《AMOS输出解读汇报和分析报告》由会员分享，可在线阅读，更多相关《AMOS输出解读汇报和分析报告（16页珍藏版）》请在金锄头文库上搜索。
1、AMOS输出解读惠顿研究惠顿数据文件在各种结构方程模型中被当作经典案例，包括AMOS和 LISRELo本文以惠顿的社会疏离感追踪研究为例详细解释AMOS的输岀结果。 AMOS同样能处理与时间有关的自相关回归。惠顿研究涉及三个潜变量，每个潜变量由两个观测变量确定。67疏离感由67无力感（在1967年无力感量表上的得分）和67无价值感（在1967 年无价值感量表上的得分）确定。71疏离感的处理方式相同，使用1971年对应 的两个量表的得分。第三个潜变量，SES （社会经济地位）是由教育（上学年数）和SEI （邓肯的社会经济指数）确定。解读步骤1.导入数据。AMOS在文件ex06-a. amw中提供
2、惠顿数据文件。使用Mle/Ope n,选 择 这个文件。在图形模式中，文件显示如下。虽然这里是预定义模式，图形模式 允许你给变量添加椭圆，方形，箭头等元素建立新模型71无力廉歹无拆IS朋67端岛！更71疏岛侈社址地位1无Vt 怕總例6-樟:型A探索性分析壽顿(1977)Model Specification2. 模型识别潜变量的方差和与它关联的回归系数取决于变量的测量单位，但刚开始谁知道呢。比如说要估计误差的回归系数同时也估计误差的方差，就好像 说“我买了 10块钱的黄瓜，然后你就推测有几根黄瓜，每根黄瓜多少钱”，这 是不可能实现的，因为没有足够的信息。如何告诉你“我 买了 10块钱的黄瓜，
3、有5根”，你便可以推岀每根黄瓜2块钱。对潜变量，必须给它们指定一个数 值，要么是与潜变量有关的回归系数，要么是它的方差。对误差项的处理也是 一样。一旦做完这些处理，其它系数在模 型中就可以被估计。在这里我们把与 误差项关联的路径设为1,再从潜变量指向观测变量的路径中选一条把它设为 lo这样就给每个潜变量设 置了测量尺度，如果没有这个测量尺度，模型是不确 定的。有了这些约 束，模型就可以识别了。注释：设置的数值可以是1,也可以是其它数，这些数对回归系数 没有影 响，但对误差有影响，在标准化的情况下，误差项的路径系数平 方等于它的测 量方差。3. 解释模型模型设置完毕后，在图形模式中点击工具栏中计
4、算估计按钮 是AMOS输岀 的一部分TM行分析。点击浏览文本按钮丄m 输岀如下 蓝色字体用于注解，不TitleExample 6, Model A: Explora tory an alysis St ability of alie nati on, mediated by ses Correiati ons, sta ndard deviati ons and means from Wheat on et al. (1977).以上是标题，全是英文，自己翻译去吧，没有什么价值，一堆垃圾。Notes for Group (Group n umber 1)The model is recursi
5、ve.Sample size 二 932各组注释：Group number 1是模型内定的模型名称，因为你还没有给模 型取 名。它告诉你模型为递归模型，样本量为932OVariable Summary (Group n umber 1)Your model contains the follow ing variables (Group n umber 1)Observed, en doge nous variables ano mia67powles67ano mia71 powles71 educatio SEIUn observed, en doge nous variables71_a
6、lie nati on67_alie nati onUn observed, exoge nous variablesepsleps2eps3eps4sesdeltalzetalzeta2delta2变量汇总：对模型中的变量作一些概括，内生观测变量：67无力感，67无价值 感，71无力感，71无价值感，教育和SEI。内生非观测变量：67疏离感，71 疏离感。外生非观测变量：各种误差和社会经济地位。注释：观测变量与非观测变量的区别：一个用方形表示，一个用椭圆表示。内 生和外生的区别：箭头指向自己的就是内生，发送箭头的就是外 生。注意区分 测量模式和结构模式。Variable cou nts (G
7、roup n umber 1)Number of variables in your model:17Number of observed variables:Number of exoge nous variables:Number of en doge nous variables:变量计数：数数模型中的变量，变量总数为17,其中观测变量有6个，非观测变量有11个；外生变量有9个，内生变量有8个。Parameter summary (Group n umber 1)WeightsCovaria ncesVaria ncesMeansIn terceptsTotalFixedLabeledU
8、n labeledTotal11 0 0 0 0 110 0 0 0 0 06 0 9 0 0 1517 0 9 0 0 26模型的参数概括：固定系数11个，就是模型识别中固定的11个1。还有6个 自由的系数，9个方差对应着前面外生非观测变量。Computati on of degrees of freedom (Default model)2115Number of disti net sample mome nts:Number of dist inct parameters to be estimated:Degrees of freedom (21T5):(内定模型)的自由度计算：21
9、 样本矩是6个观测变量的6个样本方差 加上15个协方差构成(也就是6中取2的组合数)。15个参数是模型的6个 回归系数和9个被估计的方差。样本矩与估计参数的差为6个自由度。MuiiniiiAtion History (Dtfaull model)IterationNegative eigenvaluesConditiorL #Smallest tienvalueDiameterFNTnes：Ratio0e52269999. 0002519.61409999. 0001e20351.6S9765. 46720.7S42c1-X28胡3204. 1735.7733e0230. 940.51092.
10、 63967674e026. 999.49333. 7942.0005e029 503.26072. 33911 0636e033. 441.05671 55111.0407e03377100771. 54411 0068e033. 743.00071 54411 000(内定模型)迭代过程：极大似然估计是一个迭代过程。这里给出迭代 历史。这 个输岀是可选的，你不必直接使用它。基本上没有什么用。Result (Default model)Minimum was achieved Chisquare 二 71.544 Degrees of freedom 二 6 Probability leve
11、l 二.000卡方拟合指数：这是所有软件都使用的最普通的拟和检验。AMOS和LISREL把它称为卡方统计量，其它软件称为卡方拟和优度和卡方拟和劣度。 卡方拟合指数检验选定的模型协方差矩阵与观察数据协方差矩阵相匹配的假 设。原假设是模型协方差阵等于样本协方差阵。如果模型拟合的好，卡方值应 该不显著。在这种情况下，数据拟和不好的模型被拒绝。卡方检验的问题是样 本越大，越可能拒绝模型，越可能犯第一类错误。卡方拟和指数对违反多变量 正态假设也是非常敏感。这由卡方拟和指数的计算公式可以看出：卡方统计量二(N-1) x FN是样本量，F是模型协方差阵和样本协方差阵的最小适配函数。这个函数比较 复杂，也不知
12、道是哪个天才搞岀来的，它的计算公式中包含行列式，矩阵的 迹，还要取对数，再经过一些加减运算把多维数据压缩为一个数值。从卡方统计量的计算中可以看出，如果适配函数减少的速度没有样本量增加的 速度快，即使模型协方差阵与样本协方差阵拟和的很好，但样本量的增加也会 导致拒绝原假设。这种拒绝正确建议的行为就是犯了第一类错误。如果不服从正态分布，卡方统计量会更多地拒绝真实模型。不过好在ML估计比 较稳健，所以即使违背了正态分布的假定，模型也能对付着用。Maximum Likelihood Estimates0LS寻找SEM使用最大似然法估计模型，而不是通常的最小二乘法数据点到回归线距离的最小平方和。MLE寻
13、找最大的对数似然，它反映从自变 量观测值预测因变量观测值的可能性有多大。Regressi on Weights: (Group n umber 1 一 DefauIt model)EstimateS.E.C. R.PLabel67_alie nationses-614.056-10.912*par_671._alie nation67_alie nation.705.05313.200*par_471._alie nationses-174.054-3. 213.001par_5powles7171._alie nation.849.04220. 427*par_lano mia7171._a
14、lie nation1. 000powles6767_.alie nation.888.04320. 577*par_2ano mia6767_alie nation1.000educatioses1. 000SEIses5. 331.43112.370*par 3回归系数是模型中带箭头的路径系数。为了识别模型，部分系数在模型识别中 已固定为1 (例如，潜变量67疏离感到观测变量67无力感的路径)。也给出路 径系数的标准误。CR是临界比，它是回归系数的估计值除以它的标准误(- 0.614 / 0. 056 = - 10.912 )。临界比与原假设有关，在 这个案例中对67 疏离感和社会经济地位的原假设是回归系数为0。如果我们处理近似标准正态分布的随机变量，在0. 05的显著性水平上，临
