結構方程模型精品課件

1、結構方程模型第1頁，共69頁，2022年，5月20日，11點51分，星期三一、結構方程模型簡介1、什么是結構方程模型2、為什么使用結構方程模型3、結構方程模型的結構4、結構方程模型的優(yōu)點5、結構方程模型中的變量6、結構方程模型常用圖標第2頁，共69頁，2022年，5月20日，11點51分，星期三1、什么是結構方程模型 結構方程模型（ Structural Equation Model）是基于變量的協(xié)方差矩陣來分析變量之間關系的一種統(tǒng)計方法。所以，有時候也叫協(xié)方差結構分析。 我們的課程只考慮線性結構方程模型。 結構方程模型常用于：驗證性因子分析、高階因子分析、路徑及因果分析、多時段(multiw

2、ave)設計、單形模型(Simple Model)、及多組比較等 。 常用的分析軟件有：LISREL、Amos、EQS、MPlus 第3頁，共69頁，2022年，5月20日，11點51分，星期三2、為什么使用結構方程模型 很多心理、教育、社會等概念，均難以直接準確測量，這種變量稱為潛變量（latent variable），如智力、學習動機、家庭社會經(jīng)濟地位等等。我們只能求其次，用一些外顯指標（observable indicators），去間接測量這些潛變量。 如：以語文、數(shù)學、英語三科成績（外顯變量），作為學業(yè)成就（潛變量）的指標。 傳統(tǒng)的統(tǒng)計方法不能有效處理這些潛變量，而結構方程模型則能同

3、時處理潛變量及其指標。傳統(tǒng)的線性回歸分析容許因變量存在測量誤差，但是要假設自變量是沒有誤差的。如： 在 y=bx+e的模型中，x和y如都不能被準確測量的時候，變量之間的關系是不能估計的。第4頁，共69頁，2022年，5月20日，11點51分，星期三如：分析自信 (X)與外向(Y)之間的關系：用4個題目測量自信，4個題目測量外向。 傳統(tǒng)上先計算外向題目的總分（或者平均分）和自信題目的總分（或者平均分），再計算兩個總分（或者平均分）的相關，這種計算所得的兩個潛變量（外向和自信）的關系，不一定恰當，但是結構方程模型能提供更佳的答案（如典型相關分析等）。自信外向x1x2x3x4y1y2y3y4第5頁，

4、共69頁，2022年，5月20日，11點51分，星期三模型舉例第6頁，共69頁，2022年，5月20日，11點51分，星期三3、結構方程模型的結構結構方程模型可分為：測量模型和結構模型(1)測量模型：指標和潛變量之間的關系說明：x,y是外源(如:六項社經(jīng)指標)及內生(如:中、英、數(shù)成績)指標。,是X，Y測量上的誤差。x是x指標與潛伏變項的關系(如:六項社經(jīng)地位指標與潛伏社經(jīng)地位的關系)。y是y指標與潛伏變項的關系(如:中、英、數(shù)成績與學業(yè)成就間關系)。第7頁，共69頁，2022年，5月20日，11點51分，星期三(2)結構模型：潛變量之間的關系內生(依變)(endogenous,depende

5、nt)潛伏變項(如:學業(yè)成就)外源(自變)(exogenous,independent)潛伏變項(如:社經(jīng)地位)內生潛伏變項間的關系(如:學業(yè)成績與其他內生潛伏變項的關系)外源變項對內生變項的影響(如:社經(jīng)地位對學業(yè)成就)模式內未能解釋部份(即模式內所包含的變項及變項間關系所未能解釋部分)第8頁，共69頁，2022年，5月20日，11點51分，星期三 1X1X2X3X41234413121111y1y2y3y4123441312111 2y5y6y7y8 5 6 7 88272625211212112第9頁，共69頁，2022年，5月20日，11點51分，星期三4、結構方程模型的優(yōu)點 Boll

6、en和Long(1993)指出SEM有以下優(yōu)點 ：(1)可同時考慮及處理多個依變項(endogenous / dependent variable);(2)容許自變及依變(exogenous / endogenous)項含測量誤差;(3)與因素分析類同，SEM容許潛伏變項(如:社經(jīng)地位)由多個觀察指標變項(如:父母職業(yè)、收入)構成,并可同時估計指標變項的信度及效度(reliability and validity);(4)SEM可采用比傳統(tǒng)方法更有彈性的測量模型(measurement model),如某一指標變項/題目從屬于兩潛伏因子;在傳統(tǒng)方法,項目多依附單一因子;(5)研究者可構劃出潛伏

7、變項間的關系,并估計整個模式是否與數(shù)據(jù)擬合。第10頁，共69頁，2022年，5月20日，11點51分，星期三5、結構方程模型中的變量潛變量顯變量內生變量外源變量變量指標自變量因變量第11頁，共69頁，2022年，5月20日，11點51分，星期三第12頁，共69頁，2022年，5月20日，11點51分，星期三潛變量：不可以直接觀察的變量，或叫因子。如自 信、成就等。顯變量：可以直接觀察的變量，如收入、成績等。因子荷載第13頁，共69頁，2022年，5月20日，11點51分，星期三變量：具有多個值的概念。指標：測量某個變量的項目（item）,或者叫條目。第14頁，共69頁，2022年，5月20日，

8、11點51分，星期三內生變量：被影響的變量。外源變量：作用于其它變量的變量。路徑系數(shù)第15頁，共69頁，2022年，5月20日，11點51分，星期三自變量：僅有單向箭頭指出的變量。因變量：只要有單向箭頭指入的變量。第16頁，共69頁，2022年，5月20日，11點51分，星期三思考：顯變量和指標是什么關系？ 變量與指標有什么區(qū)別？ 內生變量與因變量有什么區(qū)別？ 外源變量與自變量有什么區(qū)別？第17頁，共69頁，2022年，5月20日，11點51分，星期三二、結構方程模型建模及分析步驟1、模型構建2、模型擬合3、模型評價4、模型修正第18頁，共69頁，2022年，5月20日，11點51分，星期三

9、模型構建利用結構方程模型分析變量的關系 ,根據(jù)專業(yè)知識和研究目的 ,構建出理論模型 ,然后用測得的數(shù)據(jù)去驗證這個理論模型的合理性。建構模型包括指定: (1)觀測變量與潛變量的關系; (2) 各潛變量間的相互關系; (3) 在復雜的模型中 ,可以限制因子負荷或因子相關系數(shù)等參數(shù)的數(shù)值或關系。第19頁，共69頁，2022年，5月20日，11點51分，星期三 模型擬合結構方程模型分析中的模型擬合目標是使模型隱含的協(xié)方差矩陣即模型的“再生矩陣”與樣本協(xié)方差矩陣盡可能地接近。模型擬合中的參數(shù)估計方法有許多種 ,每種方法有自己的優(yōu)點和適用情況。常用的參數(shù)估計方法包括:不加權的最小二乘法、廣義最小二乘法、極

10、大似然法、一般加權最小二乘法、對角一般加權最小二乘法等。目前極大似然法是應用最廣的參數(shù)估計方法。第20頁，共69頁，2022年，5月20日，11點51分，星期三模型評價評價一個剛建構成或修正的模型時 ,主要檢查(1)結構方程的解是否適當 ,包括迭代估計是否收斂、各參數(shù)估計值是否在合理范圍內; (2) 參數(shù)與預設模型的關系是否合理; (3) 檢視多個不同類型的整體擬合指數(shù) ,如:絕對擬合指數(shù)有 2 、RMSEA (root mean square error of approximation ,近似誤差均方根) 、SRMR ( standardized root mean square resi

11、dual , 標準化殘差均方根) 、GFI (goodness of fit index ,擬合優(yōu)度指數(shù)) 、A GFI (adjusted goodness of fit index ,調整擬合優(yōu)度指數(shù)) ,以及相對擬合指數(shù) NNFI(non- normed fit index 非范擬合指數(shù)) 、NFI ( normed fit index ,賦范擬合指數(shù)) 、CFI (comparative fit index ,比較擬合指數(shù)) 等 ,以衡量模型擬合程度。第21頁，共69頁，2022年，5月20日，11點51分，星期三 模型修正模型的修正主要包括: (1) 依據(jù)理論或有關假設 ,提出一個或

12、數(shù)個合理的先驗模型; (2) 檢查潛變量與指標間的關系 ,建立測量方程模型; (3) 若模型含多個因子 ,可以循序漸進地 ,每次只檢驗含兩個因子的模型 ,確立測量模型部分合理后 ,最后再將所有因子合并成預設的先驗模型 ,作總體檢驗; (4) 對每一模型 ,檢查標準誤、標準化殘差、修正指數(shù)、參數(shù)期望改變值、 2 及各種擬合指數(shù) ,據(jù)此修改模型。第22頁，共69頁，2022年，5月20日，11點51分，星期三三、結構方程模型建立原則及注意事項第23頁，共69頁，2022年，5月20日，11點51分，星期三1.結構方程模型建立原則（1）研究結論不能絕對化（2） 一項研究對任何領域的實際貢獻在于它對理

13、論框架的澄清。如果這項研究不能解釋一定的理論框架 ,則該項研究的價值將受到影響;（3） 謹慎使用某些重要概念和搜集高質量數(shù)據(jù) ,是良好研究的基本條件;（4）潛變量結構模型的有效性取決于: 高度制約和簡化的假設; 大樣本的可接受性。當假設得不到滿足或只滿足于小樣本時 ,這些方法的有效性就會受到懷疑。第24頁，共69頁，2022年，5月20日，11點51分，星期三2. 應用結構方程模型的注意事項（1）通徑圖中 ,內源變量與外源變量間的關系都是線性的。實際工作中的非線性偏離被認為是可以忽略的 ,若有強的非線性關系則應當設法對變量作變換 ,以便可以用線性作近似;（2）結構方程不支持小樣本。一般要求樣本

14、容量在 200 以上 ,或是要估計的參數(shù)數(shù)目的 520 倍;第25頁，共69頁，2022年，5月20日，11點51分，星期三(3) 一個完善的通徑圖并不表示一定包含盡可能多的箭頭。相反 ,統(tǒng)計學上最感興趣的是 ,尋找用盡可能少的箭頭去聯(lián)結盡可能少的變量 ,而這時的通徑圖又能對所代表的樣本擬合得好;(4) 待估參數(shù)不應多于 m ( m + 1) / 2 ( m 為x顯變量的個數(shù)) ;（5）避免隱變量名實不符的問題;第26頁，共69頁，2022年，5月20日，11點51分，星期三（6）當模型與數(shù)據(jù)擬合時 ,說明數(shù)據(jù)并不排斥模式 ,不能說數(shù)據(jù)可以確認模式 ,也不能證明某一理論基礎;（7） 用同一樣本

15、數(shù)據(jù) ,以相同數(shù)目的待估參數(shù)和不同的組合形式可以產(chǎn)生許多不同模型 ,這些等同模型哪一個更適合于研究問題 ,應按照模式表達的意義從專業(yè)角度來鑒別;（8）) SEM 不能驗證變量間的因果關系。同其他統(tǒng)計方法一樣 ,當模型與樣本擬合時 ,只能說該模型是可供考慮的模型 ,是目前為止尚未被否定的模型。只有經(jīng)嚴格的實驗設計控制其他變量的影響 ,才能探討主要變量的因果效應。絕不能因為使用了 SEM 便說證明模型正確。嚴格地說 ,盡管 SEM 不能證明因果關系 ,但它的生命力在于能尋找變量間最可能的因果關系。第27頁，共69頁，2022年，5月20日，11點51分，星期三四、結構方程模型的優(yōu)缺點第28頁，共6

16、9頁，2022年，5月20日，11點51分，星期三1.優(yōu)點不但可研究可觀測變量 ,而且還可研究不能直接觀測的變量(隱變量) 的關系 ,不但能研究變量間的直接作用 ,還可研究變量間的間接作用; 可同時處理多個因變量; 容許自變量及因變量含測量誤差; 可通過路徑圖直觀地顯示變量間的關系; 研究者可構建出隱變量間的關系 ,并驗證這種結構關系是否合理; 能分解相關系數(shù) ,來考察一個變量對另一變量的直接作用和間接作用。第29頁，共69頁，2022年，5月20日，11點51分，星期三2.缺點 在 SEM 的應用早期由于其自身的相對復雜性和不完善性 ,使研究者們未能準確把握其內涵 ,因而出現(xiàn)了誤用并把統(tǒng)計結

17、果作為確定因果關系方向的證據(jù) ,這顯然是本末倒置。又由于 SEM 對模型的接受沒有統(tǒng)一標準 ,所以在有等價模型的情況下研究者很難拒絕某些模型 ,這也給模型選擇帶來了困難; 影響 SEM 解釋能力的主要問題是指定誤差 ,但 SEM 程序目前還不能對指定誤差加以檢驗。如果用樣本特征推論總體可能會犯以偏概全的錯誤;第30頁，共69頁，2022年，5月20日，11點51分，星期三 SEM 對樣本容量的要求較高 ,也要求模型必須滿足識別條件并且它不能處理真正的分類變量。第31頁，共69頁，2022年，5月20日，11點51分，星期三五、應用實例第32頁，共69頁，2022年，5月20日，11點51分，星

18、期三第33頁，共69頁，2022年，5月20日，11點51分，星期三第34頁，共69頁，2022年，5月20日，11點51分，星期三第35頁，共69頁，2022年，5月20日，11點51分，星期三第36頁，共69頁，2022年，5月20日，11點51分，星期三應用場合第37頁，共69頁，2022年，5月20日，11點51分，星期三第38頁，共69頁，2022年，5月20日，11點51分，星期三第39頁，共69頁，2022年，5月20日，11點51分，星期三第40頁，共69頁，2022年，5月20日，11點51分，星期三第41頁，共69頁，2022年，5月20日，11點51分，星期三第42頁，共

19、69頁，2022年，5月20日，11點51分，星期三第43頁，共69頁，2022年，5月20日，11點51分，星期三第44頁，共69頁，2022年，5月20日，11點51分，星期三第45頁，共69頁，2022年，5月20日，11點51分，星期三第46頁，共69頁，2022年，5月20日，11點51分，星期三CALIS過程簡介 proc calis語句是必須的，且此語句還可添加一些選項，這些選項主要包括： （1）數(shù)據(jù)集選項，如DATA= 使用的數(shù)據(jù)集的名字；INRAM= 使用已存在的并被分析過的模型；OUTRAM= 將模型的說明存入輸出數(shù)據(jù)集，備以后INRAM調用。 （2）數(shù)據(jù)處理選項，如EDF

20、= 在沒有使用原始數(shù)據(jù)且未指定樣本數(shù)N時為模型指定自由度；NOBS= 指定樣本數(shù)N。第47頁，共69頁，2022年，5月20日，11點51分，星期三（3）參數(shù)估計方法選項，METHOD= 規(guī)定參數(shù)的估計方法，估計方法有多種，如ML、GLS、ULS、WLS等，默認的是ML。 （4）最優(yōu)化選項，OMETHOD= 最優(yōu)化方法包括LM、CG、NR、QN，缺省時為LM。 （5）輸出選項，主要是控制輸出結果包括的內容。 CALIS提供幾種方法說明構建的理論模型。在多數(shù)情況下，LINEQS語句和RAM語句用起來比較方便，LINEQS語句直接描述結構方程組，路徑圖可以用RAM語句描述。至于具體選擇哪個語句主要

21、取決于個人習慣。 第48頁，共69頁，2022年，5月20日，11點51分，星期三對于證實性因子分析，采用LINEQS語句設定等式的方法是：觀測變量名=因子載荷名潛變量名+誤差項名。一個LINEQS語句可以列出多個等式，每個等式中間用逗號“，”分開，最后一個等式用分號“；”結束。觀測變量名應與相關矩陣或原始數(shù)據(jù)集中的變量名保持一致，潛變量須用f開頭，誤差項以e開頭，因子載荷的名字可以任意給定，但乘積項因子載荷與潛變量之間必須有空格，不必寫出乘號。 STD語句給出模型中需要估計的方差。 COV語句給出模型中需要估計的協(xié)方差。cov f1 f2=cov；表示要估計f1和f2之間的協(xié)方差，協(xié)方差為c

22、ov。 第49頁，共69頁，2022年，5月20日，11點51分，星期三 結構方程建模的AMOS實現(xiàn) 第50頁，共69頁，2022年，5月20日，11點51分，星期三3 結構方程建模的AMOS實現(xiàn) 第51頁，共69頁，2022年，5月20日，11點51分，星期三3 結構方程建模的AMOS實現(xiàn) 第52頁，共69頁，2022年，5月20日，11點51分，星期三結構方程建模的AMOS實現(xiàn) 第53頁，共69頁，2022年，5月20日，11點51分，星期三3 結構方程建模的AMOS實現(xiàn) 第54頁，共69頁，2022年，5月20日，11點51分，星期三結構方程建模的AMOS實現(xiàn) 第55頁，共69頁，202

23、2年，5月20日，11點51分，星期三結構方程建模的AMOS實現(xiàn) 第56頁，共69頁，2022年，5月20日，11點51分，星期三結構方程建模的AMOS實現(xiàn) 第57頁，共69頁，2022年，5月20日，11點51分，星期三結構方程建模的AMOS實現(xiàn) 第58頁，共69頁，2022年，5月20日，11點51分，星期三六、SEM的評價1.檢驗模型中的參數(shù)是否具有統(tǒng)計學意義; 2.模型整體擬合程度的評價 擬合指數(shù) 2 值是反映模型與數(shù)據(jù)擬合程度最直接的指標,易受到樣本含量影響。第59頁，共69頁，2022年，5月20日，11點51分，星期三較理想的擬合指數(shù) (1)不受樣本含量的影響; (2)懲罰復雜模

24、型 (自由參數(shù)較多的模型 ) ; (3)對誤設模型敏感。第60頁，共69頁，2022年，5月20日，11點51分，星期三最好結合多個指標報告結果, 而不要只依賴一種選擇。第61頁，共69頁，2022年，5月20日，11點51分，星期三第62頁，共69頁，2022年，5月20日，11點51分，星期三1. SEM 分析流程如果無任何理論依據(jù)和實際工作基礎就直接構建模型 ,這種模型除了提供統(tǒng)計學的結論外 ,無任何實際意義。因此 , SEM 分析首先以理論為基礎構建模型 ,在此所謂的理論并非 SEM 模型的統(tǒng)計理論 ,而是強調 SEM模型是建立在一定構念之上 ,提出一套有待檢驗的假設模型。第63頁，共

25、69頁，2022年，5月20日，11點51分，星期三第64頁，共69頁，2022年，5月20日，11點51分，星期三2. SEM 模型的前提假定(1)樣本含量的要求樣本具體要多大尚無統(tǒng)一規(guī)定 ,確定研究的樣本量 ,一般須考慮樣本代表性、模型估計和模型評價三個方面的需要。Stevens(1996)認為樣本含量至少應該是觀測變量或指示變量數(shù)目的 15倍。在實際應用中 ,建議盡量避免對少于 200例的樣本作 SEM 分析 ,其分析結果不穩(wěn)定 ,也缺乏準確性。第65頁，共69頁，2022年，5月20日，11點51分，星期三( 2)數(shù)據(jù)的分布 SEM 分析時一般要求數(shù)據(jù)服從多元正態(tài)分布, 當違反正態(tài)分布的假定時, S EM 分析結果應受質疑, 因此,撰寫研究論文