spss统计分析及应用教程-第9章-结构方程模型

❖ 模型评价
评价指标
绝对拟合评价
指 标
绝对拟合评价
绝对拟合评价
卡方值
拟合优度指数GFI
标准化均方根残余 SRMR 期望复核效度指标 AGFI 调整后的拟合指数 AGFI 不规范拟合指数 NNFI
增值拟合指数IFI
简效规范拟合指数 PNFI Akaike 信息标准化 AIC 规范卡方Normed Chi-Square
模型识别
确定所设定的模型是否能够对其估计求解。，如果模型是 可识別的，表示理论上模型中的每一个参数都可以估计出唯一 的一个估计值。
模型识别结果包括不能识别(Under-Identified)、适度识别 (just-Identified)及过度识别(Over-Identified)三种。
❖ 模型识别
要把路径图复制到另外的文档或其他文件中时，这里的调整
特别重要；
• Formats标签下提供了参数格式的设置选项； • Colors标签下提供了绘图时所涉及的线条颜色设置。
•Analysis Properties之下提供了一个菜单，用于设置模型 拟合过程中的一些选项 ，如图所示。
ቤተ መጻሕፍቲ ባይዱ
Analysis Properties
非集中化参数NCP 均方根残余RMR 近似误差的均方根 RMSEA 规范拟合指数NFI
比较拟合指数CFI
相对拟合指数RFI
简效良性拟合指数 PGFI 胡特的临界数值CN
❖ 卡方检验指标
❖ 残差分析指标
❖ 评价指标名称
❖ 替代性指标名称
❖ 实验内容
❖ 为了了解大学生闲暇时间消费状况与幸福指数之间的关 系，设计调查问卷并收集相关数据，在理论上将大学生 闲暇时间消费划分为社交活动时间、文化休闲时间和网 络休闲时间。大学生的幸福指数由其个体满意度、就业 准备满意度与社会满意度三个方面组成，
注意：把路径图文件存储在某一特定位置后，在该文件夹 中将会出现几个名字相同而后缀不同的存储文件，其中， *.amw是所存储的路径图文件；*.bk1和*.bk2是自动生 成的备份文件，可以通过Retrieve Backup打开； *.AmosTNP、*.AmosTN、*.AmosP、*.amp都是 AMOS的文件管理文件，可以双击这些文件打开相应的存 储文件。*.amo是模型拟合之后出现的拟合结果文件。
实验一 结构方程模型
❖ 实验目的
明确结构方程分析有关的概念 熟练掌握结构方程模型构建的过程 能用SPSS软件中的AMOS插件进行结构方程模拟及检验 培养运用结构方程分析方法解决身边实际问题的能力
❖ 准备知识
结构方程模型中常用概念
测量变量：也叫观察变量或显示变量，是直接可以测量的指标。 潜变量：其测量是通过一个或几个可观察指标来间接完成的。 外生潜在变量：他们的影响因素处于模型之外，也就是常说的自变 量。 内生潜在变量：由模型内变量作用所影响的变量（因变量）。
• Move是移动所选定的图形； • Duplicate是复制所选定的图形； • Erase是删除所选定的图形； • Move Parameter是移动所设定的参数位置；
•Edit按钮 在Edit下拉的菜单之中，提供了路径图编辑的相关工具， 如图所示。各选项的功能如下：
• Reflect是将所选定的图形作镜面对称； • Rotate是旋转所选定的图形； • Shape of Object是调整所选定的图形大小； • Space Horizontally是水平调整选定的图形； • Space Vertically是水垂直平调整选定的图形； • Drag Properties用来设定正在编辑的图形的性质； • Fit to page是使绘图区的图形与绘图区域大小相适应； • Touch up是用来使图形相对协调美观。
❖ 准备知识
结构方程模型的应用范围
结构方程模型的主要应用范围有两个：其一是对难以直接观测 到的潜变量提供一个可以观测和处理的方式，以便对该变量作进一 步的研究；其二是研究不同变量之间可能存在的相关关系。
如果所研究的变量都是可以直接观测得到的，结构方程模型所 能检验的就是变量之间相关关系的显著性，这种关系通常也称为结 构关系。
通过固定或限制一些参数，自由参数的数目就可以减少，原来不能 识别的模型有可以变为可以识别模型。
❖ 结构方程构建步骤 3
模型估计
最大似然法（maximum likelihood）和广义最小二乘法（ generalized least square）
❖ 结构方程构建步骤 4
模型评价
对模型的整体拟合效果和单一参数的估计值进行评价。如 果模型拟合效果不佳，可以对模型进行修正来提高模型拟合效 果。
❖ 模型识别
自由参数：未知并需要估计的参数。
固定参数：不自由的并固定于设定值的参数。如在测量模型中，或 者将每个潜在变量标识的因子负荷之一设定为1，或将该潜在变量 的方差设定为1；对于结构方程，一些通径系数应该被设定为0，这 意味着被设定为无影响作用。
限制参数，那些未知的，但被规定相等于另一个或另一项参数值的 参数。
（2）打开AMOS对话框 执行“分析”——AMOS 命令，打开结构方程分析 的主对话框。操作过程见 图
❖ AMOS界面图
❖ File的下拉菜单
（3）AMOS界面简介——菜单栏的主要功能 File菜单，在File按钮下拉的菜单之中，提供了文件存取的 一系列选项，如图所示。各选项功能简介如下：
•File菜单 • New是在绘图区新建一个空白的路径图； • New with Template是从Templete文件夹中导 出*.amt文件； • Open是打开一个已知位置的存储文件； • Retrieve Backup是打开之前存储的备份文件； • Save是存储正在编辑的路径图； • Save as是把正在编辑的路径图存储至特定的位 置并重新命名；
如果在研究中所涉及的变量有部分为不可观测到的潜变量，此 时必须首先完成该潜变量的构建，将其转化为可观测的变量后再对 变量间可能的关系进行处理，在这一情况中，结构方程模型可以同 时处理测量关系和结构关系。
主成分分析的基本思想
它通过对原始变量相关矩阵或协方差矩阵内部结构关系的 研究，利用原始变量的线性组合形成几个综合指标(主成分)， 在保留原始变量主要信息的前提下起到降维与简化问题的作用 ，使得在研究复杂问题时更容易抓住主要矛盾。
第9章 结构方程模型
第9章 结构方程模型
❖ 本章学习目标
理解结构方程分析的基本思想与原理 了解结构方程模型分析方法的优点 熟悉结构方程模型中常用的概念 掌握结构方程模型构建的步骤 熟练掌握应用SPSS软件中的AMOS插件进行结构方程模
拟的操作 掌握实验结果的分析与利用 了解结构方程模型在经济管理数据分析中的应用
（3）可以在一个模型中同时处理因素的测量和因素之间的结构 传统的统计方法中，因素自身的测量和因素之间的结构关系往
往是分开处理的——对因素先进行测量，评估概念的信度与效度， 通过评估标准之后，才将测量资料用于进一步的分析。
在结构方程模型中，则允许将因素测量与因素之间的结构关系 纳入同一模型中同时予以拟合，这不仅可以检验因素测量的信度和 效度，还可以将测量信度的概念整合到路经分析等统计推理中。
• Data Files是选择模型拟合所采用的数据文件；
（3）AMOS界面简介——菜单栏的主要功能 • Print是打印正在编辑的路径图； • File Manager是管理正在编辑的与文件相关的 一系列文件； • Exit是退出AMOS程序。
Exit下面提供了连接到AMOS最近访问的几个路径图文件 的快捷方式。单击该文件名即可打开相应的路径图文件。
❖ 结构方程模型的优点
（4）允许更具弹性的模型设定 在传统建模技术中，模型的设定通常限制较多，例如，单一指
标只能从属于一个因子，模型自变量之间不能有多重共线性等。 结构方程模型既可以处理单一指标从属于多个因子的因子分析，
也可以处理多阶的因子分析模型。在因素结构关系拟合上，也允许 自变量之间存在多重共线性关系。
• Estimation标签下提供了模型拟合方法的选项，在AMOS分析中 使用最多的是最大似然法，当然，在这一标签之下也提供了其他 几种拟合方法；
• Numerical标签下提供了模型分析过程中迭代法设定的选项，因 为模型的拟合实际上是用迭代法予以实现的；Bias标签下提供了 采用数据资料协方差矩阵进行模型拟合时的一些设定选项；
• Pen Width标签下提供了路径图绘制过程中线条和箭头的大 小格式选择；
• Misc标签下提供了界面属性的一些细微之处的调整，例如， 是否在绘图区设置带有方格的背景，图形过于密集而使用工
具栏上的放大工具查看时的放大倍率等；
• Page Layout标签下提供了界面设置的一些选项，例如绘图 区的上下和左右边距，绘图区是横向还是纵向等，使用者需
（2）可以同时处理多个因变量 在传统计量模型中，方程右边的因变量一般只有一个，但是在
管理学等社会科学领域，因变量常常有多个，例如员工素质可以影 响企业文化，也可以影响企业绩效，这样在结构方程模型中，允许 同一模型中出现多个因变量，在模型拟合时对所有变量的信息都予 以考虑，可以增强模型的有效性。
❖ 结构方程模型的优点
为了方便绘图，这些编辑工具基本上在工具栏中都可以找 到。使用者只需点击工具栏上的图标就可以激活这些工具。
❖ View/Set的下拉菜单
•Interface Properties之下提供了一个菜单，用于设置路径 图编辑界面的属性，如图所示。
Interface Properties
• Language标签下提供了文件界面语言的选择； • Typefaces标签下提供了变量名字、参数值、图形标题的字 体格式选择；
第9章 结构方程模型
❖ 结构方程模型（Structure Equation Modeling, SEM） 是应用线性方程系统表示观测变量与潜变量之间，以及 潜变量之间关系的一种方法，其实质是一种广义的一般 线性模型。与传统的线性回归模型不同，结构方程模型 允许研究人员能够同时检验一批回归方程，而且这些回 归方程在模型形式、变量设置、方程假设等方面也与传 统回归迥然不同，因此，其适用范围也比传统回归分析 更为多元化。