SEM論文寫作不求人.pdf

TRISTAR*SEM文嘉作不求人三星统言十服将有限公司轨行房Amos克洲一哥 阪僚豪TRISTARSEM文分析嘉作矜（第一天）研究鼓言十-潸在横面探言寸一冏卷言十唳-资料检查-项目分析-檬本及检定统言十力 估言十资料n检-叙述性统言十-遗漏值虑理-交叉分析-被逗题分析-遹合度检定一同性检定2TRISTARSEM文分析嘉作矜（第一天）瞬瞪式因素分析一-F皆及二F皆瞬瞪式因素分析一多元常憩及例外值检定-SEM二F皆段型即-遑反多元常憩的因;!t 共同方法燮昊横定-哈F号氏罩因子检定-CFA罩因子及多因子椀定3TRIM选 RSEM文分析嘉作矜(第二信度舆效度(SEM Unidimensionality test)-税成信度-平均燮昊教萃取量-收嫩;效度-国别效度TRISTWSEM文分析嘉作矜（第一天）SEM模型估言十-配遹指襟的辍告-参数的解模型不建性检定-交叉效度-检定统字十力及檬本教言十算5TRIM选 RSEM文分析嘉作矜（第三天:,多群比敕.兢孚模型的比较 中介模型的押估 干摄模型的押估TRISTAR*千呼离噢始出来一文架横 SEM傅统迪牖分析具有更大的检定能力，1卷模型估言十考虑了-交互作用-非性模型-自燮数相H-测量差-差项相H-同步分析多使I潜在燮数及多重指襟测量（含内生舆外生潜在燮数）TRISTW千呼离噢始出来一文架横概念模型的崖生，包含内生（依）燮教及外生（自）燮教、中介及干摄夔数。-多馀的燮数造成共性的冏题-未包含重要燮数造成内生燮数估言十的偏 SEM模型中成封建数之的方向性（相IITRISTAB潸在燮教VS.察燮教潸在堤数(constructs;factors;latent;unobserved variables)-模型中的位置可熟自建数，鹰夔教，中介燮数 一辗法直接暹行测量,但可以藉由觐察燮项反；!t 的燮量，如魅度、自我效能、忠度等。-因此,必需藉由觐察燮数接衡量，如圃-箭由潸在燮指向觐察燮数-觐察夔数卷潜在夔数的反映 因此耦悬反映型指襟度 意 鬲、/TRISTW潸在燮数vs.察燮教 察堤敦(indicator,observed or manifest or reference variables)-可以被直接测量的题目，如冏卷题目-程I潜在燮数有3偃I题目是矜分析的基本要求，建45傥I题目即可-位I潜在燮数只用2他或1据|题目it不建，除非研究者有足条I的瞪摞可以瞪明题目具有良好 的信、效度TRISTAR情念鼓定的考量ReferenceLegitimateRewarde10Coercive耀力五大来源POWER五大人格特1貌和性1勤勉骞慎1人格特皙外向性情雌定狸笑放卷卷卷卷0题包好G砂6E岛前壮娓小站2 TRISJXR(Jarvis et aL 2003;MacKenzie et aL 2005)1.因果II你必需是情面到觐察燮(Churchill/979)2.差在觐察燮数 3.觐察燮数需具有内部一致性(Fornell and Bookstein.1982).4.觐察燮数需具有中高度相H(Fornell and Bookstein.1982)5.一位I情面至少需具有3他觐察建数(Bollen,1989)6.觐察燮教具可交换性(Nunnally and Bernstein,1994.)7.移除情面中的某特定觐察建教,不曾影情面的 意莪(Bollen and Lennox,1991;Nunnally and Bernstein,1994;Jarvis et al.,2003).情面需具有数字的敏感性(DeVellis.2003)。TRISTAR*以下造偃I又如何呢？TRISTW结横模型是横念H保的组合偃I人主莪封判蜀格的影警TRISTAR 情面可行舆否的判定脩件衡量潜在情面的题目，包含次情面，是否有一定 的信度(夔勤的一致性)，造是反映型指襟的特 性。(DeVellis.2003)情面本身分数的高低是否具有可解的意莪,如信任分数高表信任程度高,反之亦然。(OeVellis,2003)英if能力程度好的,大部份It、貌、嘉都曾不差；英能力分数高表英能力程度较高beVellis R.F.(2002),Scale Development：Theory and applications(2nd Edition),Sage.英能力TRIST选SEM冏卷言十矜1.量表最好卷七黠尺度(Bollen,1989)2.每偃I潸在情面至少要有三偃I题目，五七题卷佳(Noar,2003)3.每一指襟不得横跨到其它潸在因素上(Bollen,1989)4.冏卷最好引用自知名者，儒量不要自己创造5.6.7.理架情要根摞季者提出的理作修正模型主要横面雒持在5偃I以内,不要超遇740模型中潸在因素至少鹰卷雨值I(Bollen,1989)TRISTAR 忠度兢事模型的比较舆逗择 SEM概念模型TRIgl选 R研秃假、假:模型期望共燮昊教矩阵典檬本共燮昊数矩阵没有差累S-X(0)=O I-HOa：魅度忠模型期望共燮昊教矩阵典棣本共建昊教矩障波有差昇 I-Hob:行卷忠模型期望共建昊教矩阵典檬本共建昊 教矩阵没有差累春瀛一二企棠形象封魅度忠及行卷忠影警没有差累假Q：满意度封II度忠及行卷忠影警没有差累傅装成本封憩度忠及行沏忠影簪波有差累TRISTAR资料源J 霓(Data screening)项目分析分析资料颈塞-叙述性统言十（遗漏值、建槽、平均数、建昇救、偏憩、峰度）-交叉分析-穆逗题分析-遹合度检定-同性椀定TRIM选 R(pretest)檬本4050他檬本(more is better)目的在硅熬量表题目的意是否通力崎、是 否有籍别字、褊排是否遹常。最重要的工作卷项目分析，就探性的信度 分析,以作卷题目改善的依摞TRIM选 R 项目刷(嬴别力分析)、目的：删除不具利力的题目 轨行步骤(SPSS)I1.耨每一横念的题目分别加或平均2.找出27及73分位数的值3.资料分成低分组及高分组雨组 14.分别迤行每一情面题目之雨立t检定 I5.平均敦差著剧表示题目具有别力，反 之即J辗愿予删除。TRISTAR1.每一情念的题目分别加或平均以客满意(CS)卷例资料集 1-PASW Statistics Data E.)穗换cd分析供)直效行电)*3言十算燮敦(C)国言十算觐察值内的数值9)偏移值(E)sav 资科集 1，PASW Statistics Data Editor脚)樽换CD分析(勺直效行(M)统言十圄9)自IT(C)聃宣昌画道褊璀aa hh 1:IDIDCS1CS2CS3CS4CS5CS6CS71I1 I4.004.005.005.005.005.004.00225.005.005.005.005.005.005.00337.005.007.007.007.007.007.00445.002.005.005.004.005.005.00555.005.004.003.005.005.004.00664.003.005.007.004.005.005.00775.003.005.003.005.003.003.00885.005.005.005.004.004.004.00995.005.005.005.005.005.005.0010105.005.005.005.005.005.005.00TRISTAR*1.每一情念的题目分别加或平均If算燮数 区 IV 资料集 1-PASW Statistics Data Edi(D)傅换(I)分析(A)直效行(M)统言十圄9)MEAN(CS1,CS2,CS3,CS4,CS5,CS6,CS7|)L0 i2嘱相CSAVG1SB毒场型 二rri同L28578ID/CS1/CS2CS5CS6CS7CSAVGHHHBSSQQHE0函数群余凤:全都5.005.004.004.57/CS31土 口卜算街15.005.005.005.00 CS4CDF舆非集中CD 樽换7.007.007.006.71夕CS500目前日期/畤尚口廿口普尔4.005.005.004.43 CS6夕CS7八。删除日期舁俯,Ml-.一 IN函数舆特殊燮数(E)：5.004.005.005.004.005.004.434.71/SQ1/SQ2/SQ3 SQ4 SQ5Mblen.Byte F5.003.003.003.86MEAN(numexpr)numexpr,.)o 数值。僖 回其引数的算数平均数,引数包含有 效值和未道漏值。此函数需要雨他或以 上的引数(必须是数值)。您可篇此要辞T|MpaaMedian4.004.004.004.57Min Missing Mod5.005.005.005.00115.005.005.005.002山JTn函LJXx*fr点l心t=t.r.immu.Ncdf.Beta Ncdf.Chisq Ncdf.F Ncdf.T Nmiss5.005.005.005.00甚小(可省略觐察他溟候修件)4.004.004.004.005.004.005.004.86|砧上之趾)|重官殳(B)|取宜mm 1.002.007.002.43TRIST选R2.找出27及73分位数的值lata Editor幸艮表但)，叙述统言+但),表格但)比敕平均数法(M)国次数分配表().出描述性统言十量)次数X燮敦(Y):统言十量也)CSAVG圄表(Q)夕CS2/CS3格式(上)自助法但)且占上之彳文)重言殳(R)取消标it量本甫助明CSAVG1固嫩 有效的60迨漏值U百分位数 274 4286735.2186TRISTAB：3.资料分成低分la及高分ia雨la樽控CD分析()直效行四)圄(重新编碉成不同燮数Xi言十算燮数(C)日言十算践察f直内的数值9“偏移值(E)国重新褊礁成同一燮数(W)国重新成不同燮数(RL图自勤重新褊码()TRIST选我3.资料分成低分la及高分ia雨la重新编碉成不同燮数二营值舆新值3窗直数值(V):系统道漏他)系*充或使用者道漏值(5轮圉但):到(T)。籁履|，LOWEST至川直(C)：您籁圉，他到HIGHST(E)：5.21全部其他值9)产用直篇 WA)：12。系东充道漏值(X)WSffi(P)营值 新值(D)：Lowest thru 4.43 1M(2)8输出燮数篇字串但)S揩敦值字串例换篇数字C5-5)(M)股消本甫助明CSAVGCSHL4.575.006.712.004.431.004.431.004713.861.004.575.005.005.004.001.004.862.431.005.004.864.864.431.00TRISTAB：4.迤行每一情面题目之雨立十横定幸艮表出)叙述统言十但)表格但)比较平均数法(M)一般东泉性模式9)慨化半泉性模式(Z)混合模式(出 相脚)ta Editor谪獴立檬本T检定胎十圄9)自ST()效用值(且)嘉一一1，用*-*1 t t L渭心1m平均飘场3罩一檬本T横定隹)丽褐立檬本工横定(T)忠成封糕本T椀定(巳)B罩因子燮累数分析9).热ID6CSAVG/SQ1夕SQ2/SQ3/SQ4夕SQ5,SQ6,SQ7SQ8碓定X分系且燮数(),回|CSHL(1 2)|定羲别(D)砧上之接史)重言殳(R)取消本甫助明TRIgl选 RE5.平均教差著表示题目具有嬴办祸立模本检定燮巽数相等的Levene检定平均数相等的t检定F W骸著性t自由度著性震尾）平均差具襟型差巽差巽的95%信赖下界上界CS1 假燮巽数相等2.055,161-5.15833.000-2.03618,39479-2.83940-1.23297不假燮其做相等-5.25032,977.000-2.03618,38786-2.82530-1.24706CS2 假燮其做相等U03.956-5.63333.000-2.23355,39653-3.04031-1.42680不假燮巽徽相等-5.50527.833.000-2.23355.40575-3.06492-1.40218CS3 假燮累触相等.34 b,560-4.64133.000-1.88816.40680-271581-1.06051不假燮累数相等-470932,996.000-1.88816.40094-270388-1.07243CS4 假燮巽做相等4.308.046-5.36233.000-2.55263.47602-3.52109-1.58417不假IS燮其酸相等-5.64028.000.000-2.55263.45257-3.47967-1.62559CS5 假燮昊做相等.022.884-6.38733.000-2.44079.38213-3.21825-1.66333不假燮其徽相等-6.47832.992.000-2.44079.37677-3.20734-1.67424CS6 假燮巽做相等1.789190-6.96433.000-2.35526.33823-3.04339-1.66714不假燮昊殿相等-6.96031,928.000-2.35526.33840-3.04463-1.66590CS7 假燮巽酸相等2.937.096-4.31233.000-1.38158,32038-2.03340-.72975不假燮巽做相等-4.27030.499.000-1.38158,32352-2.04185-72131TR1ST 矗 R*交叉分析列馨表分析同性检定遹合度检定褐立性检定TRIST选R同性检定（辗反鹰偏差分析）目的-检定不同人口母群，在某一建项的反鹰是否具有著差昊；亦即雨傥I棣本在同一建项中之分 怖情形。遹用畤械-酬寄冏卷畤，比较早期回收群及俊期跟催回收 群之人口统言十燮项。-街冏畤，比较顾意主勤作答群及被勤作答 群之人口统言十燮项。-受者中包含不同BI艘。-路冏卷舆纸本冏卷的比较。TRISTAR*遹合度检定目的-研究棣本是否抽棣母群分配相符合畤以卡方检定暹行之；每次检定内容僮涉 及一假I燮项遹用畤械-富研究者想知道棣本是否能代表母醴畤用人口统言十燮项舆母醴资料比较。（如 内政部有完整的人口统言十资料）。TRIST选R幸艮表(E)叙述统言十(巨)表格但)比敕平均数法(M)一般性模式9)概化半泉性模式 混合模式(X)相翩C)MW(R)封数生泉性9)神路州)分类鼠0 雄度褊减(D)尺度(A)瓢母数旅定(N)予嬲(I)存活分析)禊逗题分析(旦),KJ卡方豫定统鼾强A罩一梯本(Q)A褐立标本(!)-1棚璃本屣史学指舌鳏(L)团二式(旦)掘速检定(B)B罩一檬本K-S椀定口)B二佃褐立槎本化)长佃褐立檄本(2.国二假聊璃本)画K倜相檬本).一gender性别卡方682a自由度1渐近颍著性.4092.0倜格(.0%)的期 望次数少於5。覆小 的期望格次数焉 88.5。TRISTAR穆逗题分析（Multiple Response、穆it题分析提供多元化的资IK以供决策参考悠曾想换行勤甯带的原因（雀逗）故障 檄型老着 换手檄力虢 新座品推出甯信公司服祷不好 有促箱活勃 其他 以下哪些因素能吸引您更操手梅（可稹逗）Q信格便宜园除漫遮Di微精小 功能膂全造形酷炫 服燕熊度促销活勃 口一售浚服燕口根覃可靠 i底牌 通括黄率 申藐手随通括品 u其他TRIgl选 R资料翰入（以假I别题目型熊输入）定莪集群-黠逗统言十分析f禊逗题分析f定羲集合-定羲集内的燮数 完成虚掇凌题堤项 次数分配表分析 交叉表分析TRI1选R藕题矜上的意羲$c7次数反鹰值瞿兄察值百分比彳固数百分比$c7a c7ml 格便宜18013.6%57.7%c7m2功能膂全16312.3%52.2%c7m3造形酷炫725.4%23.1%c7m4 牌囚素916.9%29.2%c7m5通言SW率14010.6%44.9%c7m6或IE祭漫游221.7%7.1%c7m7服矜憨度846.3%26.9%c7m8促金肖活勤1068.0%34.0%c7m9申言青手方便12.9%3.8%c7ml0通含舌品15411.6%49.4%c7mll St稹小13810.4%44.2%c7ml2售接服矜1027.7%32.7%c7ml3巾晨军可靠513.9%16.3%c7ml4其他9.7%2.9%_4 a-t、r.-r-r、上，_r _r_ 一.r .a a_，1324100.0%424.4%a.二分法群at表列於值1。TRISTAR叙述性统言十效述统言十分次数分配表今统言十量次数分配表：统言十量集中超势；囹平均数(MV中位数(D二篇数9)穗和)瞿昆察值篇别中黠(L)分配-分散情彩a檄S差CD囹|丽画 囹燮巽敷(Y)囹最大值(X)0偏熊)囹峰度(K)相同值别轮圉(A)口平均数的榄型言累回东豳曹 取消 本甫助明TRIgfAR*彖数矜上的意涵一本克剩量CS1CS2CS3CS4CS5CS6CS71同数 有效的295295295295295295295迨漏值0II0Li|：|IJ0平均数4.85424.13564.67125.58984.88475.08814.9492中位数5.00004.00005.00006.00005.00005.00005.0000檬型差1.179091.360991.185381.216901.277861.206151.05340燮巽数1.3901.8521.4051.4811.6331.4551.110偏悲-.605-.191-.574-.975-.354-.276-.232偏憩的襟.142,142.142.142.142.142.142峰度.270-.503,6381.205.295.184.030峰度的.283.283.283.283.283.283.283最小值1.001.001.001.001.0 Li1.002.00最大值7.007.007.007.007.007.007.00SEM文分析流程一 F皆、二隋瞬瞪式因素分析配逾度辍告*yes 百，最大概似法-多元常检定-hO bootstrap-SEM分析-信、效度 其它假Y群ia比较 平均数比较 兢事模型 中介效果L千摄燮数TRISTAR瞬瞪式因素分析(CFA)一 及二F皆瞬瞪式因素分析多元常憩及例外值横定 5EM二F皆段型即遑反多元常熊的因鹰TRISTAR 瞬瞪式因素分析 一睹瞬瞪性因素分析二醋性因素分析 成信度(CR)典夔昇数萃取量(AVE)40TRISTAR一 F皆瞬瞪性因素分析chpsquare=cminp-value-pdegree of freedom-df norm chi=cmindf gfi-gfi agfi-agficfi=cfi tli=tlirmsea-rmseachi-square=62.793 pwalue=.OOOdegree of freedom=14norm chi=4.485gfi二.943 agfi=.886币二.922 cfi=.921 Hi二.882 rmsea=.1090 0度 意 鬲、/64.71*3.87满意度TRISTAR CFA分析畤常兄的冏题1.因素中负荷量不高如小於0.45 一冏卷言十不良,缺乏信度2.因素中负荷量有些超谩1。_觐察燮数之有共性3.】素负荷量部份不籍大於0.7，部份不佳小於0.5。潜在情面可能不是一桐I,而是雨使I潸在情面42TRISTAR*CF A分析畤常见的冏魅像）4.I素负荷量都不it，大於0.7,但模型配遹度不佳。-残差不褐立,即棣本不褐立5.因素负荷量卷负值-表反向题忘了傅向6.CFA根本跑不出来-察燮教之相太低-觐察燮教之完全相H43TRIST选我Modification Indices 用法!登昌C君|电D臼satisfation cfa.amw+Analysis Suramaxy Notes for Group+Variable Summary Paiameter summaiy+Notes fdr Model Estimates-+Modification Indices70巴门Modification Indices(Group number 1 Default model)IvllIUIEU251UtJn H12oy Model FitExecution TimeCovariances:(Group number 1 Default model)MJ.Par Changeu5 e68.424.162e4 e54.075.113e3 e7A 7A，.118c2 v-e64.676-.142e2 e49.710-.205el v-e54 3y1.J 1 1-.110cl e2”729.31644TRIM选 残差相、根摞Ml值建立残差之的相，藉以改 善模型配遹度是不被鼓的做法(FornelL 1983;Chin,1998)，除非1.具有理或方法上的根摞2.修正彳复不畲著的改建退牖保数的估言十3.不曾著的改建测量燮数负荷量的估言十(Bagozzi,1983)TRISTAR View多元常憩及例外值横定Analysis Proper-Output勾逗襟型化估言十常熊及例外值检定*Analysis Properties _ _Estimation|Numerical|Bias|电on historyB Standardized estimatesran:Output：|Bootstrap|Permutations|Random#|Title Indiiect,diiect&total effects厂 也ctor score weights Sijqaied multiple conelations厂 Covariances of estimatesSample momentsImplied moments All implied momentsR Tests for npnnality and outliers厂 OJerved infbnnation matrix Modification indices Conelations of estimates Critical xatioG for differencesThieshold for modification indicesTRW选 R多元常拆定、偏魅及峰度是检查是否覃燮量常憩的重黠多元常憨即|是看Muhivariate的c.r.35mos Output国 Analysis Summaiy Assessment of normality(Group number 1)Notes fbr Group _:E昌华总I电D|3-7-0 EDsn i 曲-satisfatioji cfa.amw由Variable SummarYVariableminmaxqk?wc rIcirrtcqisc r二皿一川口 L0PJ/二二二.二 ICS7xxxux2.0007.000-.231-1.619.010.034TUbiimtinfnc 再也 11 八miii llllhTf而id(Mahalanobis distance)CS61.0007.000-.274-1.924.160.563j Notes for ModelCS51.0007.000-.352-2.468.269.944&Estimatesj Modification IndicesCS41.0007.000-.970-6.8001.1644.082Minimizaition HistoryCS31.0007.000-.571-4.002.6072.128+Model FitCS21.0007.000-.190-1.329-.515-1.807Execution Timer CS1.、1.0007.000-.601-4.217.246TRIST选R-理上常II峰是偏憩卷0，峰H卷3s F s S 斗 由於统言十戟&睾魅曾减3,因此峰熊卷。及偏魅卷。视卷常憩）。-上偏憩东邑封值在2以内，峰11多邑封值在7以内可视悬常H，skew3；B端偏憩，kurtosis20端峰H。SPSS recommends that you divide the skewness by its standard error.If the result is less than 2.5(which is approximately the p=.01 level),then skewness is not significantly different from normal.A problem with this method,aside from having to use a calculator,is that the standard error depends on the sample size,so with large samples most variables would be found to be nonnormal.A simpler guideline is that if the skewness is less than plus or minus one(+/L0),the variable is at least approximately normalTRISTAR趣端值检定 p2著只代表距蹄的存在很有信心，但不一定是例外值mos Output昌昌电D|3E satisfation cfa.amw FFCbd 1 7 0S Analysis SummaryObservations farthest from the centroid(Mahalanobis distanceMGrouD number 1)Notes for Group囹 Variable Surnmaiy Pamneter summary Assessment of normalityObservations fkrdtuest fkcn the centroid(Mahahnohs distance)S Notes for Model由 EstimatesS Modification IndicesMinimisation HistoryObservation numberMahalanobis d-squaredpl23933.452.0001432.601.00024625.349 0001168/.001;一22.095.002S Model Fit Execution Timep2小於.001表示，焉氏距离隹是存在的22.07521.56821.10320.57920.53119.462.002.003.004.004.005.OCTp2006 o.000.001.000.001.000.000.000.000.000.000TRISTAR非多元常憩的虑理 SEM用的是最大概似估言十法(MLE)，前提 必而是资料符合多元常憩假,否即曾造 成卡方估言十值膨胀，使得模型配遹度燮差。资料卷非多元常憩畤，可探用bootstrap(自助法海需母醴常憩假t)估言十加以修正。Amos内建 Bollen-Stine p correctiont新估言十模型配遹度TRISTARBollen-Sthie bootstrap Bootstrap 次数至 少 1000次，2000 次可得到较稳定 的结果TRISTAR*Bollen-Stine 算/吉果Assessment of normalityObservations farthest from the centroid(Mahalanobis dfctau+Notes for Model+EstimatesB Modification IndicesMinimization HistorySnmmaxy of Bootstrap IterationsBollen-Stine Bootstrap+Bootstrap Distributions 由 Model FitExecution TimeI.I2000偃I模型收敛的 迭代次数，次教愈 少表模型愈好Group number 1IterationsMethod 0Method 1Method 21000000c J000407)/0505730606370一041708020109062010028011001201013070140001500016000170001800019000Total 0 2000 00 bootstrap samples were unused because of a singular covariance matrix.0 bootstrap samples were unused because a solution was not found.2000 usable bootstrap samples were obtained.ooiien-Tine p-voiue(Byrne 2001,284-285)Bollen-Stine bootstrap p的意莪卷：下一根i出现较差模型的概率卜(0+1)/2001=.0005IAmos OutputQ 昌 ca#电 D|4 q-o llfFlP B n tti(S satisfation cfa.amwE Analysis SummaxyNotes for Group田 Variable SummaryPnameter summaiyAssessment of normalityOhsemtions farthest from the centroid(Mahalanobis distajS Notes fbr ModelE EstimatesBollen-Stine Bootstrap(Default model)The model fit better in 2000 bootstrap samples.It fit about equally well in 0 bootstrap samples.It fit weirsu 0r ai13d to fit in 0 bootstrap sarntplusTesting the null hypothesis that the model is correct Bollen-Stine bootstrap p=.0005田 Modification Indices Minimisation History Summary of Bootstrap IterationsBollen-Stine Bootstrap由 Bootstrap DistributionsE Model FitExecution TimeTRISTAR*BootstrapDistributions、18.3卷轨行2000次的估言十所得卡方值加名息平均值,Amos Output;口昌02区电D 4 7 0E satisfation cfit.amwE-Analysis SummaryNotes for Group由 Variable SummaryParameter summaryAssessment of nonnalityObservations farthest from the centroid(Mahahnobis distauE Notes for Model由 Estimates由 Modification IndicesMinimization HistorySummaiy of Bootstrap IterationsBollen-Stine BootstrapEasni?ML discrepancy(implied vs sample)(Default model)4.23018.004911.779715.554519.329323.104126.878930.653734.428638.203441.978245.753049.527853.302657.0774*靠*率*审*审*审审审审审审审审审审*TRIST选我Bollen-Stine重新估言十酉己遹度Bollen-Stine bootstrap p correction estimatedTRISTAR*重新估言十路彳坐值(bootstrap 1000)取消 Bollen-Stine bootstrap，黠逗估言十95%信赖国，重新估言十新的Analysis PropertiesEstimation|Numerical|Bias|Output Bootstrap|Permutations|Rauidom#|Title Peifbnn bootstrap“Percentile confidence intern 5L iijas-conected coniidence intervals1000Mu aber of bootstrap samplesPC co ifidence levelBC co ifidence levelF?X Bootstrap ADF Monte Carlo(paxametric bootstrap)歹 jB&iis耘p ML 1_ Report details ot each bootstrap sample厂 Bootstrap GLS BoUen-Stjne bootstrap Bootstrap SLSBoot&ctor Bootstrap ULSTRISTARML 舆 Bootstrap#it 值 Bootstrap的表要在黠iBestimate下的逗项俊，下面Boots trap的结果才能黠逗Covariances:(Group number 1-Default model)weight year engine weight weightV-V-V一一 engine horse horse horsevearEstimate 83310.0468-55-3579 3585.4403 278603889-504.5697SE 6172.8774 10,6193 271.7300 2164.9652 229.7711C.R.P13.4961*13.1949*12.8687*-2.1960.0281LabelCovariances:(GrouD number 1 Default model)Parameter weight year engine weight weight engine engine horse horse horseyear yearSE 4580.7897 7.5608 259.6243 1876.4820 445.1134 40.1412SE-SE102.4296.16915.805441.95949.9530.8976Mean 82943.6240-54.9677 3561.3708 27706.9676-499.7861-102.5315Bias-366.4228.3901-24.0695-153.4213 4.7836 1”3SE-Bias144.853,23918.210059.339614.07571.269411TRISTW Bias-corrected及Percentile是彳艮重要的雨槿bootstrap的信赖估言十法共建昊数的信E Estimates田ootstrapEstimatesBootstrap standard errors _ Bootstrap ConfidenceBias.oonectod percentile methodPercentile methodCovariances:(Group number 1-Default model)ParameterEstimateLowerUpperPweightV-engine83310.046874854.994292541.8072.0011yearV-horse-55.3579-70.6022-40.9816.0014enginehorse3585.44033102.42494168.6877.0009weighthorse278603889244