結(jié)構(gòu)方程模型講義

結(jié)構(gòu)方程模型講義第一頁，共七十一頁，編輯于2023年，星期五驗證性因子分析(CFA)驗證性因子分析可以通過結(jié)構(gòu)方程模型（StructureEquationModeling,SEM）來實現(xiàn)它是以研究者最初構(gòu)建的模型為基礎(chǔ)，通過對數(shù)據(jù)的迭代計算來驗證模型對數(shù)據(jù)的支持程度。（從一個初始估計出發(fā)尋找一系列近似解來解決問題）研究者可以根據(jù)理論和數(shù)據(jù)調(diào)整模型。如果模型擬合程度較高，則表明結(jié)構(gòu)效度良好。驗證性因子分析通過因子載荷來判斷聚合效度，通過信賴區(qū)間檢定法（ConfidenceIntervalTest）和變異數(shù)抽取估值法（VarianceExtractedEstimate）來驗證區(qū)分效度。信賴區(qū)間檢驗法就是考察兩個因子之間的相關(guān)系數(shù)加減標(biāo)準(zhǔn)誤的兩倍是否包含1，如果不包含1，則表明數(shù)據(jù)有較高的區(qū)別效度（Anderson&Gerbing,1988）。GFI,t-,χ2第二頁，共七十一頁，編輯于2023年，星期五EFA和CFA的區(qū)別第三頁，共七十一頁，編輯于2023年，星期五迭代數(shù)值分析中通過從一個初始估計出發(fā)尋找一系列近似解來解決問題的過程，為實現(xiàn)這一過程所使用的方法統(tǒng)稱為迭代法。與迭代法相對應(yīng)的是直接法（一次解法），即一次性解決問題。當(dāng)遇到復(fù)雜問題時，特別是在未知量很多，無法找到直接解法，此時就通過迭代法來解決。迭代是解決問題的一種基本方法，適合做重復(fù)性操作，可以對一定步驟進(jìn)行重復(fù)執(zhí)行，在每次執(zhí)行這些步驟時，都從變量的原值推出它的一個新值。第四頁，共七十一頁，編輯于2023年，星期五變異數(shù)抽取檢定法Varianceextractedtest如果因子的變異數(shù)抽取估計值（VarianceExtractedEstimates）﹥該因子與其他因子的共同變異抽取值（相關(guān)系數(shù)的平方），則表明數(shù)據(jù)具有較高的辨別有效性（Fornell&Larcker,1981）。變異數(shù)抽取估計值：計算各因子非測量誤差的變異數(shù)占變異數(shù)的比值。R2（判定系數(shù)coefficientofdetermination）：已解釋變異占總變異的百分比第五頁，共七十一頁，編輯于2023年，星期五

判定系數(shù)R2

(CoefficientofDetermination)第六頁，共七十一頁，編輯于2023年，星期五為何要學(xué)SEM

SEM:StructuralEquationModeling

結(jié)構(gòu)方程建模：是基于變量的協(xié)方差矩陣（或相關(guān)系數(shù)矩陣）來分析變量之間關(guān)系的一種統(tǒng)計方法，亦稱為協(xié)方差結(jié)構(gòu)分析

我們只學(xué)習(xí)線性結(jié)構(gòu)方程模型LISREL,lInearStructuralRELationship第七頁，共七十一頁，編輯于2023年，星期五協(xié)方差和相關(guān)系數(shù)協(xié)方差的大小依賴于隨機(jī)變量X和Y的單位。相關(guān)系數(shù)的取值范圍[-1，1]第八頁，共七十一頁，編輯于2023年，星期五科學(xué)的最高目標(biāo)1）把握因（cause）果（effect）關(guān)系2）把握因果關(guān)系的最有力手段3）科學(xué)也探索用相關(guān)方法考察因果關(guān)系4）統(tǒng)計分析技術(shù)按因果探索而發(fā)展。5）SEM是探索因果關(guān)系的一種相關(guān)研究方法第九頁，共七十一頁，編輯于2023年，星期五為何要用SEM1）回歸的預(yù)測應(yīng)用不要SEM2）回歸的解釋應(yīng)用需要SEM3）潛在變量的問題需要SEM第十頁，共七十一頁，編輯于2023年，星期五潛在變量很多心理研究中涉及的變量，都不能準(zhǔn)確、直接地測量，這種變量稱為潛變量（latentvariable）例：智力、學(xué)習(xí)動機(jī)、家庭社會經(jīng)濟(jì)地位所以，我們退而求其次，用一些外顯指標(biāo)（observableindicators），去間接測量這些潛變量例：測量學(xué)生的家庭社會經(jīng)濟(jì)地位（潛變量），用學(xué)生父母教育程度、父母職業(yè)、父母收入等（外顯指標(biāo)）來測量。傳統(tǒng)的統(tǒng)計分析方法不能妥善處理這些潛變量，而結(jié)構(gòu)方程模型能同時處理潛變量及其指標(biāo)。第十一頁，共七十一頁，編輯于2023年，星期五潛在變量簡言之，結(jié)構(gòu)方程模型是一個包含面很廣的數(shù)學(xué)模型，可用以分析一些涉及潛變量的復(fù)雜關(guān)系。許多流行的傳統(tǒng)方法（如回歸分析），雖然容許因變量含測量誤差，但需要假設(shè)自變量沒有誤差。例：用回歸方法以生長時間預(yù)測某植物的高度（生長時間是自變量，高度是因變量），假設(shè)生長時間的測量不含測量誤差，但高度容許測量誤差。第十二頁，共七十一頁，編輯于2023年，星期五因果問題1）SEM以相關(guān)數(shù)據(jù)評價假定的因果關(guān)系。2）何時能說X引起Y？3）SEM探究概率的而非確定論的因果。第十三頁，共七十一頁，編輯于2023年，星期五何時能說X引起Y？X時間在先。（縱向設(shè)計）明確說明因果方向，比如不可逆，或者循環(huán)。（同時測量設(shè)計）常識、理論、經(jīng)驗研究的成果都可以成為說明的線索。

難以說明怎么辦？X與Y之間的關(guān)系不因引進(jìn)第三變量而消失（統(tǒng)計控制）。第十四頁，共七十一頁，編輯于2023年，星期五結(jié)構(gòu)方程模型的結(jié)構(gòu)結(jié)構(gòu)方程模型可以分為測量方程（measurement）和結(jié)構(gòu)方程（structuralequation）兩部分測量方程描述潛變量與指標(biāo)之間的關(guān)系如家庭收入等指標(biāo)與社會經(jīng)濟(jì)地位的關(guān)系結(jié)構(gòu)模型描述潛變量之間的關(guān)系如社會經(jīng)濟(jì)地位與學(xué)業(yè)成就的關(guān)系第十五頁，共七十一頁，編輯于2023年，星期五x1x2δ1δ2ξ1λ1λ2y1y2ε1ε2η1λ1λ2矩陣形式的方程式矩陣形式的方程式而且ξ與δ無相關(guān)存在而且ε與η無相關(guān)存在轉(zhuǎn)成向量形式測量模型第十六頁，共七十一頁，編輯于2023年，星期五LISREL應(yīng)用示例PRELIS主要用于對數(shù)據(jù)進(jìn)行前期處理和初步分析處理連續(xù)性數(shù)據(jù)探索性因子分析多元回歸分析第十七頁，共七十一頁，編輯于2023年，星期五結(jié)構(gòu)模型又稱為潛在變量模型（latentvariablemodels）或線性結(jié)構(gòu)關(guān)系（linearstructuralrelationships）結(jié)構(gòu)模型主要是建立潛在變量與潛在變量之間的關(guān)系，相當(dāng)類似于路徑分析模型，惟獨不同的是路徑分析模型使用觀察變量，而結(jié)構(gòu)模型使用潛在變量。在結(jié)構(gòu)模型中除了涉及外因潛在變量（ξ）、內(nèi)因潛在變量（η），也涉及潛在干擾，以ζ表示。ζ與ζ之間的協(xié)方差矩陣以Ψ（psi）表示。內(nèi)因潛在變量與內(nèi)因潛在變量間的協(xié)方矩陣以β表示，其結(jié)構(gòu)系數(shù)矩陣為Β。外因潛在變量與內(nèi)因潛在變量間的回歸系數(shù)以γ（gamma）表示，其結(jié)構(gòu)系數(shù)矩陣為Γ第十八頁，共七十一頁，編輯于2023年，星期五處理連續(xù)性數(shù)據(jù)如何用菜單對連續(xù)性變量進(jìn)行處理？讀取EXCEL數(shù)據(jù)定義數(shù)據(jù)類型定義整體缺失值插入第十九頁，共七十一頁，編輯于2023年，星期五讀入其它格式數(shù)據(jù)文件選擇File菜單：ImportDatainFreeFormatImportExternalDatainotherFormats打開PSF窗口第二十頁，共七十一頁，編輯于2023年，星期五定義變量類型軟件將.sav或.xls格式的數(shù)據(jù)文件讀入并生成PSF文件時，變量默認(rèn)為有序變量，你可以重新定義變量類別（例如，定義某變量為名義變量）點擊PSF窗口中Data菜單的DefineVariables選項激活DefineVariables對話框從變量列表中選擇變量以激活DefineVariables對話框上的所有鍵點擊VariableType鍵打開VariableTypesfor……對話框激活ordinal（也可選擇其它按鈕），選中Applytoall復(fù)選框點OK，回到DefineVariables對話框再點擊DefineVariables對話框上OK鍵回到PSF窗口點擊File菜單上的Save選項保存修改后的數(shù)據(jù)文件*.psf第二十一頁，共七十一頁，編輯于2023年，星期五插入新變量點擊Data菜單InsertVariables選項，打開對話框點擊OK鍵，在光標(biāo)的左邊，一個新變量就被插入到數(shù)據(jù)文件中點擊Data菜單DefineVariables選項激活DefineVariables對話框選中剛才插入的變量點擊Rename鍵，鍵入新的變量名點擊OK鍵回到DefineVariables對話框點擊DefineVariables對話框中的OK鍵得到PSF窗口點擊File菜單上Saveas選項，在“文件名”字符區(qū)鍵入新的文件名這樣，一個新變量被插入到原有的數(shù)據(jù)集中并存儲為新的文件名。但是，這個變量的所有值都是0第二十二頁，共七十一頁，編輯于2023年，星期五為新變量賦值例：使這個新變量代表變量A和變量B的和點擊Transformation菜單上的Compute選項打開Compute對話框選中并用鼠標(biāo)將新變量拖入Compute對話框中的灰色字符區(qū)點擊“=”鍵選中并用鼠標(biāo)將變量A拖入Compute對話框中的灰色字符區(qū)點擊“+”鍵選中并用鼠標(biāo)將變量B拖入Compute對話框中的灰色字符區(qū)點OK看到PSF窗口點擊File菜單上save選項保存第二十三頁，共七十一頁，編輯于2023年，星期五處理缺失值刪除含缺失值的觀測對象，或者填充缺失值。如何刪除含缺失值的對象？Listwisedeletion（成列刪除，即刪除所有含缺失值的觀測對象）Pairwisedeletion（成對刪除，即計算兩個變量的相關(guān)系數(shù)時，只使用兩個變量都有數(shù)據(jù)的那些樣本）第二十四頁，共七十一頁，編輯于2023年，星期五處理缺失值刪除含缺失值的觀測對象，或者填充缺失值。如何填補(bǔ)缺失值？匹配計算imputebymatching多元計算multipleimputation第二十五頁，共七十一頁，編輯于2023年，星期五如何刪除含缺失值的對象？

——成列刪除定義整體缺失值，并成列刪除打開PSF窗口，點Data菜單上DefineVariables選項在變量列表中選擇變量Group激活DefineVariables對話框上的所有鍵點擊MissingValues鍵打開MissingValuesforGroup…對話框，在Globalmissingvalue對應(yīng)的字符區(qū)鍵入9激活Deletionmethods中的Listwise選項按鈕點Ok，回DefineVariables對話框點Ok，回PSF對話框第二十六頁，共七十一頁，編輯于2023年，星期五探索性因子分析復(fù)習(xí)：因子分析的主要功能是將具有錯綜復(fù)雜關(guān)系的觀測變量綜合為少數(shù)幾個因子，以再現(xiàn)原始變量與因子之間的相互關(guān)系，同時還可以根據(jù)不同因子對變量進(jìn)行分類。因此，因子分析本質(zhì)上是一種用來檢測潛在結(jié)構(gòu)是怎樣影響觀測變量的方法。因子分析主要有兩種基本形式：探索性因子分析（EFA,ExploratoryFactorAnalysis）和驗證性因子分析（CFA,ConfirmatoryFactorAnalysis）第二十七頁，共七十一頁，編輯于2023年，星期五EFA和CFA當(dāng)我們手中有原始數(shù)據(jù)資料，但紛繁復(fù)雜的表面關(guān)系讓我們難以理清頭緒的時候，EFA可以幫助我們找出事物內(nèi)在的本質(zhì)結(jié)構(gòu)；而當(dāng)我們頭腦中已經(jīng)有了明確的關(guān)系結(jié)構(gòu)、清晰的思路，但仍對這一結(jié)構(gòu)的正確與否有些懷疑，這時CFA可以幫助檢驗已知的特定結(jié)構(gòu)是否按照預(yù)期的方式產(chǎn)生作用。第二十八頁，共七十一頁，編輯于2023年，星期五探索性因子分析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)計軟件以一定的原則進(jìn)行因子分析，最后得出因子的過程。（因子結(jié)構(gòu)未知）因此探索性主要是為了找出影響觀測變量的因子個數(shù)，以及各個因子和各個觀測變量之間的相關(guān)程度。第二十九頁，共七十一頁，編輯于2023年，星期五驗證性因子分析驗證性因子分析充分利用了先驗信息，是在已知因子結(jié)構(gòu)的情況下檢驗所搜集的數(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。驗證性因子分析的主要目的是檢驗事先定義因子的模型擬合實際數(shù)據(jù)的能力。進(jìn)行驗證性因子分析之前要求事先假設(shè)因子結(jié)構(gòu)，我們要做的是檢驗它是否與觀測數(shù)據(jù)一致。第三十頁，共七十一頁，編輯于2023年，星期五探索性因子分析的基本步驟收集觀察變量獲得協(xié)方差陣確定因子個數(shù)提取公共因子進(jìn)行因子旋轉(zhuǎn)解釋因子結(jié)構(gòu)獲得因子得分用得到的因子解釋原始變量第三十一頁，共七十一頁，編輯于2023年，星期五FactorLoading三個因子與各變量之間的相關(guān)系數(shù)，稱為因子載荷量（loading）系數(shù)絕對值越大，與相應(yīng)因子的相關(guān)強(qiáng)度越強(qiáng)。第三十二頁，共七十一頁，編輯于2023年，星期五因子旋轉(zhuǎn)因子旋轉(zhuǎn)：用一個正交陣右乘已經(jīng)得到的因子載荷陣（由線性代數(shù)可知，一次正交變化對應(yīng)坐標(biāo)系的一次旋轉(zhuǎn)），使旋轉(zhuǎn)后的因子載荷陣結(jié)構(gòu)簡化。旋轉(zhuǎn)的目的：清晰的負(fù)載矩陣，以便研究者進(jìn)行因子解釋及命名。1.方差最大化正交旋轉(zhuǎn)(Varimax)：使負(fù)載的方差在因子內(nèi)最大因子與因子之間沒有相關(guān)，因子軸之間的夾角等于90度2.直接斜交轉(zhuǎn)軸法(DirectOblimin)：使因子負(fù)載的差積（cross-products）最小化。3.Promax轉(zhuǎn)軸法：將直交轉(zhuǎn)軸(varimax)的結(jié)果再進(jìn)行有相關(guān)的斜交轉(zhuǎn)軸。因子負(fù)荷量取2，4，6次方以產(chǎn)生接近0但不為0的值，藉以找出因子間的相關(guān)，但仍保有最簡化因素的特性。2.3.與1.不同，因子與因子之間彼此有某種程度的相關(guān)，因素軸之間的夾角不是90度第三十三頁，共七十一頁，編輯于2023年，星期五優(yōu)缺點正交轉(zhuǎn)軸的優(yōu)點：因子之間提供的信息不會重疊，被試在某一個因子的分?jǐn)?shù)與在其它因子的分?jǐn)?shù)，彼此獨立互不相關(guān)正交轉(zhuǎn)軸的缺點：研究迫使因子之間不相關(guān)，但這種情況在實際的情境中往往并不常存在所以，有時會采用非正交轉(zhuǎn)軸的方法。第三十四頁，共七十一頁，編輯于2023年，星期五探索性因子分析小結(jié)一般來說，如果沒有堅實的理論基礎(chǔ)支撐，有關(guān)觀測變量內(nèi)部結(jié)構(gòu)，一般用探索性因子分析。先用探索性因子分析產(chǎn)生一個內(nèi)部結(jié)構(gòu)的理論，再在此基礎(chǔ)上用驗證性因子分析，但必須用分開的數(shù)據(jù)集來做。如果直接把探索性因子分析的結(jié)果放到同一數(shù)據(jù)的驗證性因子分析中，就僅僅是擬合數(shù)據(jù)，而不是檢驗理論結(jié)構(gòu)。合理的做法：用一半數(shù)據(jù)做探索性因子分析，然后把析取的因子用在剩下的一半數(shù)據(jù)中做驗證性因子分析。第三十五頁，共七十一頁，編輯于2023年，星期五驗證性因子分析定義因子模型收集觀測值獲得相關(guān)系數(shù)矩陣根據(jù)數(shù)據(jù)擬合模型評價模型是否恰當(dāng)與其它模型比較檢驗原始假設(shè)是否成立第三十六頁，共七十一頁，編輯于2023年，星期五驗證性因子分析如何編程如何閱讀結(jié)果擬合指數(shù)的介紹第三十七頁，共七十一頁，編輯于2023年，星期五FactorAnalysis先有方塊才有圈圈→EFA先有圈圈才有方塊→CFA人文語文數(shù)學(xué)英語物理化學(xué)社會科學(xué)Usingstatisticalmethodstoidentifythebasicunderlyingvariables(factors)thataccountforthecorrelationamongtestscoresToexplainwhytwotestsarecorrelatedToexplainhowtheentirescaleisorganization第三十八頁，共七十一頁，編輯于2023年，星期五驗證性因子分析例:用17個題目測量350名學(xué)生的學(xué)習(xí)態(tài)度及取向，理論假設(shè)學(xué)習(xí)態(tài)度及取向分為5個維度(1-4為A，5-8為B，9-11為C，12-14為D，15-17為E)，且5個維度都分別相關(guān)，請問這假設(shè)是否符合實際數(shù)據(jù)？第三十九頁，共七十一頁，編輯于2023年，星期五思路1)首先根據(jù)理論假設(shè)(模型MA)畫出路徑圖；(見圖3-1)2)求得17題的相關(guān)矩陣；3)根據(jù)路徑圖寫出LISREL的程序；4)RUN程序；5)看各種擬合指數(shù)是否理想；6)對模型進(jìn)行修正；7)得到各種參數(shù)值。第四十頁，共七十一頁，編輯于2023年，星期五結(jié)構(gòu)方程模型的結(jié)構(gòu)1.測量模型

x=∧xξ+δy=∧yη+ε

其中，

ξ：外源潛變量η：內(nèi)生潛變量

x：外源指標(biāo)δ：x的誤差項

y：內(nèi)生指標(biāo)ε：y的誤差項

∧x：外源指標(biāo)與外源潛變量的關(guān)系

∧y：內(nèi)生指標(biāo)與內(nèi)生潛變量的關(guān)系第四十一頁，共七十一頁，編輯于2023年，星期五結(jié)構(gòu)方程模型的結(jié)構(gòu)2.結(jié)構(gòu)模型對于潛變量間的關(guān)系，可用結(jié)構(gòu)方程表示：

η=Bη+Гξ+ζη：內(nèi)生潛變量。

ξ：外源潛變量。

B：內(nèi)生潛變量間的關(guān)系。

Г：外源潛變量對內(nèi)生潛變量的影響。

ζ：結(jié)構(gòu)方程的殘差項。

第四十二頁，共七十一頁，編輯于2023年，星期五x1x2δ1δ2ξ1λ1λ2y1y2ε1ε2η1λ1λ2矩陣形式的方程式矩陣形式的方程式而且ξ與δ無相關(guān)存在而且ε與η無相關(guān)存在轉(zhuǎn)成向量形式測量模式第四十三頁，共七十一頁，編輯于2023年，星期五x1x3δ1δ3ξ1λ11λ31x2δ2λ21x4x6δ4δ6ξ1λ42λ62x5δ5λ52矩陣形式的方程式用協(xié)方差矩陣表示：轉(zhuǎn)成向量形式：Φ

：ξ與ξ之間的協(xié)方差矩陣Θδ

：δ之間的協(xié)方差矩陣δ：外因觀察變量的測量誤差測量模式第四十四頁，共七十一頁，編輯于2023年，星期五路徑圖的圖標(biāo)規(guī)則1.路徑圖的概念在結(jié)構(gòu)方程模型中用直觀的圖形表達(dá)各變量之間的關(guān)系，這種圖形稱為路徑圖。2.圖標(biāo)規(guī)則

1)用圓或橢圓表示潛變量或因子

2)用正方形或長方形表示觀測變量或指標(biāo)

3)單向箭頭表示單向影響或效應(yīng)

4)雙向弧形箭頭表示相關(guān)

5)單向箭頭且無起始圖形表示測量誤差或未被解釋部分第四十五頁，共七十一頁，編輯于2023年，星期五LISREL數(shù)學(xué)方程常用符號的表示法及含義第四十六頁，共七十一頁，編輯于2023年，星期五(ξ1-Eξ1)(ξ2-Eξ2)第四十七頁，共七十一頁，編輯于2023年，星期五ξ1ξ2ξ3ξ4ξ5ξ1ξ2ξ3ξ4ξ5(ξ1-Eξ1)(ξ2-Eξ2)(ξ1-Eξ1)(ξ2-Eξ2)第四十八頁，共七十一頁，編輯于2023年，星期五結(jié)構(gòu)方程模型的路徑圖

TDXLXPHGABELYYTEξηPS第四十九頁，共七十一頁，編輯于2023年，星期五結(jié)構(gòu)方程模型的優(yōu)點1.同時處理多個因變量2.允許自變量與因變量含測量誤差3.同時估計因子結(jié)構(gòu)和因子關(guān)系4.允許更大彈性的測量模型5.估計整個模型的擬合程度第五十頁，共七十一頁，編輯于2023年，星期五圖3-1學(xué)習(xí)態(tài)度及其取向模型MA第五十一頁，共七十一頁，編輯于2023年，星期五驗證性因素分析程序的寫法-11)數(shù)據(jù)輸入：

DANI=17NO=350MA=KMKMSYDA為數(shù)據(jù)輸入的命令，NI為觀測變量數(shù)，NO為被試人數(shù)，MA為矩陣類型，KM為相關(guān)矩陣，SY為對稱的。

2)模型建構(gòu)：

MONX=17NK=5LX=FU,FIPH=STTD=DI,FR

PALX4(10000)4(01000)3(00100)3(00010)3(00001)MO模型，NX觀測變量X數(shù)目，NK潛變量ξ數(shù)，

LX為X與ξ的關(guān)系矩陣，F(xiàn)U為完整，F(xiàn)I為固定，PH為ξ之間的關(guān)系矩陣，ST為對稱,對角線為1，對角線外自由估計，TD為X的誤差矩陣，第五十二頁，共七十一頁，編輯于2023年，星期五MO從MO開始,是對模型的建構(gòu)和參數(shù)(parameter,PA)的設(shè)定其中描述了數(shù)個矩陣(LX-因子負(fù)荷矩陣NX×NK,PH-因子間的協(xié)方差矩陣NK×NK,TD-指標(biāo)誤差間的協(xié)方差矩陣NX×NX)TD:Thelta-Delta第五十三頁，共七十一頁，編輯于2023年，星期五MO設(shè)定某些元素（參數(shù)）為固定（FI，fixed）；某些元素自由估計（FR，free），代替路徑圖，去表達(dá)變量及因子間關(guān)系簡單模型而言，在兩種情況下要將元素固定。第一種情況：希望某兩個變量（指標(biāo)或因子）間沒有關(guān)系，將代表該關(guān)系的矩陣元素固定為0例：x1不從屬ξ２，將該因子負(fù)荷（ＬＸ１２）固定為0第二種情況：需要設(shè)定因子的度量單位。因為觀察變量（指標(biāo)）所隱含的因子本身沒有單位，不設(shè)定其單位無法計算。做法有二：一：將所有因子的方差固定為1（或其它常數(shù)），固定方差法。二：在每個因子中選擇一個負(fù)荷固定為1（或其它常數(shù)），固定負(fù)荷法。一般來說，模型中除了因設(shè)定因子的度量單位而固定的路徑外，所有需要估計的參數(shù)（因子負(fù)荷、指標(biāo)的誤差方差、因子之間的相關(guān)系數(shù)等），都設(shè)定為自由，讓LISREL去估計。第五十四頁，共七十一頁，編輯于2023年，星期五驗證性因素分析程序的寫法-2DI,FR為對角線元素為自由，非對角線元素固定為0。PALX為矩陣LX的模式

4(10000)表示連續(xù)4行格式相同，1為需要估計的參數(shù)(自由)，0為固定，即參數(shù)值為0。3)結(jié)果輸出OUMISSSCOU為結(jié)果輸出命令，MI為要求輸出修正指數(shù)，SS表示要求輸出參數(shù)的標(biāo)準(zhǔn)化解，SC表示輸出參數(shù)的完全標(biāo)準(zhǔn)化解。第五十五頁，共七十一頁，編輯于2023年，星期五DANI=17NO=350MA=KMKMSYMONX=17NK=5LX=FU,FIPH=STTD=DI,FRPALX4(10000)4(01000)3(00100)3(00010)3(00001)OUMISSSC第五十六頁，共七十一頁，編輯于2023年，星期五驗證性因素分析程序的寫法-44)驗證性因素模型設(shè)定規(guī)則小結(jié)驗證性因素模型涉及3個矩陣LX、PH、TD。LX中凡是表示X與ξ有從屬關(guān)系的，均設(shè)定為自由，無從屬關(guān)系的，均設(shè)定為固定，兩種表達(dá)方法：LX=FU,FI,然后列出要自由的元素，F(xiàn)RLX11LX21LX31┉或用PALX表達(dá)，凡自由的元素用1表示，凡固定的用0表示。PH若因子間允許相關(guān)，用PH=ST；若部分因子間允許相關(guān)，用PH=SY，F(xiàn)I；VA1PH1,1PH2,2PH3,3再在FR后列出有相關(guān)的元素。TD=DI,FR第五十七頁，共七十一頁，編輯于2023年，星期五結(jié)果輸出和解釋1)輸入的變量與被試等數(shù)據(jù)2)參數(shù)設(shè)定3)迭代次數(shù)4)參數(shù)估計5)平方復(fù)相關(guān)系數(shù)6)擬合指數(shù)7)修正指數(shù)8)完全標(biāo)準(zhǔn)化解9)模型分析結(jié)果解釋(見圖3-2)第五十八頁，共七十一頁，編輯于2023年，星期五操作入門1.新建一個命令文件點擊菜單“File”下的“New”，打開一個小窗口，點擊“SyntaxOnly”并按“確定”。然后編寫程序。2.打開一個命令文件點擊菜單“File”下的“Open”，然后找到要打開的文件。第五十九頁，共七十一頁，編輯于2023年，星期五圖3-2模型MA的參數(shù)估計值第六十頁，共七十一頁，編輯于2023年，星期五模型修正-11)模型修正：刪去Q4，將Q8歸入ξ1，新模型為MB。2)按MB來修改程序DELETEQ4,MoveQ8toFactorASE；123567891011121314151617/MONX=16NK=5PH=STTD=DI,FRPALX3(10000)3(01000)1(10000)3(00100)3(00010)3(00001)OUMISSSC第六十一頁，共七十一頁，編輯于2023年，星期五

ConfirmatoryFactorAnalysisExample1

DeleteQ4,MoveQ8toFactorB

DANI=17NO=350

KMSY

SE;123567891011121314151617/

MONX=16NK=5PH=STTD=DI,FR

PALX

3(10000)

3(01000)

1(10000)

3(00100)

3(00010)

3(00001)

OUMISSSC

第六十二頁，共七十一頁，編輯于2023年，星期五模型修正-23)模型MB的輸出結(jié)果4)模型MB輸出結(jié)果的解釋(見圖3-3)*

模型MB的Q8歸屬ξ1后，因子負(fù)荷很高(0.49)，χ

2(94)=149.51χ

2/df=1.5RMSEA=0.040，NNFI=0.96，CFI=0.97。以上結(jié)果說明模型MB較MA理想。第六十三頁，共七十一頁，編輯于2023年，星期五第六十四頁，共七十一頁，編輯于2023年，星期五模型修正-35)對MB作修正：即Q8改為同時歸屬A與B。新模型為Mc。其它程序不變，只改變PALXMc輸出結(jié)果：Q8在因子A的負(fù)荷為3(10000)0.54,在因子B的負(fù)荷為-0.08。擬合3(01000)指數(shù)與MB基本相同，綜合考慮我1(11000)們選擇MB

。(見圖3-4)3(00100)3(00010)3(00001)第六十五頁，共七十一頁，編輯于2023年，星期五結(jié)構(gòu)方程模型的一些概念1.潛變量(latentvariable)：不能直接測量的變