结构方程模型专题省名师优质课获奖课件市赛课一等奖课件.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,本幻灯片资料仅供参考，不能作为科学依据，如有不当之处，请参考专业资料。谢谢,结构方程模型,（,Structural Equation Modeling,SEM,）,第1页,概念介绍,基本原理,案例分析,实际操作,01,02,03,04,目录,CONTENTS,第2页,01,概念介绍,1.,基本概念,结构方程模型,（,Structural Equation Modeling,SEM,）,是一个,验证性,多元统计分析技术，,是应用,线性方程,表示,观察变量与潜变量,之间，以及,潜变量之间,关系一个多元统计方法，其实质是一个,广义普通线性模型,。,SEM,假定一组潜变量之间存在因果关系，潜变量能够分别用一组显变量表示，是某几个显变量中线性组合。经过验证显变量之间协方差，能够预计出线性回归模型系数，从而在统计上检验所假设模型对所研究过程是否适当，假如证实所假设模型适当，就能够说假设潜变量之间关系是合理。,SEM,包含：因子分析（验证性因子分析、探索性因子分析）、回归分析、路径分析、检验、方差分析、潜变量因果模型（全模型）、高阶因子分析、多质多法分析、潜变量增加模型,第3页,01,概念介绍,2.,产生发展,20,世纪,70,年代，一些学者（,Joreskog,1973;Wiley,1973,）将,因子分析、路径分析,等统计方法整合，提出结构方程,初步概念,。,Joreskog,与其合作者深入发展,矩阵模型,分析技术来处理,共变结构,分析问题，提出测量模型与结构模型概念，促成,SEM,发展。,Ullman,（,1996,）定义结构方程为“一个验证一个或多个自变量与一个或多个因变量之间一组相关关系多元分析程式，其中自变量和因变量既能够是连续，也能够是离散”，突出其,验证多个自变量与多个因变量之间关系,特点。,第4页,3.,应用领域,SEM,在,心理学,、,社会学,、,行为科学,等领域均得到广泛使用,在心理学领域，,SEM,能够应用于检验,心理测量信度、效度,及解释测量中一些问题，为检验观察数据与基木行为结构之间关系提供了一个有效方法。,在社会科学及管理学等领域，许多变量是人们为了了解和研究问题而建立假设概念，是不能直接测量，也不存在直接测量方法。利用一些可观察变量作为潜在变量“标识”时，又往往包含大量测量误差。利用,SEM,能够使研究人员在分析中,处理测量误差,，探求潜在变量之间结构关系。,在市场研究领域，,SEM,能够用于消费者满意度研究、对产品或服务偏好以及购置行为研究、行为和态度动机探索、生活方式研究等。,新应用：,多重样本分析,、,交互作用效应检验,、,均数差异检验,、,纵向设计,01,概念介绍,程开明,.,结构方程模型特点及应用,第5页,01,概念介绍,4.SEM,优点,同时处理,多个因变量,。,允许自变量和因变量含,测量误差,。,同时预计,因子结构,和,因子关系,。,允许,更大弹性,测量模型。,预计整个模型,拟合程度,。,5.SEM,惯用软件,LISREL,设计：,Karl Jreskog,和,DagSrbom,代理：,Scientific Software International,AMOS,设计：,James Arbuckle,代理：,SPSS,EQS,设计：,Peter M.Bentler,代理：,Multivariate Software,Mplus,设计：,BengtMuthn,和,Linda Muthn,（自理,）,第6页,01,概念介绍,6.SEM,技术特征,含有,理论先验,性,。,同时处理原因,测量关系,和原因之间,结构,关系,。,以,协方差矩阵,利用为,关键。,适合用于,大样本分析,（样本数,200,）。,包含,不一样统计,技术,。,重视,多重统计指标,利用。,7.SEM,样本规模,资料,符合常态、无遗漏值及例外值,(Bentler&Chou,1987),下，样本百分比最小为预计参数,5,倍、,10,倍则更为适当。,当原始资料,违反常态性假设,时，样本百分比应提升为预计参数,15,倍。,以,最大似然法（,Maximum Likelihood,，,ML,）,评定,，,Loehlin(1992),提议样本数最少为,100,，,200,较为适当。,当样本数为,400500,时，此法会变得过于敏感，而使得模式,不适合,。,第7页,1.,模型构建,构建研究模型，详细包含：观察变量（指标）与潜变量（因子）关系，各潜变量之间相互关系等。,2.,模型拟合,对模型求解，其中主要是模型参数预计，求得参数使模型隐含协方差距阵与样本协方差距阵“差距”最小。,3.,模型评价,路径系数,/,载荷系数显著性；,各参数与预设模型关系是否合理；,各拟合指数是否经过。,4.,模型修正,模型扩展（使用修正指数）或模型限制（使用临界比率）。,02,基本原理,第8页,02,基本原理,1.,模型构建,变量,观察变量：能够观察到变量（路径图中以长方形表示,）。,潜在变量：难以直接观察到抽象概念，由测量变量推估出来变量（路径图中以椭圆形表示,）。,内生变量：模型总会受到任何一个其它变量影响变量（因变量；路径图会受到任何一个其它变量以单箭头指涉,变量。,外生变量：模型中不受任何其它变量影响但影响其它变量变量（自变量；路径图中会指向任何一个其它变量，但不受任何变量以单箭头指涉变量,）。,第9页,1.,模型构建,变量,中介变量：当内生变量同时做因变量和自变量时，表示该变量不但被其它变量影响，还可能对其它变量产生影响。,内生潜在变量：潜变量作为,内生变量。,外生观察变量：外生潜在变量观察,变量。,外生潜在变量：潜变量作为,外生变量。,外生观察变量：外生潜在变量观察,变量。,中介潜变量：潜变量作为,中介变量。,中介观察变量：中介潜在变量观察,变量。,02,基本原理,第10页,。,1.,模型构建,参数,“,未知,”和“,预计,”,潜在变量本身：总体平均数或,方差。,变量之间关系：原因载荷，路径系数，,协方差。,参数类型：,自由参数：参数大小必须经过统计程序加以,预计。,固定参数：模型拟合过程中无须,预计。,02,基本原理,第11页,1.,模型构建,路径图,路径分析最有用一个工具，用图形形式表示变量之间各种线性关系，包含直接和间接关系。,（,1,）惯用记号：,矩形框,表示观察,变量；,圆或椭圆,表示潜在,变量；,小圆或椭圆，或无任何框，,表示方程或测量,误差：,单向箭头指向指标或观察变量，表示,测量误差；,单向箭头指向因子或潜在变量，表示内生变量未能被外生潜在变量解释部分，是方程,误差；,单向箭头连接两个变量,表示假定有因果关系，箭头由原因（外生）变量指向结果（内生）,变量；,两个变量之间连线两端都有箭头,，表示它们之间互为,因果；,弧形双箭头,表示假定两个变量之间没有结构关系，但有相关,关系；,变量之间没有任何连接线,，表示假定它们之间没有直接,联络。,02,基本原理,第12页,1.,模型构建,路径图,（,2,）路径系数,路径分析模型回归系数，用来衡量变量之间影响程度或变量效应大小（标准化系数、非标准化系数）。,分为反应,外生变量影响内生变量,路径系数和反应,内生变量影响内生变量,路径系数,路径系数,下标,：,第一部分,所指向结果变量，,第二部分,表示原因变量。,（,3,）效应分解,直接,效应：,原因变量（外生或内生变量）对结果变量（内生变量）直接影响，大小等于原因变量到结果变量路径,系数,。,间接,效应：,原因变量经过一个或多个中介变量对结果变量所产生影响，大小为全部从原因变量出发，经过全部中介变量结束于结果变量路径系数,乘积。,总,效应：,原因变量对结果变量效应,总和。,总,效应,=,直接效应,+,间接效应,02,基本原理,第13页,1.,模型构建,路径图,X,为外生观察变量，,y,为内生观察变量。,为外生潜变量，,为内生潜变量。,为外生观察变量,x,误差，,为内生观察变量,y,误差，,为方程误差。,为潜变量对观察变量影响路径系数，,为反应,内生潜变量之间影响路径系数，,为反应,外生潜变量对内生潜变量影响路径系数。,02,基本原理,第14页,（,1,）,和,（,2,）,是测量模型方程,，（,3,）,是结构模型方程,。,x,外生观察变量与外生潜变量直接关系，是外生观察变量在外生潜变量上因子载荷矩阵；,y,内生观察变量与内生潜变量之间关系，是内生观察变量在内生潜变量上因子载荷矩阵；,表示内生潜变量之间关系，路径系数矩阵；,表示外生潜变量对内生潜变量影响，路径系数矩阵；,结构方程残差项，反应了,在方程中未能被解释部分。,1.,模型构建,矩阵方程式,02,基本原理,第15页,1.,模型构建,矩阵方程式,测量模型：,反应潜在变量和观察变量之间关系,方程式：,结构模型：,反应潜在变量之间因果关系,方程式：,02,基本原理,第16页,02,基本原理,2.,模型评价,参数预计,（,1,）,假设条件,测量模型误差项,，,均值为零,结构模型残差项,均值为零,误差项,，,与因子,，,之间不相关，误差项,与,不相关,残差项,与,，,，,之间不相关,（,2,）参数预计策略,加权最小平方策略（,WLS,）,最大约似法,(ML),无加权最小平方法,(ULS),普通化最小平方法（,GLS,）,渐进分布自由法（,ADF,）,第17页,02,基本原理,3.,模型拟合,主要拟合度指标,（,1,）基本拟合标准,基本拟合标准是用来检验模型误差以及误输入等问题。主要包含：,不能有负测量误差；,测量误差必须到达显著性水平；,因子载荷必须介于,0.5-0.95,之间；,不能有很大标准误差。,（,2,）模型内在结构拟合度,模型内在结构拟合度是用来评价模型内预计参数显著程度、各指标及潜在变量信度。主要包含：,潜变量组成信度（,CR,），,0.7,以上表明组成信度很好；,平均提炼方差,(AVE),，,0.5,以上为能够接收水平。,第18页,02,基本原理,3.,模型拟合,主要拟合度指标,（,3,）整体模型拟合度,整体模型拟合度是用来评价模型与数据拟合程度。主要包含：,绝对拟合度，用来确定模型能够预测协方差阵和相关矩阵程度；,简约拟合度，用来评价模型简约程度；,增值拟合度，理论模型与虚无模型比较。,第19页,02,基本原理,3.,模型拟合,主要拟合度指标,（,3,）整体模型拟合度,2,卡方拟合指数 检验选定模型协方差矩阵与观察数据协方差矩阵相匹配假设。原假设是模型协方差阵等于样本协方差阵。假如模型拟合好，卡方值应该不显著。在这种情况下，数据拟合不好模型被拒绝。,RMR,是残差均方根。,RMR,是样本方差和协方差减去对应预计方差和协方差平方和，再取平均值平方根。,RMR,应该小于,0.08,，,RMR,越小，拟合越好。,RMSEA,是近似误差均方根,RMSEA,应该小于,0.06,，越小越好。,GFI,是拟合优度指数，范围在,0,和,1,间，但理论上能产生没有意义负数。按照约定，要接收模型，,GFI,应该等于或大于,0.90,。,PGFI,是简效拟合优度指数。它是简效比率,(PRATIO,，独立模式自由度与内定模式自由度比率,),乘以,GFI,。,PGFI,应该等于或大于,0.90,，越靠近,1,越好。,PNFI,是简效拟合优度指数，等于,PRATIO,乘以,NFI,。,PNFI,应该等于或大于,0.90,，越靠近,1,越好。,NFI,是规范拟合指数，改变范围在,0,和,1,间，,1=,完全拟合。按照约定，,NFI,小于,0.90,表示需要重新设置模型。越靠近,1,越好。,TLI,是,Tucker-Lewis,系数，也叫做,Bentler-Bonett,非规范拟合指数,(NNFI),。,TLI,靠近,1,表示拟合良好。,CFI,是比较拟合指数，其值位于,0,和,1,之间。,CFI,靠近,1,表示拟合非常好，其值大于,0.90,表示模型可接收,越靠近,1,越好。,第20页,02,基本原理,4.,模型修正,（,1,）,参考标准,模型所得结果是适当,。,所得模型实际意义、模型变量间实际意义和所得参数与实际假设关系是,合理,。,参考多个不一样整体拟合,指数。,（,2,）,修正标准,省俭,标准,两个,模型拟合度差异不大,情况下，应取两个模型中较简单,模型；,拟合度差异很大,，应采取拟合更加好模型，暂不考虑模型,简练性；,最终采取模型应是用,较少参数但符合实际意义,，且能,很好拟合数据,模型。,等同,模式,用不一样方法表示各个潜在变量之间关系，能得出基本相同结果，参数个数相同，拟合程度相同模式。,实际,意义。,屡次,验证。,第21页,02,基本原理,4.,模型修正,（,3,）,模型修正方向,模型扩展方面,（放松一些路径系数，提升拟合度）,修正指数,MI,反应是一个固定或限制,参数被恢复自由,时，,卡方值可能降低最小量,。假如,MI,改变很小，则修正没有意义；通常认为,MI4,，模型修正才有意义。（显著水平为,0.05,时，临界值为,3.84,）,模型简约方面,（删除或限制一些路径系数，使模型变简练）,临界比率,CR,经过自由度调整卡方值，以供选择参数不是过多，又能满足一定拟合度模型，寻找,CR,比率最小者。,单个参数调整设为,0,。,两个变量之间路径系数关系进行调整，设为,相等。,第22页,02,基本原理,4.,模型修正,（,4,）模型修正内容,测量模型修正,添加或删除因子载荷,添加或删除因子之间协方差,添加或删除测量误差协方差,结构模型修正,增加或降低潜在变量数目,添加或删减路径系数,添加或删除残差项协方差,第23页,03,案例分析,第24页,04,实际操作,第25页,