结构方程模型与AMOS

上传人:re****.1 文档编号:585059267 上传时间:2024-09-01 格式:PPT 页数:33 大小:3.74MB
返回 下载 相关 举报
结构方程模型与AMOS_第1页
第1页 / 共33页
结构方程模型与AMOS_第2页
第2页 / 共33页
结构方程模型与AMOS_第3页
第3页 / 共33页
结构方程模型与AMOS_第4页
第4页 / 共33页
结构方程模型与AMOS_第5页
第5页 / 共33页
点击查看更多>>
资源描述

《结构方程模型与AMOS》由会员分享,可在线阅读,更多相关《结构方程模型与AMOS(33页珍藏版)》请在金锄头文库上搜索。

1、结构方程模型简介结构方程模型简介Structural equation modeling 结构方程模型结构方程模型1 AMOS软件介绍软件介绍2结构方程模型与结构方程模型与AMOSAMOS SEM 的分析步骤的分析步骤3结构方程模型结构方程模型 SEM 概述概述1 SEM与几种多元方法的比较与几种多元方法的比较2 SEM的应用的应用4为什么要用结构方程模型?为什么要用结构方程模型?很多社会、心理研究中所涉及到的变量,都不能准确、直很多社会、心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,如数学态度、数学效能、接地测量,这种变量称为潜变量,如数学态度、数学效能、数学焦虑等。

2、数学焦虑等。这时,只能退而求其次,用一些外显指标,去间接测量这这时,只能退而求其次,用一些外显指标,去间接测量这些潜变量。如用学习动机、学习信心作为学习态度(潜变些潜变量。如用学习动机、学习信心作为学习态度(潜变量)的指标,以自我肯定、持续努力(外显指标)作为数量)的指标,以自我肯定、持续努力(外显指标)作为数学效能的指标,以考试焦虑、课堂焦虑作为数学焦虑的指学效能的指标,以考试焦虑、课堂焦虑作为数学焦虑的指标。标。传统的统计分析方法不能妥善处理这些潜变量,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。而结构方程模型则能同时处理潜变量及其指标。传统的分析

3、中均假设自变量没有测量误差。传统的分析中均假设自变量没有测量误差。什么是结构方程模型?什么是结构方程模型? 结构方程模型是结构方程模型是应用线性方程应用线性方程表示表示观测变量与潜变量之间观测变量与潜变量之间,以及以及潜在变量之间潜在变量之间关系的一种多元统计方法,其实关系的一种多元统计方法,其实 质是一种广义的质是一种广义的一般线性模型一般线性模型。 结构方程模型分为:结构方程模型分为:测量方程和结构方程测量方程和结构方程 测量方程(测量方程(measurement equationmeasurement equation)描述的是潜变量与指)描述的是潜变量与指标之间的关系,如学习动机、学习

4、信心指标与数学态度的标之间的关系,如学习动机、学习信心指标与数学态度的关系关系 结构方程(结构方程(structural equationstructural equation)描述的是潜变量之间)描述的是潜变量之间 的关系,如数学态度、数学效能、数学焦虑的关系。的关系,如数学态度、数学效能、数学焦虑的关系。结构方程模型结构方程模型的基本概念的基本概念潜在变量潜在变量(latent variable):(latent variable):无法直接测量,需要用外显指标去间接测无法直接测量,需要用外显指标去间接测量的变量;量的变量;观测变量观测变量(observed variable):(obse

5、rved variable):可以直接被测量的变量;可以直接被测量的变量;外生变量外生变量(exogenous variable):(exogenous variable):在模型中只起解释变量作用的变量;在模型中只起解释变量作用的变量;内生变量内生变量(endogenous variable):(endogenous variable):在模型中,受模型其他变量包括外生在模型中,受模型其他变量包括外生变量与内生变量影响的变量;变量与内生变量影响的变量;残差项残差项(error terms)(error terms):观察变量估计潜在变量的出现的误差;:观察变量估计潜在变量的出现的误差;结构方

6、程模型常用于:验证性因子分析、高阶因子分析、路径及因果分结构方程模型常用于:验证性因子分析、高阶因子分析、路径及因果分析、多时段析、多时段(multiwave)(multiwave)设计、单形模型设计、单形模型(Simple Model)(Simple Model)、及多组比、及多组比较等较等 。测量方程测量方程结构方程结构方程测量模型与结构方程测量模型与结构方程测量模型回归方程如下:测量模型回归方程如下:X1=11+1X2=21+2X3=31+3Y1=11+1Y2=21+2Y3=31+3上述回归方程的矩阵方程如下:上述回归方程的矩阵方程如下:测量模型回归方程测量模型回归方程结构模型潜变量间回

7、归方程如下:结构模型潜变量间回归方程如下:1=11+e12=31+21+e2结构模型回归方程结构模型回归方程残差(残差(e1e1、e2e2)表示)表示方程中方程中未能被解释的部分未能被解释的部分潜变量潜变量 观测变量观测变量内生潜变量内生潜变量外生潜变量外生潜变量误差误差测量测量方程方程测量测量方程方程结构结构方程方程相关相关因果因果全模型全模型结构方程模型的优点结构方程模型的优点(1)(1)可同时考虑及处理多个因变量可同时考虑及处理多个因变量(endogenous / (endogenous / dependent variable);dependent variable);(2)(2)容许

8、自变及因变量容许自变及因变量(exogenous / endogenous)(exogenous / endogenous)含含测量误差测量误差; ;(3)(3)与因素分析相似,与因素分析相似,SEMSEM容许潜变量容许潜变量( (如如: :社经地位社经地位) )由多个观察指标变量由多个观察指标变量( (如如: :父母职业、收入父母职业、收入) )构成构成, ,并可并可同时估计指标变量的信度及效度同时估计指标变量的信度及效度(reliability and (reliability and validity);validity);(4)SEM(4)SEM可采用比传统方法更有弹性的测量模型可采用

9、比传统方法更有弹性的测量模型(measurement model),(measurement model),如某一指标变量可以从属于两如某一指标变量可以从属于两个潜变量个潜变量; ;在传统方法里在传统方法里, ,项目多依附于单一变量项目多依附于单一变量; ;(5)(5)研究者可构造出潜变量间的关系研究者可构造出潜变量间的关系, ,并估计整个模式并估计整个模式是否与数据拟合。是否与数据拟合。 SEM 的分析步骤的分析步骤3结构方程模型结构方程模型 SEM 概述概述1 SEM与几种多元方法的比较与几种多元方法的比较2 SEM的应用的应用4SEM与几种多元方法的比较与几种多元方法的比较SEMSEM与

10、传统多元统计方法(多元统计)与传统多元统计方法(多元统计)传统多元统计方法传统多元统计方法:检验自变量和因变量的检验自变量和因变量的单一关系单一关系(多元(多元方差分析可以处理多个,但是关系也是单一的)方差分析可以处理多个,但是关系也是单一的)SEM:SEM:综合多种方法,综合多种方法,验证性验证性分析,分析,允许测量误差允许测量误差的存在。的存在。SEMSEM与典型相关分析(多个自变量与多个因变量之间关系)与典型相关分析(多个自变量与多个因变量之间关系)典型相关分析:典型相关分析:两组两组随机变量(定性或定量)之间线性密切随机变量(定性或定量)之间线性密切程度;程度;高维列联表高维列联表各边

11、际变量的线性关系;探索性分析各边际变量的线性关系;探索性分析SEM:SEM:估计估计多元和相互关联的因变量之间多元和相互关联的因变量之间的线性关系;处理的线性关系;处理不不可观测的假设概念可观测的假设概念;说明;说明测量误差。测量误差。SEMSEM与联立方程模型(联立方程组、与联立方程模型(联立方程组、变量之间双向影响变量之间双向影响)联立方程模型:联立方程模型:方程数量取决于内生变量的数量;只能处理方程数量取决于内生变量的数量;只能处理有观察值有观察值的变量,假定的变量,假定不存在测量误差不存在测量误差SEM:SEM:处理测量误差处理测量误差;分析;分析潜在变量之间结构关系。潜在变量之间结构

12、关系。SEM与几种多元方法的比较与几种多元方法的比较 SEMSEM与人工神经网络(针对不可观测或潜在变量建模)与人工神经网络(针对不可观测或潜在变量建模)人工神经网络:人工神经网络:执行数据分析时,模型的执行数据分析时,模型的隐含层接点仍然没隐含层接点仍然没有被明确标识出来有被明确标识出来;数据从输入层通过隐含变量流向输出;数据从输入层通过隐含变量流向输出层(输出向输入回流的网络拓扑结构)层(输出向输入回流的网络拓扑结构)SEM:SEM:数据分析之前,数据分析之前,已经标识潜在变量已经标识潜在变量并构建起并构建起假设路径假设路径;观测变量都与中心潜在变量相关,潜在变量之间也可能发观测变量都与中

13、心潜在变量相关,潜在变量之间也可能发生关系。生关系。 SEM SEM与偏最小二乘法(与偏最小二乘法(PLSPLS)(集成多种分析方法,对因)(集成多种分析方法,对因变量进行测量)变量进行测量)PLSPLS:对观测变量协方差矩阵的对观测变量协方差矩阵的对角元素拟合较好对角元素拟合较好,适用于,适用于对数据点的分析,对数据点的分析,预测准确度较高预测准确度较高SEM:SEM:对观测变量协方差矩阵的对观测变量协方差矩阵的非对角元素的拟合较好非对角元素的拟合较好,适合,适合于对协方差结构的分析,于对协方差结构的分析,参数估计更准确。参数估计更准确。 SEM 的分析步骤的分析步骤3结构方程模型结构方程模

14、型 SEM 概述概述1 SEM与几种多元方法的比较与几种多元方法的比较2 SEM的应用的应用4SEM模型建立过程模型建立过程模型提出:研究者根据理论或以往研究来提出假设的初始模模型提出:研究者根据理论或以往研究来提出假设的初始模型型模型识别:决定所研究的模型是否能够给出参数估计的唯一模型识别:决定所研究的模型是否能够给出参数估计的唯一解。解。模型估计:模型参数可以采用几种不同的方法估计,最常使模型估计:模型参数可以采用几种不同的方法估计,最常使用的是最大似然法。用的是最大似然法。模型评估:对模型与数据间的拟合度进行评估,并与替代的模型评估:对模型与数据间的拟合度进行评估,并与替代的拟合度指标进

15、行比较。拟合度指标进行比较。模型修正:如果模型不能很好地拟合数据,就需要对模型进模型修正:如果模型不能很好地拟合数据,就需要对模型进行修正。行修正。 模型假设模型假设结构方程模型是一种验证性技术,而不是探索性技术结构方程模型是一种验证性技术,而不是探索性技术其虚无假设与备择假设如下:其虚无假设与备择假设如下: H0H0:数据资料:数据资料= =理论模型理论模型 H1 H1:数据资料:数据资料理论模型理论模型如果接受虚无假设,则表示理论模型与样本数据间可以如果接受虚无假设,则表示理论模型与样本数据间可以适配适配识别工作主要是考虑模型中每一个未知的参数能否由观测数据来求识别工作主要是考虑模型中每一

16、个未知的参数能否由观测数据来求得唯一解作为估计值。得唯一解作为估计值。依据数据点的数目与参数数目的关系,模型识别可分为:正好识别、依据数据点的数目与参数数目的关系,模型识别可分为:正好识别、过度识别、低度识别。过度识别、低度识别。自由度自由度 df=1/2 k df=1/2 k(k+1k+1)t t (数据点数目(数据点数目=1/2 k=1/2 k(k+1k+1),),t t 为自由参数个数,为自由参数个数,k k 为观察变为观察变量个数)量个数)若若df0df0,过度识别,表示估计结果是允许拒绝虚无假设。,过度识别,表示估计结果是允许拒绝虚无假设。若若df=0df=0,正好识别,表示数据与模

17、型完美适配,但是这种模型并不,正好识别,表示数据与模型完美适配,但是这种模型并不是研究者感兴趣的模型。是研究者感兴趣的模型。若若df0df0,低度识别,表示模型估计无法获得唯一解。,低度识别,表示模型估计无法获得唯一解。模型识别模型识别路径系数路径系数/ /载荷系数的显著性评估载荷系数的显著性评估模型的拟合指标评估模型的拟合指标评估拟合指标的选择拟合指标的选择 虽然有很多的模型拟合度指数可用,但是没有一个指标可虽然有很多的模型拟合度指数可用,但是没有一个指标可以作为完全确定的标准。理想的拟合度指数实际上并不存在,以作为完全确定的标准。理想的拟合度指数实际上并不存在,最好综合多项拟合度指标,而不

18、是只依赖其中一个。最好综合多项拟合度指标,而不是只依赖其中一个。模型评估模型评估模型修正模型修正依据理论或有关假设,提出一个或数个合理的先验模型;依据理论或有关假设,提出一个或数个合理的先验模型;检查潜变量(因子)与指标间的关系,建立测量模型,有时检查潜变量(因子)与指标间的关系,建立测量模型,有时可能增删或重组指标;可能增删或重组指标;对每一个模型,检查标准误、对每一个模型,检查标准误、t t值、标准化残差、修正指数、值、标准化残差、修正指数、及各种拟合指数,据此修改模型并重复这一步;及各种拟合指数,据此修改模型并重复这一步;最好用另外一个样本进行检验;最好用另外一个样本进行检验;模型识别模

19、型识别AmosAmos提供两种模型修正指标:提供两种模型修正指标:修正指数和临界比率修正指数和临界比率修正指数用于模型扩展,是指对于模型中某个受限制的参数,修正指数用于模型扩展,是指对于模型中某个受限制的参数,若容许自由估计(譬如在模型中添加某条路径),整个模型若容许自由估计(譬如在模型中添加某条路径),整个模型改良时将会减少的最小卡方值改良时将会减少的最小卡方值临界比率用于模型限制,是计算模型中的每一临界比率用于模型限制,是计算模型中的每一 对待估参数(路径系数或载荷系数)之差,并对待估参数(路径系数或载荷系数)之差,并 除以相应参数之差的标准差所构造出的统计量除以相应参数之差的标准差所构造

20、出的统计量 SEM 的分析步骤的分析步骤3结构方程模型结构方程模型 SEM 概述概述1 SEM与几种多元方法的比较与几种多元方法的比较2 SEM的应用的应用4SEM的应用的应用 1. 1.结构方程在医疗卫生领域的应用结构方程在医疗卫生领域的应用 生育保险生育保险 杨树东,闵捷,沈其君等生育保险病种费用影响因素结构方程模型分析 (2008)通过建立结构模型研究了生育保险病种费用影响因素,为生育保险按通过建立结构模型研究了生育保险病种费用影响因素,为生育保险按病种付费提供依据。病种付费提供依据。抽取了南京市抽取了南京市4 4家医院家医院20022002年年20042004年生育保险参保人员病历首页

21、以年生育保险参保人员病历首页以及财务结算帐单及财务结算帐单15251525份,用结构方程模型份,用结构方程模型(SEM)(SEM)方法进行分析。方法进行分析。结构模型中的外生的显在变量包括医院等级,病种,年龄,职业,术结构模型中的外生的显在变量包括医院等级,病种,年龄,职业,术前住院天数,入院病情和主要诊断程度,内生的显在变量包括病种实前住院天数,入院病情和主要诊断程度,内生的显在变量包括病种实际住院天数和住院费用。隐变量包括社会经济特征,临床特征,医院际住院天数和住院费用。隐变量包括社会经济特征,临床特征,医院管理和医护质量。管理和医护质量。其中社会经济特征用医院等级、年龄和职业显变量来估计

22、,病种、入其中社会经济特征用医院等级、年龄和职业显变量来估计,病种、入院病情和主要诊断程度可以估计临床特征这个隐变量,术前住院天数院病情和主要诊断程度可以估计临床特征这个隐变量,术前住院天数和实际住院天数可以估计医院管理和医护质量这个隐变量。和实际住院天数可以估计医院管理和医护质量这个隐变量。SEM的应用的应用 2. 2.结构方程在经济管理领域的应用结构方程在经济管理领域的应用 食品安全领域食品安全领域 刘艳秋,周星QS认证与消费者食品安全信任关系的实证研究(2008)采用结构方程模型,研究采用结构方程模型,研究QSQS认证相关因素影响消费者信任的途径、消认证相关因素影响消费者信任的途径、消费

23、者信任与购买意愿之间的关系,在研究结果基础上对构建基于费者信任与购买意愿之间的关系,在研究结果基础上对构建基于QSQS认认证的消费者食品安全信任提出相应的对策建议。证的消费者食品安全信任提出相应的对策建议。作者在文章中总结归纳了八个影响作者在文章中总结归纳了八个影响QSQS认证信任的因素:消费者食品安认证信任的因素:消费者食品安全意全意(CSA)(CSA)、企业能力、企业能力(CA)(CA)、企业可信性、企业可信性(CC)(CC)、企业可靠性、企业可靠性(CR)(CR)、企业、企业诚信诚信(CI)(CI)、政府和企业及消费者的三方信息交流、政府和企业及消费者的三方信息交流(IC)(IC)、政府

24、执行、政府执行QSQS认认证的力证的力GE)GE)、政府监管、政府监管QSQS认证的水平认证的水平(GS)(GS)。本文假设这八个因素与消费。本文假设这八个因素与消费者对者对QSQS认证信任呈正相关关系认证信任呈正相关关系, , 通过结构方程模型通过结构方程模型(SEM)(SEM)方法来识别方法来识别QSQS认证的影响因素与消费者信任以及购买意愿之间的关系。认证的影响因素与消费者信任以及购买意愿之间的关系。SEM的应用的应用 2. 2.结构方程在经济管理领域的应用结构方程在经济管理领域的应用 土地、住房领域土地、住房领域 武文杰,刘志林,张文忠基于结构方程模型的北京居住用地价格影响因素评价 (

25、2010) 选取了北京市选取了北京市2004-2008 2004-2008 年土地交易的微观数据,基于结构方程模型年土地交易的微观数据,基于结构方程模型构建了地价估计模型,定量分析了生活、交通、环境设施便利性和工构建了地价估计模型,定量分析了生活、交通、环境设施便利性和工作便利性这作便利性这4 4 类外生潜变量对居住用地出让价格的影响程度,从而测类外生潜变量对居住用地出让价格的影响程度,从而测度出房地产开发商对它们的偏好差异度。度出房地产开发商对它们的偏好差异度。研究结论显示,生活、交通、环境设施便利性和工作便利性这研究结论显示,生活、交通、环境设施便利性和工作便利性这4 4 类外类外生潜变量

26、对观测变量的解释能力均较强。另一方面,生活、交通、环生潜变量对观测变量的解释能力均较强。另一方面,生活、交通、环境设施便利性和工作便利性均显著性地影响北京市居住用地出让价格,境设施便利性和工作便利性均显著性地影响北京市居住用地出让价格,但其影响力程度不同。其中,工作便利性对居住用地价格的影响程度但其影响力程度不同。其中,工作便利性对居住用地价格的影响程度相对最强,而交通、生活和环境设施便利性对居住用地价格的影响程相对最强,而交通、生活和环境设施便利性对居住用地价格的影响程度依次减弱。度依次减弱。SEM的应用的应用 3. 3.教育领域中的应用教育领域中的应用 刘彪,舒剑萍基于结构方程模型的高校教

27、职工心理症状及其影响因素的相关分析 (2009)对对1132 1132 名高校教职工进行问卷调查名高校教职工进行问卷调查, ,探讨了高校教职工应激生活事件、探讨了高校教职工应激生活事件、社会支持、领悟社会支持、应对方式与心理症状的关系。社会支持、领悟社会支持、应对方式与心理症状的关系。运用验证性因子分析得出指标对应的因子负荷显著。用结构方程模型运用验证性因子分析得出指标对应的因子负荷显著。用结构方程模型对数据进行拟合对数据进行拟合, ,发现应激生活事件、社会支持、领悟社会支持、消极发现应激生活事件、社会支持、领悟社会支持、消极应对、积极应对对症状总分有直接影响。在建立结构方程模型时,将应对、积

28、极应对对症状总分有直接影响。在建立结构方程模型时,将应激生活事件作为外生潜变量应激生活事件作为外生潜变量, ,症状总分、积极应对、消极应对、社会症状总分、积极应对、消极应对、社会支持、领悟社会支持作为内生潜变量。支持、领悟社会支持作为内生潜变量。其中应激事件的指标为家庭、工作学习、社交及其它因子得分,积极其中应激事件的指标为家庭、工作学习、社交及其它因子得分,积极应对的指标为解决问题、求助的因子得分应对的指标为解决问题、求助的因子得分, ,消极应对的指标为退避、幻消极应对的指标为退避、幻想、发泄、忍耐的得分。社会支持的指标为主观支持、客观支持、支想、发泄、忍耐的得分。社会支持的指标为主观支持、

29、客观支持、支持利用度的因子得分。领悟社会支持的指标为家庭支持、朋友支持、持利用度的因子得分。领悟社会支持的指标为家庭支持、朋友支持、其它支持的因子得分。症状总分的指标为其它支持的因子得分。症状总分的指标为1010个因子的因子得分。个因子的因子得分。SEM的应用的应用 4. 4.心里学领域中的应用心里学领域中的应用 赵夫明,王学臣,胡云江结构方程在心理学研究中的适用性评价 (2009)针对结构方程模式的运用讨论分析结构方程模式在心理学运用过程中针对结构方程模式的运用讨论分析结构方程模式在心理学运用过程中的模型建构、模型中潜变量问关系、名义谬误以及结果解释等问题。的模型建构、模型中潜变量问关系、名

30、义谬误以及结果解释等问题。评述结构方程模式在心理学研究中的适用性。在心理学研究过程中重评述结构方程模式在心理学研究中的适用性。在心理学研究过程中重要的不是研究方法本身。而是对方法的恰当使用。要的不是研究方法本身。而是对方法的恰当使用。结构方程模式具有传统统计方法不可比拟的优势,但是作为统计技术结构方程模式具有传统统计方法不可比拟的优势,但是作为统计技术仍有其同有的特点和不足。一方面,我们应积极使用结构方程模式,仍有其同有的特点和不足。一方面,我们应积极使用结构方程模式,使得研究更为系统、准确与深入;另一方面,完全依赖它的分析是相使得研究更为系统、准确与深入;另一方面,完全依赖它的分析是相当危险

31、的。相对于方法而言,理论的建构与结果的解释显得更加重要。当危险的。相对于方法而言,理论的建构与结果的解释显得更加重要。所以,在心理学研究中应该首先考虑结构方程模式的特性和适用条件,所以,在心理学研究中应该首先考虑结构方程模式的特性和适用条件,审慎处理各分析环节。审慎处理各分析环节。 结构方程模型结构方程模型1 AMOS软件介绍软件介绍2结构方程模型与结构方程模型与AMOSAMOSAMOS软件介绍软件介绍AMOS 是矩阵结构分析(是矩阵结构分析(Analysis of moment structure)的简称。)的简称。AMOS可以进行可以进行验证性因素分析、路验证性因素分析、路径分析、多组比较

32、等等多项分析。径分析、多组比较等等多项分析。它它让让SEM变得容易,它变得容易,它拥有的直观拖放式绘图工具,可以快速地演示路径图定制拥有的直观拖放式绘图工具,可以快速地演示路径图定制模型而无需编程。模型而无需编程。AMOS 的最大特色就是在处理缺失值时拥有的最大特色就是在处理缺失值时拥有Full Information Maximum Likelihood ,即使资料不完整,即使资料不完整,AMOS AMOS 也不会遗漏任何一个情況,并且会自动计算正确的也不会遗漏任何一个情況,并且会自动计算正确的标准误及适当的统计量,降低估算值偏差,更有效率。标准误及适当的统计量,降低估算值偏差,更有效率。路

33、径图的图标规则路径图的图标规则 圆或者椭圆表示潜变量或因子圆或者椭圆表示潜变量或因子 正方形或者长方形表示显变量或指标正方形或者长方形表示显变量或指标 单向箭头表示单向影响单向箭头表示单向影响 双向弧形箭头表示相关双向弧形箭头表示相关(非因果关系)(非因果关系) 单向箭头指向因子表示内生潜变量单向箭头指向因子表示内生潜变量 未被解释的部分,即残差未被解释的部分,即残差 单向箭头指向指标表示单向箭头指向指标表示 指标未被解释的部分,即测量误差指标未被解释的部分,即测量误差验证性因子分析验证性因子分析 验证性因子分析是对社会调查数据进行的一种统计分验证性因子分析是对社会调查数据进行的一种统计分析。

34、它测试一个因子与相对应的测度项之间的关系是否符析。它测试一个因子与相对应的测度项之间的关系是否符合研究者所设计的理论关系。合研究者所设计的理论关系。 在社会调查研究构成中,研究者首先开发调查问卷。在社会调查研究构成中,研究者首先开发调查问卷。对应于每一个研究者所感兴趣的理论变量,问卷中往往有对应于每一个研究者所感兴趣的理论变量,问卷中往往有多个问题。比如,研究者对顾客的忠诚度感兴趣,忠诚度多个问题。比如,研究者对顾客的忠诚度感兴趣,忠诚度可能用购买频率、主观评估、消费比例等多个问题来衡量。可能用购买频率、主观评估、消费比例等多个问题来衡量。这个理论变量就是因子,这些个别问题是测度项。验证性这个

35、理论变量就是因子,这些个别问题是测度项。验证性因子分析就是要检验购买频率、主观评估、消费比例是否因子分析就是要检验购买频率、主观评估、消费比例是否真得可以反映忠诚度。真得可以反映忠诚度。 与验证性因子分析相对的是探索性因子分析。在探索与验证性因子分析相对的是探索性因子分析。在探索性因子分析中,比如主成分分析法,因为我们想让数据性因子分析中,比如主成分分析法,因为我们想让数据“自己说话自己说话”,我们即不知道测度项与因子之间的关系,也,我们即不知道测度项与因子之间的关系,也不知道因子的值,所以我们只好按一定的标准不知道因子的值,所以我们只好按一定的标准( (比如一个比如一个因子的解释能力因子的解

36、释能力) ) 凑出一些因子来,再来求解测度项与因凑出一些因子来,再来求解测度项与因子关系。子关系。 一般的研究论文的数据一般的研究论文的数据分析部分少不了对样本的分析部分少不了对样本的描述、对变量进行探索性描述、对变量进行探索性因子分析(因子分析(EFAEFA),然后再),然后再利用多变量分析技术或利用多变量分析技术或SEMSEM进行数据分析,最后提进行数据分析,最后提出研究结论(验证假说),出研究结论(验证假说),提出建议,所以说提出建议,所以说SPSSSPSS与与AMOSAMOS在很多情况下,可以在很多情况下,可以得到完美的结合。得到完美的结合。SPSSAMOS样本描述(非常详尽)因子分析

37、EFACFA多变量分析方差分析、判别分析、回归分析、多元尺度法等建立SEM,进行路径分析。多群组分析、BootstrappingSPSS与与AMOS网址网址说明说明 供 amos学 生 版 和 amos users guide使用手册(PDF版本)www.wright.edu/cata/docs/docroom/spss/提 供 amos users guide使 用 手 册(PDF版本)www.utexas.edu/its/rc/tutorials/stat/amos图解说明结构方程模型和amoswww.personal.psu.edu/users/p/a/pat1004/amos.html图解说明amos,共9个PDF 学习网址学习网址

展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 资格认证/考试 > 自考

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号