 PARTA SEM原理PARTB SEM應(yīng)用PARTC SEM上機(jī)操作 數(shù)據(jù)分析 PARTC 描述性統(tǒng)計(jì)均值MIN和MAX標(biāo)準(zhǔn)差單個(gè)測(cè)量指標(biāo)分布信度檢驗(yàn)信度 Reliability 又可稱為可靠性 是指測(cè)驗(yàn)的可信程度 信度好的指標(biāo)在同樣或類似的條件下重復(fù)操作 可以得到一致或穩(wěn)定的結(jié)果 它主要表現(xiàn)測(cè)驗(yàn)結(jié)果的一致性 一貫性 再現(xiàn)性和穩(wěn)定性指標(biāo) alpha值在0 60以上工具 SPSS16 0 數(shù)據(jù)分析 效度檢驗(yàn) PARTC 內(nèi)涵內(nèi)容效度 內(nèi)容效度指測(cè)試或量表內(nèi)容或題項(xiàng)的適當(dāng)性與代表性 構(gòu)建效度 建構(gòu)效度是指測(cè)量結(jié)果體現(xiàn)出來(lái)的某種結(jié)構(gòu)與測(cè)值之間的對(duì)應(yīng)程度 一般分為聚合效度 ConvergentValidity 和區(qū)分效度 DiscriminantValidity 聚合效度 當(dāng)測(cè)量同一構(gòu)念的多重指標(biāo)彼此間聚合或有關(guān)連時(shí) 表明聚合效度存在區(qū)分效度 區(qū)分效度是指當(dāng)一個(gè)構(gòu)念的多重指標(biāo)相聚合或呼應(yīng)時(shí) 則這個(gè)構(gòu)念的多重指標(biāo)也應(yīng)與其相對(duì)立之構(gòu)念的測(cè)量指標(biāo)有負(fù)向相關(guān) 若相關(guān)程度越低 則區(qū)分效度越好 研究方法因子分析 EFAandCFA 平均提取方差 AverageVarianceExtracted AVE 示例 效度檢驗(yàn) 因子分析步驟 PARTC 步驟1 Bartlett球度檢驗(yàn)和KMO步驟2 探索性因子分析 EFA 步驟3 驗(yàn)證性因子分析 CFA 步驟1 Bartlett球度檢驗(yàn)和KMO PARTC 目的 是否適合進(jìn)行因子分析 Bartlett球度檢驗(yàn)從檢驗(yàn)整個(gè)相關(guān)矩陣出發(fā) 其零假設(shè)為相關(guān)矩陣是單位陣 即各觀測(cè)變量之間是不相關(guān)的 這時(shí)認(rèn)為不適合做因子分析 建議值0 8 KMO是用于比較觀測(cè)值相關(guān)系數(shù)值與偏相關(guān)系數(shù)值的一個(gè)指標(biāo) 其值愈逼近于1 表明對(duì)這些變量進(jìn)行因子分析的效果愈好 工具 SPSS 步驟2 EFA PARTC 目的 在事先不知道影響因素的基礎(chǔ)上 完全依據(jù)資料數(shù)據(jù) 利用統(tǒng)計(jì)軟件以一定的原則進(jìn)行因子分析 最后得出因子的過(guò)程 步驟 因子矩陣 抽取公共因子 根據(jù)題項(xiàng)含義 定義公共因子 示例 6 3 1 判別 因子載荷系數(shù)工具 SPSS 步驟3 CFA PARTC 目的 利用先驗(yàn)信息 在已知因子結(jié)構(gòu)情況下檢驗(yàn)所搜集的數(shù)據(jù)資料是否按事先預(yù)定的結(jié)構(gòu)方式產(chǎn)生作用 判別 因子載荷 擬合指標(biāo) 示例 6 3 1 工具 LISREL EFA和CFA區(qū)別 PARTC EFA是在事先不知道影響因素的基礎(chǔ)上 完全依據(jù)資料數(shù)據(jù) 利用統(tǒng)計(jì)軟件以一定的原則進(jìn)行因子分析 最后得出因子的過(guò)程 CFA充分利用了先驗(yàn)信息 在已知因子的情況下檢驗(yàn)所搜集的數(shù)據(jù)資料是否按事先預(yù)定的結(jié)構(gòu)方式產(chǎn)生作用 因此EFA主要是為了找出影響觀測(cè)變量的因子個(gè)數(shù) 以及各個(gè)因子和各個(gè)觀測(cè)變量之間的相關(guān)程度 而CFA的主要目的是決定事前定義因子的模型擬合實(shí)際數(shù)據(jù)的能力 進(jìn)行EFA之前 我們不必知道我們要用幾個(gè)因子 各個(gè)因子和觀測(cè)變量之間的聯(lián)系如何 而進(jìn)行CFA要求事先假設(shè)因子結(jié)構(gòu) 我們要做的是檢驗(yàn)它是否與觀測(cè)數(shù)據(jù)一致 中介效應(yīng)和調(diào)節(jié)效應(yīng)的檢驗(yàn)步驟與判別標(biāo)準(zhǔn) PARTC 中介變量檢驗(yàn)方法 LISREL中的OUT文件 示例6 5 2 SPSS多元線性回歸 調(diào)節(jié)變量回歸方程 Model1 EFFE 11ADAP 12ABSO 13INNO 14MAEN e1Model2 EFFE 21ADAP 22ABSO 23INNO 24MAEN 25ADAP MAEN 26ABSO MAEN 27INNO MAE