圖解式結(jié)構(gòu)方程模式軟體AMOS之簡介課件

圖解式結(jié)構(gòu)方程模式軟體AMOS之簡介與應(yīng)用李茂能,200910/7/2023FredLi,2009嘉大圖解式結(jié)構(gòu)方程模式軟體AMOS之簡介與應(yīng)用李茂能,2001SEM是學(xué)術(shù)界顯學(xué)?10/7/2023FredLi,2009嘉大SEM是學(xué)術(shù)界顯學(xué)?10/7/2023FredLi,22為什麼SEM是顯學(xué)?考慮測量誤差/徑路分析的資料分析，會增加投稿SSCI、TSSCI期刊的魅力?研究生可以增加論文深度?10/7/2023FredLi,2009嘉大為什麼SEM是顯學(xué)?考慮測量誤差/徑路分析的資料分析，會增3量化研究的新衝擊:HLM未處理資料相依性、分析單位的論文，會降低投稿SSCI、TSSCI期刊的接受率?10/7/2023FredLi,2009嘉大量化研究的新衝擊:HLM未處理資料相依性、10/7/20234結(jié)構(gòu)方程模式之定義結(jié)構(gòu)方程模式(StructuralEquationModels，簡稱SEM)，早期稱為線性結(jié)構(gòu)方程模式(LinearStructuralRelationships，簡稱LISREL)或稱為共變數(shù)結(jié)構(gòu)分析(CovarianceStructureAnalysis)。主要目的在於考驗潛在變項(Latentvariables)與外顯變項(Manifestvariable,又稱觀察變項)之關(guān)係，此種關(guān)係猶如古典測驗理論中真分?jǐn)?shù)(truescore)與實得分?jǐn)?shù)(observedscore)之關(guān)係。它結(jié)合了因素分析(factoranalysis)與路徑分析(pathanalysis)，包涵測量與結(jié)構(gòu)模式。10/7/2023FredLi,2009嘉大結(jié)構(gòu)方程模式之定義結(jié)構(gòu)方程模式(StructuralEq5SEM的統(tǒng)計模式☆測量模式的考驗必須先於結(jié)構(gòu)模式。10/7/2023FredLi,2009嘉大SEM的統(tǒng)計模式☆測量模式的考驗必須先於結(jié)構(gòu)模式。10/7/6SEM完全模式10/7/2023FredLi,2009嘉大SEM完全模式10/7/2023FredLi,2009嘉7SEM模式方程式10/7/2023FredLi,2009嘉大SEM模式方程式10/7/2023FredLi,20098實例解說10/7/2023FredLi,2009嘉大實例解說10/7/2023FredLi,2009嘉大9方程式圖解10/7/2023FredLi,2009嘉大方程式圖解10/7/2023FredLi,2009嘉大10測量模式旨在建立測量指標(biāo)與潛在變項間之關(guān)係，主要透過驗證性因素分析以考驗測量模式的效度。結(jié)構(gòu)模式旨在考驗潛在變項間之因果路徑關(guān)係，主要針對潛在變項進(jìn)行回歸(徑路)分析，以考驗結(jié)構(gòu)模式的適配性。10/7/2023FredLi,2009嘉大測量模式旨在建立測量指標(biāo)與潛在變項間之關(guān)係，主要透過驗證性因11結(jié)構(gòu)方程模式的參數(shù)估計流程(1)10/7/2023FredLi,2009嘉大結(jié)構(gòu)方程模式的參數(shù)估計流程(1)10/7/2023Fred12結(jié)構(gòu)方程模式的參數(shù)估計流程(2)10/7/2023FredLi,2009嘉大結(jié)構(gòu)方程模式的參數(shù)估計流程(2)10/7/2023Fred13適配函數(shù)值之計算10/7/2023FredLi,2009嘉大適配函數(shù)值之計算10/7/2023FredLi,200914界定潛在變項的測量單位理由：因為潛在變項與無法觀察的到，其量尺刻度無法確定，我們必須界定其原點與測量單位，才能估計潛在變項的變異數(shù)與徑路係數(shù)，以界定其結(jié)構(gòu)模式為可辨認(rèn)的模式(AnIdentifiedModel)。方法(以下兩者僅能選其一):選定一個最能代表潛在變項的觀察變項，將其

x與y值加以固定(通常設(shè)定為1，會使相關(guān)之因子具有相同之平均數(shù))，誤差項的廻歸係數(shù)亦設(shè)定為1，才能進(jìn)行其餘的參數(shù)估計。將潛在變項標(biāo)準(zhǔn)化(如具有相同之變異量或固定為1)。但只能為變項加以界定(此時可估計其所屬的所有因素負(fù)荷量)，變項則無法做到。因為的共變數(shù)矩陣並非自由參數(shù)矩陣，可以任意加以設(shè)定。10/7/2023FredLi,2009嘉大界定潛在變項的測量單位理由：因為潛在變項與無法觀察的到，15SEM為線性聯(lián)立方程式之集合為了去解一組方程式,我們必須有足夠的資訊,【如已知數(shù)據(jù)(knownvalues),或限制(constraints)】，才能估計出未知參數(shù)。此乃SEM模式辨識問題。除非這組方程式可以辨識,否則無法獲得正確的參數(shù)估計值--regardlessofhowmanyobservationswehave.10/7/2023FredLi,2009嘉大SEM為線性聯(lián)立方程式之集合為了去解一組方程式,我們必須16可辨識性的定義假如模式中每一未知參數(shù)均有一最適值(optimalvalue),則該模式為可辨識。假如該模式為可辨識，通常其最大可能性疊代解法為可聚斂而得到一最佳解(optimalsolution)，此參數(shù)估計值為該資料的最適配值。例如:x+3y=4,即有無限最佳解(如x=1,y=1orx=4,y=0)。這些值稱為無法辨識“notidentified”or“under-identified.”因為未知數(shù)比已知數(shù)還多。再如:x+3y=43x-3y=12現(xiàn)在，已知數(shù)(方程式數(shù))等於未知數(shù)(X&Y)，即有一最佳解(x=4,y=0)。此聯(lián)立方程式為恰可辨識“justidentified”。10/7/2023FredLi,2009嘉大可辨識性的定義假如模式中每一未知參數(shù)均有一最適值(optim17SEM中的參數(shù)估計固定參數(shù)通常為0或1,不進(jìn)行估計限制參數(shù)

待估計參數(shù),但等同於其它參數(shù)自由參數(shù)待估計參數(shù)10/7/2023FredLi,2009嘉大SEM中的參數(shù)估計固定參數(shù)10/7/2023FredLi18可辨識性的經(jīng)驗法則設(shè)有10個觀察變項(p)，它的共變數(shù)矩陣(含變異數(shù)與共變數(shù))至多有55個非重複性參數(shù):10×(10＋1)/2=55設(shè)有10個觀察變項，它的平均數(shù)-共變數(shù)矩陣至多有65個非重複性參數(shù):10×(10＋3)/2=65可辨識性的必要條件:df不可為負(fù)數(shù)df＝非重複性參數(shù)-待估計的參數(shù)可辨識性的充分條件每一個潛在變項至少有3個指標(biāo)10/7/2023FredLi,2009嘉大可辨識性的經(jīng)驗法則設(shè)有10個觀察變項(p)，它的共變數(shù)矩陣(1910/7/2023FredLi,2009嘉大10/7/2023FredLi,2009嘉大20SEM軟體之使用率(Why)ShouldWeUseSEM?ProsandConsofStructuralEquationModeling

Nachtigall,Kroehne,Funke,Steyer(2003)10/7/2023FredLi,2009嘉大SEM軟體之使用率(Why)ShouldWeUseS21AMOS係AnalysisofMomentStructure之簡稱，它與LISREL，EQS，PROCCALIS等均在處理SEM(structuralequationmodeling)的軟體。AMOS最大的優(yōu)勢在於其路徑圖的圖形使用者介面，免去如LISREL中界定八大參數(shù)矩陣的繁瑣。AMOS採圖解導(dǎo)向，操作簡便是公認(rèn)學(xué)習(xí)SEM的最佳軟體。AMOS具有AMOSGraphics與AMOSBasic兩大運作模式，尤其前者對於徑路圖之繪製與輸出最為便捷。10/7/2023FredLi,2009嘉大AMOS係AnalysisofMomentStruc22學(xué)生版軟體下載/download//Software/AMOS.htmAmos最新版:Amos17.0學(xué)生版僅限於Amos5.0,只能處理8個變項與54個參數(shù)10/7/2023FredLi,2009嘉大學(xué)生版軟體下載http://amosdevelopment.23資料處理資料讀取徑路圖的繪製模式的辨識與選取統(tǒng)計分析方法的選擇模式的評估結(jié)果解釋10/7/2023FredLi,2009嘉大資料處理10/7/2023FredLi,2009嘉大24AMOS5.0操作介面徑路圖編輯器10/7/2023FredLi,2009嘉大AMOS5.0操作介面徑路圖編輯器10/7/2023Fre2510/7/2023FredLi,2009嘉大10/7/2023FredLi,2009嘉大2610/7/2023FredLi,2009嘉大10/7/2023FredLi,2009嘉大27AMOS繪圖工具總攬10/7/2023FredLi,2009嘉大AMOS繪圖工具總攬10/7/2023FredLi,2028AMOS之徑路圖繪製工具(1)10/7/2023FredLi,2009嘉大AMOS之徑路圖繪製工具(1)10/7/2023FredL29AMOS之徑路圖繪製工具(2)10/7/2023FredLi,2009嘉大AMOS之徑路圖繪製工具(2)10/7/2023FredL30AMOS資料輸入方式(1)利用SPSS讀入相關(guān)矩陣或共變數(shù)矩陣10/7/2023FredLi,2009嘉大AMOS資料輸入方式(1)利用SPSS讀入相關(guān)矩陣或共變數(shù)矩31利用Excel讀入相關(guān)矩陣或共變數(shù)矩陣10/7/2023FredLi,2009嘉大利用Excel讀入相關(guān)矩陣或共變數(shù)矩陣10/7/2023Fr32AMOS原始資料輸入方式(2)利用SPSS讀入原始資料10/7/2023FredLi,2009嘉大AMOS原始資料輸入方式(2)利用SPSS讀入原始資料10/33AMOS原始資料輸入方式:

使用文書處理軟體(3)當(dāng)使用純文字檔建檔時，需以『，』隔開各變項之?dāng)?shù)據(jù)，且第一行需列出變項的名稱。從第二行開始，依序輸入各變項的數(shù)據(jù)。10/7/2023FredLi,2009嘉大AMOS原始資料輸入方式:

使用文書處理軟體(3)當(dāng)使用純文34心理測驗:要不要住院?Duringavisittothementalasylum,avisitoraskedtheDirectorwhatthecriterionwaswhichdefinedwhetherornotapatientshouldbeinstitutionalized.Well,"saidtheDirector,"wefillupabathtub,thenweofferateaspoon,ateacupandabuckettothepatientandaskhimorhertoemptythebathtub."Oh,Iunderstand,"saidthevisitor."Anormalpersonwouldusethebucketbecauseit'sbiggerthanthespoonortheteacup.""No,"saidtheDirector,"Anormalpersonwouldpulltheplug."Doyouwantaroomwithorwithoutaview?http://www.office-humour.co.uk/g/i/3665/10/7/2023FredLi,2009嘉大心理測驗:要不要住院?10/7/2023FredLi,235模式與資料之連結(jié)設(shè)定10/7/2023FredLi,2009嘉大模式與資料之連結(jié)設(shè)定10/7/2023FredLi,2036資料連結(jié)方法當(dāng)資料分析檔案建立後，按下AMOS『FILE』下之『DATAFILES』，出現(xiàn)前圖之視窗後，點選『FileName』讀入如SPSS或EXCEL資料編輯器所建檔的資料。當(dāng)待分析的資料檔名稱出現(xiàn)在視窗之中，即表示AMOS已可將徑路圖與此資料檔相互連接。10/7/2023FredLi,2009嘉大資料連結(jié)方法當(dāng)資料分析檔案建立後，按下AMOS『FILE』下37AMOS估計方法利用View/Set下『AnalysisProperties』中點選Output,選取所需統(tǒng)計量,亦可點選『Estimation』選擇估計方法。10/7/2023FredLi,2009嘉大AMOS估計方法利用View/Set下『AnalysisP38統(tǒng)計量數(shù)輸出設(shè)定10/7/2023FredLi,2009嘉大統(tǒng)計量數(shù)輸出設(shè)定10/7/2023FredLi,200939AMOSGraphicMode執(zhí)行步驟(1)利用AMOS『FILE』下之『DATAFILES』讀入相關(guān)矩陣或原始資料按AMOS『FILE』下之『NEW』與利用其所提供之ICONS，再根據(jù)理論繪製徑路圖10/7/2023FredLi,2009嘉大AMOSGraphicMode執(zhí)行步驟(1)利用AMOS40AMOSGraphicMode執(zhí)行步驟(2)執(zhí)行AMOS/SEM分析方法：10/7/2023FredLi,2009嘉大AMOSGraphicMode執(zhí)行步驟(2)執(zhí)行AMOS41AMOS徑路圖輸出按EDIT下之『COPY』即可輸出徑路圖形10/7/2023FredLi,2009嘉大AMOS徑路圖輸出按EDIT下之『COPY』即可輸出徑路圖形42AMOS報表輸出的各種統(tǒng)計量利用View/Set下『AnalysisProperties』中點選Output,選取所需統(tǒng)計量,亦可點選『Output』選擇估計方法。10/7/2023FredLi,2009嘉大AMOS報表輸出的各種統(tǒng)計量利用View/Set下『Anal43SEM結(jié)構(gòu)模式之繪製根據(jù)過去的實驗、經(jīng)驗與理論…決定因果關(guān)係繪製徑路圖單向因果關(guān)係Construct建構(gòu)間之關(guān)係簡單概念(egage)or複雜概念(egattitude)雙向因果關(guān)係10/7/2023FredLi,2009嘉大SEM結(jié)構(gòu)模式之繪製根據(jù)過去的實驗、經(jīng)驗與理論…單向因果關(guān)44SEM測量模式之繪製10/7/2023FredLi,2009嘉大SEM測量模式之繪製10/7/2023FredLi,245AMOS徑路圖之解釋下列徑路圖形中之係數(shù)為標(biāo)準(zhǔn)化係數(shù)10/7/2023FredLi,2009嘉大AMOS徑路圖之解釋下列徑路圖形中之係數(shù)為標(biāo)準(zhǔn)化係數(shù)10/746適合度考驗:

Overallmodel首先檢查有無不良估計值(offendingestimates);eg,負(fù)的誤差變異量、標(biāo)準(zhǔn)化係數(shù)超過1、與過大的標(biāo)準(zhǔn)誤適合度考驗旨在了解實際輸入的矩陣與模式所預(yù)測的理論矩陣間之一致性,分為三類:-absolutefitmeasures(整體適配性之評估)incrementalfitmeasures(底限模式與理論模式的比較)parsimoniousfitmeasures(自由度比值的加權(quán))適合度的評估需作全面性的指標(biāo)評估10/7/2023FredLi,2009嘉大適合度考驗:

Overallmodel首先檢查有無不良估計47適合度考驗:

測量模式建構(gòu)信度(Compositereliability).代表測量指標(biāo)是否能測到潛在建構(gòu)的程度。抽取變異比(Varianceextractedmeasure).為潛在建構(gòu)可以解釋指標(biāo)變異量的比率。代表測量指標(biāo)是否能真正代表潛在建構(gòu)的程度。檢查標(biāo)準(zhǔn)化徑路係數(shù)是否達(dá)於.7010/7/2023FredLi,2009嘉大適合度考驗:

測量模式建構(gòu)信度(Compositerel48建構(gòu)的信度指標(biāo)：指標(biāo)的綜合信度10/7/2023FredLi,2009嘉大建構(gòu)的信度指標(biāo)：指標(biāo)的綜合信度10/7/2023FredL49適合度考驗:

結(jié)構(gòu)模式SEM程式提供每一估計係數(shù)之標(biāo)準(zhǔn)誤與統(tǒng)計考驗的t值。當(dāng)樣本較小且使用MLE估計法時，使用較保守的顯著水準(zhǔn)(.025或.01)計算R2

與競爭模式作比較以決定最佳模式比較各模式的簡潔指標(biāo)檢查標(biāo)準(zhǔn)化結(jié)構(gòu)係數(shù)是否大於.3010/7/2023FredLi,2009嘉大適合度考驗:

結(jié)構(gòu)模式SEM程式提供每一估計係數(shù)之標(biāo)準(zhǔn)誤與統(tǒng)50模式界定錯誤

(ModelMisspecification)遺漏重要變項包含無關(guān)變項或指標(biāo)非線性模式因果關(guān)係錯置(SEM是盲的)原因指標(biāo)與效果指標(biāo)之混淆10/7/2023FredLi,2009嘉大模式界定錯誤

(ModelMisspecification51解釋與修正詳細(xì)檢查理論模式與實際資料之一致性理論模式中的主要關(guān)係獲得支持及達(dá)到統(tǒng)計上之顯著水準(zhǔn)嗎?(檢查標(biāo)準(zhǔn)化與非標(biāo)準(zhǔn)化係數(shù))。競爭模式有助於取代原理論嗎?所取代之模式須再進(jìn)行效度複核。所有發(fā)現(xiàn)的關(guān)係與提議的方向相同嗎?10/7/2023FredLi,2009嘉大解釋與修正詳細(xì)檢查理論模式與實際資料之一致性10/7/20252絕對適配指標(biāo)(Measuresofabsolutefit)的評鑑:

整體適配性的評估

Likelihood-Ratio

2(愈小愈好，P值最好大於.1或.2),本考驗較適合100~200人的樣本Noncentrality(2-df)ParametersandScaledNoncentralityParameters[(2-df)/samplesize)]:NCP適合模式間之比較。Goodness-of-FitIndex(0:poorfit~1:perfit)。RootMeanSquareResiduals(最好.05以下,愈低愈好,較適合相關(guān)矩陣的分析)。RootMeanSquareErrorofApproximation(最好.08以下)。ExpectedCross-ValidationIndex:適合模式間之比較,尤其是複核效度的評估。10/7/2023FredLi,2009嘉大絕對適配指標(biāo)(Measuresofabsolutefi53增值適配指標(biāo)(Incrementalfitmeasures)的評鑑:

底限模式(或稱獨立、虛無模式)與理論模式的比較AdjustedGoodness-of-FitIndex(最好>.90)=1-(K(K+1))/(2dfproposed)*(1-GFI)Tucker-LewisIndex/Non-NormedFitIndex(最好>.90)=(2null/dfnull-2proposed/dfproposed)/(

2null/dfnull-1)NormedFitIndex(最好>.90)=(

2null-2proposed)/

2null

ComparativeFitIndex(適合模式發(fā)展與小樣本)=1-(NCPproposed/NCPnull)K:表觀察變項數(shù)10/7/2023FredLi,2009嘉大增值適配指標(biāo)(Incrementalfitmeasure54精簡適配指標(biāo)(Parsimoniousfitmeasures)的評鑑:

自由度或估計參數(shù)的加權(quán)ParsimoniousNormedFitIndex:(dfproposed/dfnull)*NFI(最好.60以上)ParsimoniousGoodness-ofFitIndex(本值愈大,表模式愈精簡)=GFI*(2dfproposed)/(K(K+1))Normed

2(本值最好介於1~3之間),Amos稱之為CMIN/DFAkaikeInformationCriterion(本值愈小,表模式愈精簡)=

2+2*(#ofestimatedparameters)K:表觀察變項數(shù)10