《结构方程模型简介——Lisrel与Amos的初级应用.》由会员分享，可在线阅读，更多相关《结构方程模型简介——Lisrel与Amos的初级应用.（39页珍藏版）》请在金锄头文库上搜索。
1、1 结构方程模型(SEM)简介 Lisrel与Amos的初级应用 Structural Equation Model，SEM Linear Structural Relationship，LISREL Analysis of Moment Structure, AMOS 2 为什么要用结构方程模型 很多社会、心理、经济管理研究中所涉及到的变量，都不能准确、直接 地测量，这种变量称为潜变量，如工作满意度、价格感知等。 这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。 传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型则能同 时处理潜变量及其指标。 目前工作满意度 工作兴趣 工作
2、乐趣 工作厌恶度 工作满意度 潜变量 显变量 价格廉价性 价格公平性 价格多样性 价格感知 潜变量 显变量 3 为什么要用结构方程模型 假如4道题目来衡量企业在某方面的竞争优势，还有3道题目来测 量企业绩效。现要研究竞争优势与企业绩效的关系。 按照传统的回归分析做法：3个Y只取一个或运用某种方法合并为 1个Y 信息丢失 竞争优势 X1 X2 X3 X4 企业绩效 Y1 Y2 Y3 4 结构方程模型（SEM）的优点 同时处理多个因变量(多个Y); 容许自变量和因变量含测量误差，精确估计观察变量与潜在变 量之间的关系; 同时估计因子结构和因子关系; 估计整个模型的拟合程度，用以比较不同模型; 容许
3、更大弹性的测量模型； SEM是复杂多元的统计方法，包括:回归分析、因子分析(验证 性因子分析)、检验、方差分析、比较各组因子均值、交互 作用模型、实验设计等。 5 SEM概念 概念1：结构方程模型(Structural Equation Modeling，简称SEM)是基于变 量的协方差矩阵来分析变量之间关系的一种综合性的统计方法，因此又称为 协方差结构分析。 概念2：结构方程模型是一种通用的线性统计建模技术。它主要是利用联立方 程组求解，但是没有严格的假设限定条件，同时允许自变量和因变量存在测 量误差。 概念3：SEM是一种呈现客观状态的数学模型，主要用来呈现检验观察变量与 潜在变量之间的假
4、设关系，它融合了因素分析与路径分析两种统计技术。 关键词：结构、协方差、线性 6 理论 模型 xn1 yn1 yn2 3 xm2 2 1 4 3 xm1 1 4 1 21 1 Xn1 Xn2 Xm1 Xm1 2 xn2 1 1 Yn1 Ym2 2 2 2 Yn22 Ym13 ym2 ym2 构成要素：变量、模型 7 1、潜变量(latent variable) ：不能被直接测量的变量； 内生潜变量:受其它潜变量影响的潜变量；(,市场财务绩效) 外生潜变量:由系统外其他因素决定的潜变量；(，反应速度) 2、显变量(observable indicators)：间接测量潜变量的指标， 也称为观测变
5、量； 内生指标:间接测量内生潜变量的指标；(Y) 外生指标:间接测量外生潜变量的指标。(X) 3、误差项(、 ) 结构方 程模型 的变量 xn1 yn1 yn2 3 xm2 2 1 4 3 xm1 1 4 1 21 1 Xn1 Xn2 Xm1 Xm1 2 xn2 1 1 Yn1 Ym2 2 2 2 Yn22 Ym13 ym2 ym2 8 结构方 程模型 的结构 1、测量模型:测量指标与潜变量之间的关系 x=x+ y=y+ 2、结构模型 对于潜变量间的关系，可用结构方程表示： =B+ 反应效率 E1 E2 E3 市场绩效 财务绩效 反应效率 反应速度 xn1 yn1 yn2 3 xm2 2 1
6、4 3 xm1 1 4 1 21 1 Xn1 Xn2 Xm1 Xm1 2 xn2 1 1 Yn1 Ym2 2 2 2 Yn22 Ym13 ym2 ym2 9 SEM实质 x=x+ y=y+ =B+ SEM分析核心概念是变量的协方差，用协方差反应两个变量的 共同变异或相关联程度。 假设模型隐含的协方差矩阵B，应尽可能的接近样本协方差矩阵 A，A与B越接近，模型拟合越好，参数估计越有效。 估计方法：最大似然估计法(ML),二阶段最小二乘法(TSLS)等 LISREL（Linear Structural Relationship，线性结构关系）结 合矩阵分析技巧，用以处理协方差结构分析的一套计算机程
7、序。 AMOS （Analysis of Moment Structure,矩结构分析） 矩结构 与协方差矩阵内涵类似，结合了传统的一般线性模型与共同因素 分析的技术。 10 SEM应用条件 随机抽样 线性相关 ML和TSLS估计时满足：连续变量且多元正态分布 李克特量表 SEM适合大样本分析 样本量绝对不能小于100 200-500是最佳样本范围 使用GL估计时样本量需在200以上 标准样本量应当是变量数（题项）的10-15倍 11 在SEM分析模型中，只有测量模型而无结构模型的回归关系 ，即为验证性因子分析(CFA)； 相反的，只有结构模型而无测量模型，则潜在变量见因果关 系的讨论，相当于
8、传统的路径分析； xn1 yn1 yn2 3 xm2 2 1 4 3 xm1 1 4 1 21 1 Xn1 Xn2 Xm1 Xm1 2 xn2 1 1 Yn1 Ym2 2 2 2 Yn22 Ym13 ym2 ym2 SEM与CFA及路径分析 12 SEM建模过程 理论发展 模型界定 模型识别 抽样与测量 参数估计 模型拟合评鉴模型修饰 讨论与结论 阶段一 模型发展 阶段二 估计与评鉴 1、模型构建 2、前期工作 3、模型估计 4、模型拟合评鉴 5、模型修饰 6、假设检验 13 理论先验性 以SEM来检验因果关系是否成立主要是属于验证的性质，需以 理论为基础。 1、以核心理论为基础； 2、以相关
9、实证发现为建立潜在自变量与潜在因变量间因果关系 之依据； 3、透过逻辑推理过程验证或修正上述已建立之因果关系； 4、藉由相关理论综述与实地深度访谈，进一步验证初步建立之 因果关系。 14 实例：速度营销动态能力对企业绩效的影响 1、模型构建 理论发展 模型界定 变量确定 研究假设 H1：速度营销反应效率对企业市场绩效存在正向的影响关系； H2：速度营销反应速度对企业市场绩效存在正向的影响关系； H3：速度营销反应效率对企业财务绩效存在正向的影响关系； H4：速度营销反应速度对企业财务绩效存在正向的影响关系； M1 M2 M3 市场绩效 F1 F2 F3 财务绩效 反应效率 反应速度 E1 E2
10、 E3 S1 S2 S3 E3 15 2、前期工作 研究设计 变量的测量（李克特量表） 问卷设计 数据收集 前期数据分析 描述性统计(SPSS,EXCEL) 信度分析(SPSS) 效度分析 EFA 16 309份有效问卷 17 信度分析(SPSS) 信度（Reliability）又可称为可靠性，是指测验的可信程度。 信度好的指标在同样或类似的条件下重复操作，可以得到一致 或稳定的结果。它主要表现测验结果的一致性、一贯性、再现 性和稳定性。 量表的信度分析包括内在信度分析和外在信度分析。内在信度分析 重在考察一组评估项目是否测量的是统一特征，这些项目之间是否 具有高度的内在一致性；外在信度分析是
11、指不同时间对同批被评估 对象实施反复测量时，评估结果是否具有一致性。主要是内在。 指标：克朗巴哈系数 （Cronbachs ） 修正总相关系数(CITC) 折半信度系数（即可测量外在信度又可测量内在信度） 18 效度分析 内涵 内容效度：内容效度指测试或量表内容或题项的适当性与代表性。 效标关联效度：是指测量工具的内容具有预测或估计的能力。 构建效度：建构效度是指测量结果体现出来的某种结构与测值之间 的对应程度。 一般分为收敛效度和区分效度。 收敛效度：当测量同一构念的多重指标彼此间聚合或有关连时，表 明聚合效度存在 区分效度：区分效度是指当一个构念的多重指标相聚合或呼应时， 则这个构念的多重
12、指标也应与其相对立之构念的测量指标有负向相 关，若相关程度越低，则区分效度越好。 研究方法 收敛效度：因子分析法(EFA和CFA) 平均萃取量(AVE0.5) 组合信度(CR0.7) 区分效度:AVE的平方根应该大于该变量与其它变量的相关系数 19 3、模型估计（Lisrel或Amos） LISREL 语法见长 必须使用PRELIS计算出COR or COV矩阵作为输入 也可以画图 AMOS 图形见长 可以直接以原始数据作出输入 适合于初学者 20 验 证 性 因 子 分 析 CFA 剔除EFFE3 LISREL 21 验 证 性 因 子 分 析 CFA 剔除EFFE3 AMOS 22 结 构
13、 方 程 SEM LISREL 23 结 构 方 程 SEM AMOS 24 4、模型拟合评鉴 适配度指标是评价假设的路径分析模型图与搜集的数据是否 相互适配，而不是说明路径分析模型图的好坏。 一个适配度完全符合评价标准的模型图不一定保证是个有用 的模型，只能说研究者假设的模型图比较符合实际数据的情 况。 （1）模型基本适配标准 （2）整体模式适配指标模式外在质量 （3）模式内在拟合度模式内在质量 25 4、模型拟合评鉴 （1）模型基本适配标准 Bagozzi and Yi（1988）认为较重要之模式基本适配标准为下 列五项： 1.不能有负的误差变异； 2.误差变异必需达到显著水平（t1.96
14、）； 3.估计参数之间的相关绝对值不能太接近1； 4.因素负荷量不能太低（0.5）或太高（0.95）； 5.不能有很大的标准误。 当违反上述标准时，表示模式可能有“细列误差”、“辨认问题” 或“输入有误”。当符合上述标准时，方可进行检验“整体模式 适配标准”及“模式内在结构适配度”。 26 4、模型拟合评鉴 （2）整体模式适配指标模式外在质量 卡方检验：卡方自由度比(2/df) 模型拟合指数：拟合指数(GFI)、调整后拟合指数(AGFI)、正规拟合 指数(NFI)、非正规拟合指数(NNFI)、增量拟合指数(IFI) 替代指数：RMSEA,CFI指数 残差分析指数：残差均方根(RMR) 拟合指标
15、2/dfGFIAGFINFIIFICFIRMRRMSEA 建议值50.90.80.90.90.90.050.08 实际值3.9670.910.850.900.920.920.110.083 27 Lisrel模型拟合指标输出 Degrees of Freedom = 65 Minimum Fit Function Chi-Square = 244.80 (P = 0.0) Normal Theory Weighted Least Squares Chi-Square = 234.80 (P = 0.0) Estimated Non-centrality Parameter (NCP) = 16
16、9.80 90 Percent Confidence Interval for NCP = (126.75 ; 220.44) Minimum Fit Function Value = 0.79 Population Discrepancy Function Value (F0) = 0.55 90 Percent Confidence Interval for F0 = (0.41 ; 0.72) Root Mean Square Error of Approximation (RMSEA) = 0.092 90 Percent Confidence Interval for RMSEA = (0.080 ; 0.10) P-
