Rayee-SEM原理、應(yīng)用及操作

1、PART A：SEM原理PART B：SEM應(yīng)用PART C：SEM上機(jī)操作結(jié)構(gòu)方程模型（Structural Equation Modeling/ Structural Equation Model/ Structure Equation Modeling，簡稱SEM）是基于變量的協(xié)方差矩陣來分析變量之間關(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。 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。 潛變量(latent variable) ：不能被直接測量的變量；內(nèi)生潛變量:受其它潛

2、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（Endogenous Factors）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（Exogenous Factors）等；指標(biāo)(observable indicators)：間接測量潛變量的指標(biāo)，也稱為觀測變量；內(nèi)生指標(biāo):間接測量內(nèi)生潛變量的指標(biāo)；外生指標(biāo):間接測量外生潛變量的指標(biāo)。中介變量（Mediator）：考慮自變量X對(duì)因變量Y的影響，如果X 通過影響變量M 來影響Y，則稱M 為中介變量； 中介效應(yīng)（Mediator Effects;Mediating Effect）調(diào)節(jié)變量(Moderator)

3、：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)（Moderator Effects;Moderating Effect）控制變量（Control Variable; Control Variables; Controlled Variable ）：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,所以又稱無關(guān)變量、無關(guān)因子、非實(shí)驗(yàn)因素或非實(shí)驗(yàn)因子。題項(xiàng)(Items):具體操作問題測量模型:測量指標(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)(del

4、ta) 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)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) 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；長方形代表觀測指標(biāo) 灰色長方形代表外生觀測指標(biāo)；亮藍(lán)色長方形代表內(nèi)生觀測指標(biāo)；長方形代表觀測指標(biāo) 單向箭頭表示單向影響或效應(yīng)潛變量之間；潛變量與觀測指標(biāo)之間；單向箭頭且無起始圖

5、形表示測量誤差或未 被解釋部分潛變量；觀測指標(biāo)；雙向弧形箭頭表示相關(guān)關(guān)系潛變量之間；觀測指標(biāo)之間；2與 2/df ： 2值越小，說明實(shí)際矩陣和輸入矩陣的差異越小，說明假設(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)（Goodness of Fit Index，GFI）和調(diào)整擬合優(yōu)度指數(shù)（Adjusted Goodness of Fit， 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（Root Mean square Residual，RMR）和近似誤差均方根（Root Mean Squar

6、e Error of Approximation，RMSEA）：殘差均方根和近似誤差均方根是測量輸入矩陣和估計(jì)矩陣之間殘差均值的平方根，數(shù)值越小則說明模型擬合程度越佳。 規(guī)范擬合指數(shù)（Normed Fit Index，NFI）和增量擬合指數(shù)（Incremental Fit Index ，IFI）：規(guī)范擬合指數(shù)是測量獨(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)來衡量模型優(yōu)度。 比較擬合指數(shù)（Comparative Fit Index，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

7、型越好。 Degrees of Freedom = 59Minimum Fit Function Chi-Square = 184.35 (P = 0.00) Independence AIC = 2016.04Root Mean Square Error of Approximation (RMSEA) = 0.08Model AIC = 278.15Saturated AIC = 306.00Independence CAIC = 2098.63 Model CAIC = 491.90Saturated CAIC = 1049.26Normed Fit Index (NFI) = 0.90

8、Non-Normed Fit Index (NNFI) = 0.94Parsimony Normed Fit Index (PNFI) = 0.72Comparative Fit Index (CFI) = 0.95Incremental Fit Index (IFI) = 0.95Relative Fit Index (RFI) = 0.88Critical N (CN) = 263.34Root Mean Square Residual (RMR) = 0.054Standardized RMR = 0.054Goodness of Fit Index (GFI) = 0.94Adjust

9、ed Goodness of Fit Index (AGFI) = 0.92Parsimony Goodness of Fit Index (PGFI) = 0.67擬合指標(biāo)2/dfGFIAGFINFIIFICFIRMRRMSEAP建議值50.90.90.90.90.90.050.080.05概念模型設(shè)定研究假設(shè)變量的測量數(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)LISREL語法見長必須使用PRELIS計(jì)算出COR or COV矩陣作為輸入也可以畫圖AMOS圖形見長可以直接以原始數(shù)據(jù)作出輸入適合于初學(xué)者M(jìn)plus or EQS*.l

10、s8: LISREL語法文件，用以執(zhí)行ISREL分析*.spl: SIMPLIS語法文件，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

11、復(fù)制到 WORD軟件中使用數(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PART A：SEM原理PART B：SEM應(yīng)用PART C：SEM上機(jī)操作理論模型構(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

12、獻(xiàn)英文文獻(xiàn)英文文獻(xiàn)工具：scholar google、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）理論學(xué)派研究范式優(yōu)勢基礎(chǔ)市場競爭行為結(jié)構(gòu)學(xué)派結(jié)構(gòu)-行為-績效產(chǎn)業(yè)結(jié)構(gòu)產(chǎn)業(yè)識(shí)別-戰(zhàn)略選擇-競爭資源學(xué)派資源-優(yōu)勢-績效關(guān)鍵性資源資源識(shí)別-資源價(jià)值計(jì)算-資源利用能力學(xué)派能力-優(yōu)勢-績效關(guān)鍵性能力能力識(shí)別-市場選擇-能力升級(jí)動(dòng)態(tài)能力理論動(dòng)態(tài)能力-優(yōu)勢-績效動(dòng)態(tài)能力確立-獲取-升級(jí)時(shí)基競爭理論時(shí)間壓縮能力優(yōu)勢時(shí)間掃描-替代-快速搶占市場 企業(yè)聲譽(yù)（Company Reputation） 產(chǎn)品聲譽(yù)（Product Reputation） 員工技能（Employee

13、Know-how） 企業(yè)文化（Culture） 組織網(wǎng)絡(luò)（Organizational Networks） 開放性組織結(jié)構(gòu)（Organization Structure）Hall(1993) 競爭優(yōu)勢有效性速度企業(yè)績效市場績效財(cái)務(wù)績效調(diào)節(jié)變量：市場環(huán)境和技術(shù)環(huán)境中介變量：速度營銷競爭優(yōu)勢控制變量：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) 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)系回收率樣本的回收率有效回收率樣本描述分布情

14、況合理性代表性PART A：SEM原理PART B：SEM應(yīng)用PART C：SEM上機(jī)操作描述性統(tǒng)計(jì)均值MIN 和MAX標(biāo)準(zhǔn)差單個(gè)測量指標(biāo)分布信度檢驗(yàn)信度（Reliability）又可稱為可靠性，是指測驗(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內(nèi)涵內(nèi)容效度：內(nèi)容效度指測試或量表內(nèi)容或題項(xiàng)的適當(dāng)性與代表性。構(gòu)建效度：建構(gòu)效度是指測量結(jié)果體現(xiàn)出來的某種結(jié)構(gòu)與測值之間的對(duì)應(yīng)程度。 一般分為聚合效度（Convergent Validity）和區(qū)分效度（Di

15、scriminant Validity）。聚合效度：當(dāng)測量同一構(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(EFA and CFA)平均提取方差（Average Variance Extracted，AVE）（示例）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）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

16、陣，即各觀測變量之間是不相關(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 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：LISRELEFA是在事先不知

17、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變量的因子個(gè)數(shù)，以及各個(gè)因子和各個(gè)觀測變量之間的相關(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)它是否與觀測數(shù)據(jù)一致。中介效應(yīng)檢驗(yàn)調(diào)節(jié)效應(yīng)檢驗(yàn)自變量XX因變量YY中間變量MZ回歸分析Y = 11X + e1M = 21X + e2Y = 31X + 32M + e3Y=11X+12Z+e1，得R21Y=+21X+22Z+ 23XZ + e2，得 R22判定標(biāo)準(zhǔn)11,21,32均顯著且不等于023顯著不等于0，且 R22顯著大于 R21LISREL中的OUT文件(示例6.5.2 )SPSS多元線性回歸Model 1：EFFE=11ADAP+12ABSO