|
結(jié)構(gòu)方程這幾年熱度不減，有必要研究一下它的R語言實(shí)現(xiàn)過程,，今天先復(fù)習(xí)一下結(jié)構(gòu)方程的相關(guān)理論,，參考吉林大學(xué)余翠林的ppt 一、 為什么使用SEM? 2,、SEM的優(yōu)點(diǎn)： 3、結(jié)構(gòu)方程模型最為顯著的兩個特點(diǎn)是： SEM是基于變量的協(xié)方差矩陣來分析變量之間關(guān)系的一種統(tǒng)計(jì)方法，實(shí)際上是一般線性模型的拓展,，包括因子模型與結(jié)構(gòu)模型,，體現(xiàn)了傳統(tǒng)路徑分析與因子分析的完美結(jié)合。 SEM一般使用最大似然法估計(jì)模型(Maxi-Likeliheod,，ML) 分析結(jié)構(gòu)方程的路徑系數(shù)等估計(jì)值,，因?yàn)镸L法使得研究者能夠基于數(shù)據(jù)分析的結(jié)果對模型進(jìn)行修正。 2,、結(jié)構(gòu)方程模型示意圖  3、 結(jié)構(gòu)方程  Λx—外生觀測變量與外生潛變量直接的關(guān)系,，是外生觀測變量在外生潛變量上的因子載荷矩陣,； Λy—內(nèi)生觀測變量與內(nèi)生潛變量之間的關(guān)系，是內(nèi)生觀測變量在內(nèi)生潛變量上的因子載荷矩陣,； ?！窂较禂?shù)，表示內(nèi)生潛變量間的關(guān)系,； Г—路徑系數(shù),，表示外生潛變量對內(nèi)生潛變量的影響； ζ—結(jié)構(gòu)方程的殘差項(xiàng),，反映了”在方程中未能被解釋的部分,。 三、 結(jié)構(gòu)方程模型的四大步驟 1,、模型構(gòu)建 構(gòu)建研究模型,，具體包括：觀測變量（指標(biāo)）與潛變量（因子）的關(guān)系，各潛變量之間的相互關(guān)系等 2,、模型擬合 對模型求解,，其中主要是模型參數(shù)的估計(jì)，求得參數(shù)使模型隱含的協(xié)方差距陣與樣本協(xié)方差距陣的“差距”最小 3,、模型評價 檢查1）路徑系數(shù)/載荷系數(shù)的顯著性,；2）各參數(shù)與預(yù)設(shè)模型的關(guān)系是否合理；3）各擬合指數(shù)是否通過 4,、模型修正 模型擴(kuò)展（使用修正指數(shù)）或模型限制（使用臨界比率） 四,、具體過程 1、數(shù)據(jù)準(zhǔn)備 樣本量：一般認(rèn)為樣本數(shù)最少應(yīng)在100以上才適合使用最大似然估計(jì)法（MLE）來估計(jì)結(jié)構(gòu)方程（侯杰泰,，2004）,，但樣本數(shù)過大（如超過400到500時），MLE會變得過度敏感,，容易使所有的擬合度指標(biāo)檢驗(yàn)都出現(xiàn)擬合不佳的結(jié)果（侯杰泰,，2004）。 缺失數(shù)據(jù)處理：列刪除法,、配對刪除法,、插補(bǔ)法 2、 一般應(yīng)用SEM的論文中的數(shù)據(jù)分析 （1）.信度,、效度檢驗(yàn) 信度 Cronbach’s >0.7 效度 驗(yàn)證性因子分析 （2）. 評估模型擬合度 即 估算每一個因子的載荷量 標(biāo)準(zhǔn)化因子載荷,，反映了觀測變量影響潛在變量的部分差異,，用于表示觀測變量與潛變量之間的相對重要程度。 檢查每一個單一因子的測量模型對問卷數(shù)據(jù)的擬合度 檢查整個模型對問卷數(shù)據(jù)的擬合度 估算潛變量之間的關(guān)系 五,、 SEM的主要擬合度指標(biāo) 1,、 基本擬合標(biāo)準(zhǔn) 基本擬合標(biāo)準(zhǔn)是用來檢驗(yàn)?zāi)Ｐ偷恼`差以及誤輸入等問題。 主要包括： （1）不能有負(fù)的測量誤差,； （2）測量誤差必須達(dá)到顯著性水平,； （3）因子載荷必須介于0.5-0.95之間； （4）不能有很大的標(biāo)準(zhǔn)誤差,。 2,、 模型內(nèi)在結(jié)構(gòu)擬合度 模型的內(nèi)在結(jié)構(gòu)擬合度是用來評價模型內(nèi)估計(jì)參數(shù)的顯著程度、各指標(biāo)及潛在變量的信度,。 主要包括： （1）潛變量的組成信度（CR）,，0.7以上表明組成信度較好； 潛變量的CR值是其所有觀測變量的信度的組合,，該指標(biāo)用來分析潛變量的各觀測變量間的一致性 （2）平均提煉方差(AVE),，0.5以上為可以接受的水平。 AVE用于估計(jì)測量模型的聚合效度,，反映了潛變量的各觀測變量對該潛變量的平均差異解釋力,，即潛變量的各觀測變量與測量誤差相比在多大程度上捕捉到了該潛變量的變化。 3,、 整體模型擬合度 整體模型擬合度是用來評價模型與數(shù)據(jù)的擬合程度,。 主要包括： （1）絕對擬合度，用來確定模型可以預(yù)測協(xié)方差陣和相關(guān)矩陣的程度,； （2）簡約擬合度,，用來評價模型的簡約程度； （3）增值擬合度,，理論模型與虛無模型的比較,。 包括 （1）χ2卡方擬合指數(shù) 檢驗(yàn)選定的模型協(xié)方差矩陣與觀察數(shù)據(jù)協(xié)方差矩陣相匹配的假設(shè)。原假設(shè)是模型協(xié)方差陣等于樣本協(xié)方差陣,。如果模型擬合的好，卡方值應(yīng)該不顯著,。在這種情況下,，數(shù)據(jù)擬合不好的模型被拒絕。 （2）RMR 是殘差均方根,。RMR 是樣本方差和協(xié)方差減去對應(yīng)估計(jì)的方差和協(xié)方差的平方和,，再取平均值的平方根。RMR應(yīng)該小于0.08,，RMR越小,，擬合越好,。 （3）RMSEA 是近似誤差均方根 RMSEA應(yīng)該小于0.06，越小越好,。 GFI 是擬合優(yōu)度指數(shù),，范圍在0和1間，但理論上能產(chǎn)生沒有意義的負(fù)數(shù),。按照約定,，要接受模型，GFI 應(yīng)該等于或大于0.90,。 （4）PGFI 是簡效擬合優(yōu)度指數(shù),。它是簡效比率(PRATIO，獨(dú)立模式的自由度與內(nèi)定模式的自由度的比率)乘以GFI,。 PGFI 應(yīng)該等于或大于0.90,，越接近1越好。 （5）PNFI 是簡效擬合優(yōu)度指數(shù),，等于PRATIO乘以 NFI,。 PNFI應(yīng)該等于或大于0.90，越接近1越好,。 （6）NFI 是規(guī)范擬合指數(shù),，變化范圍在0和1間， 1 = 完全擬合,。按照約定,，NFI 小于0.90 表示需要重新設(shè)置模型。越接近1越好,。 （7）TLI 是Tucker-Lewis 系數(shù),，也叫做Bentler-Bonett 非規(guī)范擬合指數(shù) (NNFI)。TLI接近1表示擬合良好,。 （8）CFI 是比較擬合指數(shù),，其值位于0和1之間。CFI 接近1表示擬合非常好,，其值大于0.90表示模型可接受,越接近1越好,。 六 模型修正 研究者可以參考察初始模型的顯著性檢驗(yàn)結(jié)果和軟件（AMOS）提供的模型修正指標(biāo)對模型進(jìn)行修正。 (1)模型擴(kuò)展 添加新路徑,，提高模型的擬合度 修正指數(shù)(modification index) 整個模型改良時卡方值減少 (2)模型限制 刪除或限制部分路徑,，提高模型可識別性 臨界比率(Critical ration for difference) 使結(jié)果更具有現(xiàn)實(shí)性和解釋性 七、 一個例子—— 消費(fèi)者網(wǎng)上信任模型  |
|
|
來自： 文摘寶藏 > 《心理學(xué)》
