结构方程模型张克勇

《结构方程模型张克勇》由会员分享，可在线阅读，更多相关《结构方程模型张克勇（192页珍藏版）》请在金锄头文库上搜索。

1、结构方程模型结构方程模型 中北大学中北大学 经济管理学院经济管理学院 张克勇张克勇2024/9/121管理研究方法论管理研究方法论Research methodology for management结构方程模型（结构方程模型（SEM） 中北大学中北大学 经济管理学院经济管理学院 张克勇张克勇目目 录录一、为何要用结构方程模型？一、为何要用结构方程模型？二、结构方程模型介绍二、结构方程模型介绍三、建模过程三、建模过程四、四、LISREL语法语法五、验证性因素分析五、验证性因素分析 五、五、路径分析路径分析六、案例分析六、案例分析2一、为何要用结构方程模型？一、为何要用结构方程模型？很多社会、心

2、理研究中所涉及到的变量，都不能很多社会、心理研究中所涉及到的变量，都不能准确、直接地测量，这种变量称为准确、直接地测量，这种变量称为潜变量潜变量，如，如工工作自主权作自主权、个性个性、工作满意度、工作满意度、工作压力工作压力、动机动机、生活满意生活满意等。等。这时，只能退而求其次，用一些外显指标，去间这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。接测量这些潜变量。如用工作方式选择、工作目标调整作为如用工作方式选择、工作目标调整作为工作自主工作自主权（潜变量）权（潜变量）的指标的指标以目前工作满意度、工作兴趣、工作乐趣、工作以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度（外显指

3、标）作为厌恶程度（外显指标）作为工作满意度工作满意度的指标。的指标。3一、为何要用结构方程模型？一、为何要用结构方程模型？传统的统计分析方法不能妥善处理这些潜变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量，而结构方程模型则能同时处理潜变量及其指标。其指标。如以高职生如以高职生“生活压力生活压力”概念所构建的三个概念所构建的三个观察变量的形成指标的测量模型：观察变量的形成指标的测量模型：4课业压力课业压力情感压力情感压力升学压力升学压力生活压力生活压力线性回归模型及其局限性线性回归模型及其局限性1 1）无法处理因变量（）无法处理因变量（Y Y）多于一个的情况；）

4、多于一个的情况；2 2）无法处理自变量（）无法处理自变量（X X）之间的多重共线性；）之间的多重共线性；3 3）无法对一些不可直接测量的变量进行处理，主）无法对一些不可直接测量的变量进行处理，主要是一些主观性较强的变量进行测量。如幸福要是一些主观性较强的变量进行测量。如幸福感、组织认同感、学习能力等；感、组织认同感、学习能力等；4 4）没有考虑变量（自变量、因变量）的测量误差，）没有考虑变量（自变量、因变量）的测量误差，以及测量误差之间的关系。以及测量误差之间的关系。5多元统计方法中的相关解决方法多元统计方法中的相关解决方法针对针对1）：路径分析（）：路径分析（Path Analysis）缺点

5、缺点：分开考察不同的因变量，无法考察因变量之：分开考察不同的因变量，无法考察因变量之间的关系且缺少整体的视角间的关系且缺少整体的视角 针对针对2）：偏最小二乘法（）：偏最小二乘法（PLS）缺点：缺点：相关理论尚不完善，解释力较弱。相关理论尚不完善，解释力较弱。王惠文，偏最小二乘法理论与应用，国防工业出版社王惠文，偏最小二乘法理论与应用，国防工业出版社6多元统计方法中的相关解决方法多元统计方法中的相关解决方法7针对针对3）：指标赋予权重，进行综合评价，得）：指标赋予权重，进行综合评价，得出一个量化的指标出一个量化的指标- 缺点：缺点：权重设计，需要相当的技巧，通常的方法，权重设计，需要相当的技巧

6、，通常的方法，如如AHP,模糊综合评判等方法缺少信度与效度模糊综合评判等方法缺少信度与效度针对针对4）：没有办法解决）：没有办法解决结构方程模型（结构方程模型（SEM）的优点）的优点 8同时处理多个因变量；同时处理多个因变量；容许自变量和因变量含测量误差，传统方法（如回容许自变量和因变量含测量误差，传统方法（如回归）假设自变量没有误差；归）假设自变量没有误差；同时估计因子结构和因子关系；同时估计因子结构和因子关系；容许更大弹性的测量模型；容许更大弹性的测量模型；估计整个模型的拟合程度，用以比较不同模型；估计整个模型的拟合程度，用以比较不同模型；SEM包括包括: 回归分析、因子分析回归分析、因子

7、分析(验证性因子分析、验证性因子分析、 探索性因子分析探索性因子分析)、检验、方差分析、比较各组因、检验、方差分析、比较各组因子均值、交互作用模型、实验设计子均值、交互作用模型、实验设计 结构方程模型（结构方程模型（SEM）的优点）的优点 9结构方程模型最为显著的两个特点是：结构方程模型最为显著的两个特点是：（1）评价多维的和相互关联的关系；）评价多维的和相互关联的关系；（2）能够发现这些关系中没有察觉到的概念关系，）能够发现这些关系中没有察觉到的概念关系，而且能够在评价的过程中解释测量误差。而且能够在评价的过程中解释测量误差。结构结构方程式模型分析法方程式模型分析法：是是一种一种以以回归为基

8、础回归为基础的的多变量技术多变量技术，并结合并结合路径路径分分析析及及因素分析因素分析，属于属于验证性验证性实证实证研究的研究的资料资料分析法，分析法，能能同时处理多组变项间的关系同时处理多组变项间的关系，其目的在探究，其目的在探究变量变量间间的因果的因果关系关系以以验证理论验证理论，故又可，故又可称为称为因果模式分因果模式分析析技术技术。因此，在使用因此，在使用验证性验证性研究方法研究方法时时，研究者所提的研，研究者所提的研究模式究模式必须必须具有具有理论基础理论基础，由，由理论来引导理论来引导。（一）（一）SEMSEM的基本原理的基本原理二、结构方程模型介绍二、结构方程模型介绍（二）（二）

9、SEM的基本思想与方法的基本思想与方法SEM是基于变量的协方差矩阵来分析变量之间关系的一种是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，实际上是一般线性模型的拓展，包括测量模统计方法，实际上是一般线性模型的拓展，包括测量模型与结构模型，体现了传统路径分析与因素分析的完美型与结构模型，体现了传统路径分析与因素分析的完美结合。结合。 样本协方差矩阵样本协方差矩阵模型模型模型协方差矩阵模型协方差矩阵 在在SEMSEM中，协方差具有两种功能：中，协方差具有两种功能：（1 1）描述性功能，利用变量之间的协方差矩阵，可以）描述性功能，利用变量之间的协方差矩阵，可以观察出多个连续变量之间的关联情况

10、；观察出多个连续变量之间的关联情况；（2 2）验证性功能，用以反映出理论模型所导出的协方）验证性功能，用以反映出理论模型所导出的协方差与实际观察得到的协方差的差异。差与实际观察得到的协方差的差异。（二）（二）SEM的基本思想与方法的基本思想与方法SEM是基于变量的协方差矩阵来分析变量之间关系的一种是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，实际上是一般线性模型的拓展，包括测量模统计方法，实际上是一般线性模型的拓展，包括测量模型与结构模型，体现了传统路径分析与因素分析的完美型与结构模型，体现了传统路径分析与因素分析的完美结合。结合。 样本协方差矩阵样本协方差矩阵模型模型模型协方差矩阵

11、模型协方差矩阵 SEM SEM一般使用一般使用最大似然法估计最大似然法估计( (Maxi-Likelihood，ML) ) 分析结构方程的路径系数等估计值，因为分析结构方程的路径系数等估计值，因为ML法使得研究法使得研究者能够基于数据分析的结果对模型进行修正。者能够基于数据分析的结果对模型进行修正。 SEM的基本思想与方法的基本思想与方法Structural Equation Model，SEM Covariance Structure Modeling，CSM Linear Structural Relationship ， LISREL 从从上上述述名名称中可以看出，结构方程模型称中可以看

12、出，结构方程模型的几个本质特征是：的几个本质特征是： 结构、协方差、线性结构、协方差、线性14（三）结构方程简介（三）结构方程简介简单来说，结构方程模型分为：简单来说，结构方程模型分为： 1、测量模型、测量模型（measured model） 2、结构模型、结构模型（structure model）（三）结构方程简介（三）结构方程简介1、测量模型、测量模型（measured model）：描述潜在变量）：描述潜在变量（latent variable）与观察变量（）与观察变量（observed variable）之间的关系，如工作方式选择等观察）之间的关系，如工作方式选择等观察变量（外显变量）与

13、工作自主权的关系。变量（外显变量）与工作自主权的关系。工作自主权工作自主权工作方式选择工作方式选择工作目标调整工作目标调整工作满意度工作满意度工作兴趣工作兴趣工作乐趣工作乐趣工作厌恶程度工作厌恶程度（三）结构方程简介（三）结构方程简介课业压力课业压力情感压力情感压力升学压力升学压力生活压力生活压力在在SEMSEM分析的模型中，一个潜在变量必须以两个以上分析的模型中，一个潜在变量必须以两个以上的观察变量来估计，称为的观察变量来估计，称为多元指标原则多元指标原则，不同观察变，不同观察变量间的协方差，反映了潜在变量的共同影响。量间的协方差，反映了潜在变量的共同影响。通常每个观察变量多少会有不同程度的

14、测量误差或残通常每个观察变量多少会有不同程度的测量误差或残值（观察变量的变异量中，无法被共同潜在变量解释值（观察变量的变异量中，无法被共同潜在变量解释的部分）的部分）一个观察变量与潜在变量的基本模型图如下所示：一个观察变量与潜在变量的基本模型图如下所示：潜在变量潜在变量观察变量观察变量误差误差（三）结构方程简介（三）结构方程简介多个观察变量与潜在变量的测量模型图：多个观察变量与潜在变量的测量模型图：观察变量观察变量误差误差误差误差误差误差观察变量观察变量观察变量观察变量潜在变量潜在变量（三）结构方程简介（三）结构方程简介多个观察变量与潜在变量的测量模型图：多个观察变量与潜在变量的测量模型图：x

15、1x3x21 2 3123误差误差 观察变量观察变量 负荷量负荷量 潜在变量潜在变量（三）结构方程简介（三）结构方程简介例子例子：如在学校组织效能调查中，组织效能中的：如在学校组织效能调查中，组织效能中的“行政绩效行政绩效”为一个潜在变量，此变量为一个抽象概念，无法直接观察为一个潜在变量，此变量为一个抽象概念，无法直接观察或测量得到，因此，为了测得学校或测量得到，因此，为了测得学校“行政绩效的程度行政绩效的程度”，可，可以下列五个观察变量或指标变量（以下列五个观察变量或指标变量（indicator variablesindicator variables）来测得：来测得：l本校行政人员能专心投

16、入学校的行政工作。（本校行政人员能专心投入学校的行政工作。（专心投入专心投入）l本校各处室能充分沟通协调，业务上能相互支持配合。（本校各处室能充分沟通协调，业务上能相互支持配合。（沟通协调沟通协调）l本校在行政上充分授权同仁，在工作上有专业自主的空间。（本校在行政上充分授权同仁，在工作上有专业自主的空间。（充分授权充分授权）l本校各处室订有详细明确的工作职责且运作顺畅。（本校各处室订有详细明确的工作职责且运作顺畅。（职责明确职责明确）l本校行政程序力求简化有效。（本校行政程序力求简化有效。（程序简化程序简化）l本校行政人员能专心投入学校的行政工作。本校行政人员能专心投入学校的行政工作。（专心投

17、入）（专心投入）l本校个处室能充分沟通协调，业务上能相互支持配合。本校个处室能充分沟通协调，业务上能相互支持配合。（沟通协调）（沟通协调）l本校在行政上充分授权同仁，在工作上有专业自主的空间。本校在行政上充分授权同仁，在工作上有专业自主的空间。（充分授权）（充分授权）l本校各处室订有详细明确的工作职责且运作顺畅。本校各处室订有详细明确的工作职责且运作顺畅。（职责明确）（职责明确）l本校行政程序力求简化有效。本校行政程序力求简化有效。（程序简化）（程序简化）专心投入专心投入行政绩效行政绩效沟通协调沟通协调充分授权充分授权职责明确职责明确程序简化程序简化“行政绩效行政绩效”潜在变量与测量变量间所形

18、成的测量模型图：潜在变量与测量变量间所形成的测量模型图：1、测量模型、测量模型SEM分析中的变量还可以区分为：分析中的变量还可以区分为：内生变量内生变量和和外外源变量源变量。 （1）内生变量）内生变量（endogenous variable）：是指）：是指模型当中，会受到任何一个其他变量影响的变量，模型当中，会受到任何一个其他变量影响的变量，也就是路径图中会受到任何一个其他变量以单箭也就是路径图中会受到任何一个其他变量以单箭头指涉的变量。头指涉的变量。 （2）外源变量）外源变量（ exogenous variable ）：是指）：是指在模型当中未受任何其他变量的影响，但他却直在模型当中未受任何

19、其他变量的影响，但他却直接影响别的变量的变量。接影响别的变量的变量。1、测量模型、测量模型V1V2FV1V2V3内生变量作为中介变量的关系图：内生变量作为中介变量的关系图：1、测量模型、测量模型SEM分析中变量的四种类型。分析中变量的四种类型。 （1）内生潜在变量（以）内生潜在变量（以 表示）表示） （2）内生测量变量（以）内生测量变量（以 y 表示）表示） （3）外源潜在变量（以）外源潜在变量（以 表示）表示） （4）外源测量变量（以）外源测量变量（以 x 表示）表示）工作自主权工作自主权工作方式选择工作方式选择工作目标调整工作目标调整工作满意度工作满意度工作兴趣工作兴趣工作乐趣工作乐趣工作

20、厌恶程度工作厌恶程度x1x3x21 2 31112131delta ; lambda; ksix1= 11 1+ 1x2= 21 1+ 2x3= 31 1+ 3测量模型测量模型y1y3y21 2 3123epsilon ; lambda; etay1= 1 + 1y2= 2 + 2y3= 3 + 3测量模型测量模型1、测量模型、测量模型对于观察变量对于观察变量(指标指标)与潜变量（例如两个工作自主权指标与工作自主权）与潜变量（例如两个工作自主权指标与工作自主权）间的关系，通常写为以下间的关系，通常写为以下测量方程测量方程：其中：其中：x外源指标（如两个工作自主权指标）组成的向量；外源指标（如两

21、个工作自主权指标）组成的向量； y内生指标（如四个工作满意度指标）组成的向量；内生指标（如四个工作满意度指标）组成的向量； 外源潜变量（如工作自主权等）组成的向量；外源潜变量（如工作自主权等）组成的向量； 内生潜变量（如工作满意度等）组成的向量；内生潜变量（如工作满意度等）组成的向量； 外源指标与外源变量之间的关系（如两个工作自主权指外源指标与外源变量之间的关系（如两个工作自主权指标与工作自主权的关系），是外源指标在外源潜变量上的标与工作自主权的关系），是外源指标在外源潜变量上的因子负荷矩阵因子负荷矩阵； 内生指标与内生变量之间的关系（如三个工作满意度指内生指标与内生变量之间的关系（如三个工作

22、满意度指标与工作满意度的关系），是内生指标在内生潜变量上的标与工作满意度的关系），是内生指标在内生潜变量上的因子负荷矩阵因子负荷矩阵；28模型模型基本假定基本假定与与 、以及以及相互相互独立独立。样本样本资料资料要要服从服从多多变量变量常态分布常态分布。观察变量间有线性关系观察变量间有线性关系。x1x3x21 2 31x4x6x5 4 5 6212/ 21phi测量模型测量模型测量模型范例：测量模型范例：范例范例1：一个共同因素（一个共同因素（潜在变量）潜在变量）的测量模型的测量模型范例范例2：两个共同因素（两个共同因素（潜在变量）潜在变量）的测量模型的测量模型范例范例3：三个共同因素的测量模

23、型三个共同因素的测量模型范例范例4：测量模型中测量误差间具有共变关系。测量模型中测量误差间具有共变关系。测量模型测量模型测量模型范例：测量模型范例：范例范例2：两个共同因素（两个共同因素（潜在变量）潜在变量）的测量模型的测量模型测量模型测量模型测量模型范例：测量模型范例：范例范例3：三个共同因素的测量模型三个共同因素的测量模型测量模型测量模型测量模型范例：测量模型范例：范例范例4：测量模型中测量误差间具有共变关系。测量模型中测量误差间具有共变关系。某研究者编制一份某研究者编制一份“公立中学兼行政教师教师所感觉的校长公立中学兼行政教师教师所感觉的校长激励策略量表激励策略量表”，共有十二题，各题项

24、如下：，共有十二题，各题项如下：课堂练习课堂练习1 1 1.1.校长会依绩效表现给予兼行政教师不同方式的奖惩。校长会依绩效表现给予兼行政教师不同方式的奖惩。【绩效奖惩绩效奖惩】2.2.兼行政教师利用非上班时间办理活动时，校长会给予合理的加班费兼行政教师利用非上班时间办理活动时，校长会给予合理的加班费【加加班补偿班补偿】3.3.对兼行政教师额外工作付出，校长会给予合理工作津贴。对兼行政教师额外工作付出，校长会给予合理工作津贴。【工作津贴工作津贴】4.4.校长常会举办聚餐联谊活动，以凝聚团队向心力。校长常会举办聚餐联谊活动，以凝聚团队向心力。【联谊聚餐联谊聚餐】5.5.校长会主动改善学校的软硬件设

25、备，以提升行政效率。校长会主动改善学校的软硬件设备，以提升行政效率。【设备改善设备改善】6.6.校长非常重视并接纳兼行政教师各方面的建言。校长非常重视并接纳兼行政教师各方面的建言。【接纳建言接纳建言】7.7.校长会极力营造具人性化领导风格的组织文化。校长会极力营造具人性化领导风格的组织文化。【领导风格领导风格】8.8.校长能营造有创意的环境，让兼行政教师发挥潜能。校长能营造有创意的环境，让兼行政教师发挥潜能。【创意环境创意环境】9.9.校长经常鼓励兼行政教师学习新知和技能。校长经常鼓励兼行政教师学习新知和技能。【鼓励学习鼓励学习】10.校长会依兼行政教师的专业所长，使其得以适才所用。校长会依兼

26、行政教师的专业所长，使其得以适才所用。【适才适所适才适所】11. 校长能提供兼行政教师完成工作所需的技巧和方法。校长能提供兼行政教师完成工作所需的技巧和方法。【技巧传授技巧传授】12.校长会依兼行政教师工作专业需求提供相关的研习机会。校长会依兼行政教师工作专业需求提供相关的研习机会。【提供研习提供研习】l研究者共抽出三个共同因素：研究者共抽出三个共同因素：“福利措施福利措施”、“健全组织健全组织”、“专业成长专业成长”，其中福利措施、健全组织和专业成长之其中福利措施、健全组织和专业成长之间可能具有相关，三个共同因素包含的题项如下表所示：间可能具有相关，三个共同因素包含的题项如下表所示：因素构面

27、因素构面因素包含的题项因素包含的题项福利措施福利措施 1.绩效奖惩（绩效奖惩（VA1） 2.加班补偿加班补偿 （VA2） 3.工作津贴（工作津贴（VA3） 4.联谊聚餐（联谊聚餐（VA4） 健全组织健全组织 5.设备改善（设备改善（VB1） 6.接纳建言（接纳建言（VB2） 7.领导风格（领导风格（VB3） 8.创意环境（创意环境（VB4） 专业成长专业成长 9.鼓励学习（鼓励学习（VC1） 10.适才适所（适才适所（VC2） 11.技巧传授（技巧传授（VC3） 12.提供研习（提供研习（VC4） 试根据上述材料画出测量模型的假设模型图试根据上述材料画出测量模型的假设模型图联谊聚餐联谊聚餐福利

28、措施福利措施设备改善设备改善接纳建言接纳建言领导风格领导风格创意环境创意环境鼓励学习鼓励学习适才适所适才适所技巧传授技巧传授工作津贴工作津贴提供研习提供研习加班补偿加班补偿绩效奖惩绩效奖惩健全组织健全组织专业成长专业成长课堂练习课堂练习2 2 38 某研究者前期研究发现，影响组织创新气某研究者前期研究发现，影响组织创新气氛知觉的因素，包括：氛知觉的因素，包括：组织价值、工作方式、组织价值、工作方式、团队合作、领导风格、学习成长和环境氛围团队合作、领导风格、学习成长和环境氛围等等六个因素（六个因素之间可能具有相关），因六个因素（六个因素之间可能具有相关），因此针对这些因素编写题目，每个因素仅取此

29、针对这些因素编写题目，每个因素仅取3 3个个题目作为代表，因此共有题目作为代表，因此共有1818个题目。个题目。课堂练习课堂练习2 2 39 某研究者编制一份某研究者编制一份“组织创新氛围量表组织创新氛围量表” ” 共有共有1818题（代号题（代号A1A1至至F3F3），各题项如下：），各题项如下： 01. 01. 我们公司重视人力资产、鼓励创新思考。我们公司重视人力资产、鼓励创新思考。02. 02. 我们公司下情上达、意见交流沟通顺畅。我们公司下情上达、意见交流沟通顺畅。03. 03. 我们公司能够提供诱因鼓励创新构想。我们公司能够提供诱因鼓励创新构想。04. 04. 当我有需要，我们可以不

30、受干扰地独立工作。当我有需要，我们可以不受干扰地独立工作。05. 05. 我的工作内容有我可以自由发挥与挥洒的空间。我的工作内容有我可以自由发挥与挥洒的空间。06. 06. 我可以自由地设定我的工作目标与进度。我可以自由地设定我的工作目标与进度。07. 07. 我的工作伙伴与团队成员具有良好的共识。我的工作伙伴与团队成员具有良好的共识。08. 08. 我的工作伙伴与团队成员能够互相支持与协助。我的工作伙伴与团队成员能够互相支持与协助。09. 09. 我的工作伙伴与团队成员能够以沟通协调来化解冲突。我的工作伙伴与团队成员能够以沟通协调来化解冲突。10.我的主管能够尊重与支持我在工作上的创意。我的

31、主管能够尊重与支持我在工作上的创意。11. 我的主管拥有良好的沟通协调能力。我的主管拥有良好的沟通协调能力。12.我的主管能够信任部属、适当地授权。我的主管能够信任部属、适当地授权。13.我的公司提供充分进修机会、鼓励参与学习活动。我的公司提供充分进修机会、鼓励参与学习活动。14.人员的教育训练是我们公司的重要工作。人员的教育训练是我们公司的重要工作。15.我公司重视信息收集与新知的获得与交流。我公司重视信息收集与新知的获得与交流。16.我的工作空间氛围和谐良好、令人心情愉快。我的工作空间氛围和谐良好、令人心情愉快。17.我有一个舒适自由、感到满意的工作空间。我有一个舒适自由、感到满意的工作空

32、间。18.我的工作环境可以使我更有创意的灵感与启发。我的工作环境可以使我更有创意的灵感与启发。40试画出六个因素与试画出六个因素与1818个测量变个测量变量的关系图（假设模型）。量的关系图（假设模型）。课堂练习课堂练习2 2 41测量模型测量模型测量模型验证分析演示：测量模型验证分析演示：ch5a.LS8 2、结构模型、结构模型（structural model），描述潜变量），描述潜变量之间的关系，如工作自主权与工作满意度的关之间的关系，如工作自主权与工作满意度的关系。系。工作自主权工作自主权工作满意度工作满意度（三）结构方程简介（三）结构方程简介2、结构模型、结构模型对于潜变量间（对于潜变

33、量间（如工作自主权与工作满意度如工作自主权与工作满意度）的关系，）的关系，通常写成如下结构方程：通常写成如下结构方程：其中：其中：B内生潜变量间的关系（如其它内生潜变量与内生潜变量间的关系（如其它内生潜变量与工作满意度的关系）；工作满意度的关系）； 外源潜变量对内生潜变量的影响（如工作外源潜变量对内生潜变量的影响（如工作自主权对工作满意度的影响）；自主权对工作满意度的影响）； 结构方程的残差项，反映了在方程中未能结构方程的残差项，反映了在方程中未能被解释的部分。被解释的部分。442、结构模型、结构模型外源潜在变量内生潜在变量残差值l一个外源潜在变量预测一个内生潜在变量的结构模型图一个外源潜在变

34、量预测一个内生潜在变量的结构模型图其回归方程式为：2、结构模型、结构模型l两个外源潜在变量预测一个内生潜在变量的结构模型图两个外源潜在变量预测一个内生潜在变量的结构模型图其回归方程式为：外源潜在变量内生潜在变量残差值外源潜在变量2、结构模型、结构模型l两个内生潜在变量间的关系模型图两个内生潜在变量间的关系模型图其回归方程式为：残差值内生潜在变量内生潜在变量残差值2、结构模型、结构模型l饱和结构模型图饱和结构模型图其回归方程式为：残差值内生潜在变量残差值外源潜在变量内生潜在变量练习题练习题写出各潜变量的回归方程：写出各潜变量的回归方程：SEM的组成的组成x1x3x212311y1y2y3123测

35、量模型测量模型结构模型结构模型测量模型测量模型总结：总结：SEMSEM术语术语观测变量观测变量 可直接测量的变量，通常是指标可直接测量的变量，通常是指标潜变量潜变量 潜变量亦称隐变量，是无法直接观测并测量的变量。潜变量亦称隐变量，是无法直接观测并测量的变量。潜变量需要通过设计若干指标间接加以测量。潜变量需要通过设计若干指标间接加以测量。外生变量外生变量 是指那些在模型或系统中，只起解释变量作用的是指那些在模型或系统中，只起解释变量作用的变量。它们在模型或系统中，只影响其他变量，而不受其变量。它们在模型或系统中，只影响其他变量，而不受其他变量的影响。在路径图中，只有指向其他变量的箭头，他变量的影

36、响。在路径图中，只有指向其他变量的箭头，没有箭头指向它的变量均为外生变量。没有箭头指向它的变量均为外生变量。内生变量内生变量 是指那些在模型或系统中，受模型或系统中其它是指那些在模型或系统中，受模型或系统中其它变量包括外生变量和内生变量影响的变量，即在路径图中，变量包括外生变量和内生变量影响的变量，即在路径图中，有箭头指向它的变量。它们也可以影响其它变量。有箭头指向它的变量。它们也可以影响其它变量。总结：总结： 结构方程模型示意图结构方程模型示意图观测变量观测变量通常用长方形或方形表示通常用长方形或方形表示, ,外生观测变量用外生观测变量用x x表示，表示，内生观测变量用内生观测变量用y y表

37、示。表示。潜变量潜变量用椭圆或圆形表示，外生潜变量用椭圆或圆形表示，外生潜变量通常用通常用表示，内表示，内生潜变量通常用生潜变量通常用表示。表示。外生观测变量外生观测变量x x的误差；的误差；内生观测变量内生观测变量y y的误差。的误差。总结：总结： 结构方程模型结构方程模型结构方程模型通常包括三个矩阵方程式结构方程模型通常包括三个矩阵方程式: x外生观测变量与外生潜变量直接的关系，是外生观测变量在外生外生观测变量与外生潜变量直接的关系，是外生观测变量在外生潜变量上的因子载荷矩阵；潜变量上的因子载荷矩阵；y内生观测变量与内生潜变量之间的关系，是内生观测变量在内生潜内生观测变量与内生潜变量之间的

38、关系，是内生观测变量在内生潜变量上的因子载荷矩阵；变量上的因子载荷矩阵；路径系数，表示内生潜变量间的关系；路径系数，表示内生潜变量间的关系；路径系数，表示外生潜变量对内生潜变量的影响；路径系数，表示外生潜变量对内生潜变量的影响；结构方程的残差项，反映了结构方程的残差项，反映了”在方程中未能被解释的部分。在方程中未能被解释的部分。测量模型测量模型结构模型结构模型总结：总结： 模型中的三种误差模型中的三种误差1 1、一是、一是x x的测量误差，记为的测量误差，记为 ，其协，其协方差矩阵记为方差矩阵记为2 2、y y变量的测量误差，记为变量的测量误差，记为 ，其协，其协方差矩阵记为方差矩阵记为3 3

39、、潜在因变量无法被当前结构方程模、潜在因变量无法被当前结构方程模型解释的残差，记为型解释的残差，记为 ，其协方差矩，其协方差矩阵记为阵记为完整完整LISREL模型的模型的参数图示参数图示 z2 x x2 h h2 d3 e3 x3 x4 y3 y4 f21 12 x x1 d1 x1 x2 lx11 h h1 y1 y2 z1 d2 e1 e2 d4 e4 21 22 lx21 ly11 l y21 lx12 lx22 ly12 l y22 结构方程验证的关系：结构方程验证的关系：潜变量与潜变量、潜变量与潜变量、潜变量与观测变潜变量与观测变量以及误差项之量以及误差项之间的关系。间的关系。 z2

40、 x x2 h h2 d3 e3 x3 x4 y3 y4 f21 12 x x1 d1 x1 x2 lx11 h h1 y1 y2 z1 d2 e1 e2 d4 e4 21 22 lx21 ly11 l y21 lx12 lx22 ly12 l y22 SEM模模型的八型的八种矩阵种矩阵概念列概念列表表符号 与发音 缩写 代 表 意 义 mm mf order 结构模型矩阵 B beta BE 内生潜在变量被 内生潜在变量解释的回归矩阵 （E 到 E 的回归系数） ZE FI NENE G gamma GA 内生潜在 变量被外源潜在变量解释的回归矩阵 （E 到 K 的回归系数） FU FR N

41、ENK 测量模型矩阵 Lx lambda x LX 外源观察 变量被外源潜在变量解释的回归矩阵（K 到 X 的因素负荷量） FU FI NYNE Ly lambda y LY 内生观察变量被 内生潜在变量解釋的回归矩陣（E 到 Y 的因素負荷量） FU FI NXNK F phi PI 外源潜在变量共变矩阵 （K 到 K 的因素共变） SY FR NKNK 残差矩阵 Y psi PS 内生潜在变量 被外源潜在变量解释之误差项共变矩阵 （解释残差） SY FR NENE Qd theta-delta TD 外源观察变量 被外源潜在变量解释的误差项共变矩阵 （X 变量残差） DI FR NXNX

42、Qe theta-epsilon TE 内生观察变量 被内生潜在变量解释的误差项共变矩阵 （Y 变量残差） DI FR NYNY LISREL的的原始原始设定与设定与替代替代设定代码对设定代码对照表照表 Fixed parameters(固定参数)表示0矩阵（矩阵中所有数据为0）相等矩阵（矩阵中除了对角线为1，其余均为0）为部分相等与0矩阵Diagonal matrix对角矩阵：只有对角线上的向量被处理symmetric matrix对称矩阵：包含对角线与下三角区域的向量被处理subdiagonal matrix下对角矩阵：只有对角线下三角区域的向量被处理。对称矩阵且对角线数字设定为1。为正方

43、形非对称完全矩阵。结构方程模型结构方程模型举例演示：举例演示：Lisrel1.LS8 理论性发展理论性发展 （Theoretical Development） 模型辨识模型辨识 （Model Identification） 抽样与测量抽样与测量 （Sampling and Measurement） 阶段一 模型发展 参数估计参数估计 （Parameter Estimation） 模型契合度估计模型契合度估计 （Assessment of Fit） 讨论与结论讨论与结论 （Discussion and Conclusion） 阶段二 估计与评鉴 模模型修饰型修饰 （Model Modificat

44、ion） 模式设定模式设定 （Model Specification） 结结构构方方程程模模型型的的基基本本程程序序三、建模过程三、建模过程（1）模型建构（model specification）（2） 模型拟合（model fitting）（3）模型评价（model assessment）（4）模型修正（model modification）62（一）模型建构（一）模型建构（model specification）1、观测变量（即指标，通常是题目）与潜变量、观测变量（即指标，通常是题目）与潜变量（即因子，通常是概念）的关系；（即因子，通常是概念）的关系；2、各潜变量间的相互关系（指定那些因子

45、间相关、各潜变量间的相互关系（指定那些因子间相关或直接效应）；或直接效应）；u例子：员工工作满意度的测量例子：员工工作满意度的测量63例子：员工工作满意度的测量例子：员工工作满意度的测量理论假设，概念模型的提出：理论假设，概念模型的提出：uLockeLocke（19761976）研究指出，有多种因素影响到工作满意度，下列几）研究指出，有多种因素影响到工作满意度，下列几个因素最为重要：个因素最为重要：u（1 1）对工作本身的满意度。包括工作内容的奖励价值、多样性、）对工作本身的满意度。包括工作内容的奖励价值、多样性、学习机会、困难性以及对工作的控制等。因此，假设：学习机会、困难性以及对工作的控制

46、等。因此，假设：u假设假设1 1：工作自主权越高，工作满意度越高。工作自主权是指员工工作自主权越高，工作满意度越高。工作自主权是指员工可以运用相关工作权利的程度。有较高工作自主权的员工，将具有可以运用相关工作权利的程度。有较高工作自主权的员工，将具有较高的工作满意度。较高的工作满意度。u假设假设2 2：工作负荷越高，工作满意度越低。工作负荷是指工作职责工作负荷越高，工作满意度越低。工作负荷是指工作职责不能被实现的程度。工作压力会使员工处于有害身心健康的状况中，不能被实现的程度。工作压力会使员工处于有害身心健康的状况中，有碍于员工对工作的积极态度（有碍于员工对工作的积极态度（House,1980

47、House,1980），工作压力会降低工），工作压力会降低工作满意度。作满意度。u假设假设3 3：工作单调性越高，工作满意度越低。工作单调性是指个体工作单调性越高，工作满意度越低。工作单调性是指个体的工作被重复的程度。如煤炭采掘一线的职工工作单调性比较高，的工作被重复的程度。如煤炭采掘一线的职工工作单调性比较高，而机关科室的单调性就比较低。而机关科室的单调性就比较低。64例子：员工工作满意度的测量例子：员工工作满意度的测量u概念模型：工作满意度工作满意度目前工作满意度目前工作满意度工作兴趣工作兴趣工作乐趣工作乐趣工作厌恶程度工作厌恶程度工作自主权工作自主权工作方式选择工作方式选择工作目标调整工

48、作目标调整工作负荷工作负荷工作单调性工作单调性任务完成时间充裕度任务完成时间充裕度工作负荷轻重工作负荷轻重工作节奏快慢工作节奏快慢工作内容丰富程度工作内容丰富程度工作多样性程度工作多样性程度xy数据准备数据准备样本量：一般认为样本数最少应在样本量：一般认为样本数最少应在100以上才适合以上才适合使用最大似然估计法（使用最大似然估计法（MLE）来估计结构方程）来估计结构方程（侯杰泰，（侯杰泰，2004），但样本数过大（如超过），但样本数过大（如超过400到到500时），时），MLE会变得过度敏感，容易使所有的拟会变得过度敏感，容易使所有的拟合度指标检验都出现拟合不佳的结果（侯杰泰，合度指标检验都

49、出现拟合不佳的结果（侯杰泰，2004）。）。缺失数据处理：列删除法、配对删除法、插补法缺失数据处理：列删除法、配对删除法、插补法（2 2）模型拟合（）模型拟合（model fittingmodel fitting）模型参数的估计模型参数的估计u模型计算（模型计算（lisrellisrel 软件编程）软件编程）表表1 标准化路径系数（标准化路径系数（N=351）变量变量间关系工作满意度标准化路径系数t检验值工作自主权110.2062.562工作负荷 21-0.212-1.575工作单调性 31-0.378-2.857-2.857注：注：t t检验值检验值1.961.96表示通过显著性检验，且表示

50、通过显著性检验，且在在0.05的显著水平下的显著水平下（3 3）模型评价（）模型评价（model assessmentmodel assessment）结构方程的解是否恰当，（相关系数应在结构方程的解是否恰当，（相关系数应在+1和和-1之之间）；间）；变量变量间关系工作满意度标准化路径系数t检验值工作自主权110.2062.562工作负荷 21-0.212-1.575工作单调性 31-0.378-2.857-2.857（ -1 ，+1 ）（3 3）模型评价（）模型评价（model assessmentmodel assessment）参数与预计模型的关系是否合理，（与模型假设相参数与预计模型的

51、关系是否合理，（与模型假设相符）；符）； 假设假设1：工作自主权越高，工作满意度越高。：工作自主权越高，工作满意度越高。假设假设2：工作负荷越高，工作满意度越低。：工作负荷越高，工作满意度越低。假设假设3：工作单调性越高，工作满意度越低。：工作单调性越高，工作满意度越低。+未通过t检验69（3 3）模型评价（）模型评价（model assessmentmodel assessment）检验不同类型的整体拟合指数，（各项拟合优度检验不同类型的整体拟合指数，（各项拟合优度指标是否达到要求）；指标是否达到要求）；表表2 模型拟合优度结果模型拟合优度结果指标DF2PNFINNFICFIIFIGFIAG

52、FIRFIRMRRMSEA指标值6871386.640.00.00.9010.9370.9500.9510.8610.8170.8610.05840.045770（3 3）模型评价（）模型评价（model assessmentmodel assessment）2/DF= 1386.64/ 687=2.018第一个指标是卡方统计量与自由度的比值，美国第一个指标是卡方统计量与自由度的比值，美国社会统计学家卡米尼斯和马克依维尔认为，社会统计学家卡米尼斯和马克依维尔认为，卡方卡方值与自由度之比在值与自由度之比在2 2：1 1到到3 3：1 1之间是可以接受的。之间是可以接受的。P=0.0P=0.0第二

53、个指标是第二个指标是P P值，值，P P值要求小于值要求小于0.10.1。71（3 3）模型评价（）模型评价（model assessmentmodel assessment）规范拟合指数（规范拟合指数（NFINFI），不规范拟合指数（），不规范拟合指数（NNFINNFI），比），比较拟合指数（较拟合指数（CFICFI），增量拟合指数（），增量拟合指数（IFIIFI），拟合优），拟合优度指数（度指数（GFIGFI），调整后的拟合优度指数（），调整后的拟合优度指数（AGFIAGFI），），相对拟合指数（相对拟合指数（RFIRFI），均方根残差（），均方根残差（RMRRMR），近似均），近似均方根

54、残差（方根残差（RMSEARMSEA）等指标用来衡量模型与数据的拟）等指标用来衡量模型与数据的拟合程度。合程度。学术界普遍认为在大样本情况下：学术界普遍认为在大样本情况下： （1 1） NFI NFI 、NNFI NNFI 、CFI CFI 、IFI IFI 、GFIGFI、AGFI AGFI 、RFI RFI 大于大于0.90.9，表明模型与数据的拟合程度很好。表明模型与数据的拟合程度很好。 （2 2）RMRRMR小于小于0.050.05，RMSEARMSEA值小于值小于0.050.05，表明模，表明模型与数据的拟合程度很好。型与数据的拟合程度很好。72指标指标DF2PNFINNFICFII

55、FIGFIAGFIRFIRMRRMSEARMSEA指标值指标值6871386.640.00.9010.9370.9500.9510.8610.8170.8610.05840.0457一般应用一般应用SEMSEM的论文中的数据分析的论文中的数据分析1. 信度、效度检验信度、效度检验信度：信度： Cronbachs 0.50效度效度 ：验证性因子分析：验证性因子分析 （Fidell,2007）2. 评估模型拟合度评估模型拟合度一般论文的一般论文的SEMSEM评价包括如下步骤：评价包括如下步骤：估算每一个因子的载荷量估算每一个因子的载荷量 标准化因子载荷，反映了观测变量影响潜标准化因子载荷，反映了观

56、测变量影响潜在变量的部分差异，用于表示观测变量与潜变在变量的部分差异，用于表示观测变量与潜变量之间的相对重要程度。量之间的相对重要程度。检查每一个单一因子的测量模型对问卷数据的检查每一个单一因子的测量模型对问卷数据的拟合度拟合度检查整个模型对问卷数据的拟合度检查整个模型对问卷数据的拟合度估算潜变量之间的关系估算潜变量之间的关系 SEMSEM的主要拟合度指标的主要拟合度指标 1基本拟合标准基本拟合标准2模型内在结构拟合度模型内在结构拟合度3整体模型拟合度整体模型拟合度基本拟合标准基本拟合标准基本拟合标准是用来检验模型的误差以及误输入基本拟合标准是用来检验模型的误差以及误输入等问题。等问题。主要包

57、括：主要包括： （1）不能有负的测量误差；）不能有负的测量误差； （2）测量误差必须达到显著性水平；）测量误差必须达到显著性水平； （3）因子载荷必须介于）因子载荷必须介于0.5-0.95之间；之间； （4）不能有很大的标准误差。）不能有很大的标准误差。模型内在结构拟合度模型内在结构拟合度模型的内在结构拟合度是用来评价模型内估计参数的显模型的内在结构拟合度是用来评价模型内估计参数的显著程度、各指标及潜在变量的信度。著程度、各指标及潜在变量的信度。主要包括：主要包括： （1）潜变量的组成信度（）潜变量的组成信度（CR），），0.50以上表明组成信度以上表明组成信度较好；较好； （2）平均提炼方差

58、）平均提炼方差(AVE)，0.55以上为可以接受的水平。以上为可以接受的水平。 AVE用于估计测量模型的聚合效度，反映了潜变量的各用于估计测量模型的聚合效度，反映了潜变量的各观测变量对该潜变量的平均差异解释力，即潜变量的各观测变量对该潜变量的平均差异解释力，即潜变量的各观测变量与测量误差相比在多大程度上捕捉到了该潜变观测变量与测量误差相比在多大程度上捕捉到了该潜变量的变化。量的变化。整体模型拟合度整体模型拟合度整体模型拟合度用来评价模型与数据的拟合程度。主要包括：整体模型拟合度用来评价模型与数据的拟合程度。主要包括： （1）绝对拟合度，用来确定模型可以预测协方差阵和相关矩）绝对拟合度，用来确定

59、模型可以预测协方差阵和相关矩阵的程度；阵的程度； （2）简约拟合度，用来评价模型的简约程度；）简约拟合度，用来评价模型的简约程度； （3）增值拟合度，理论模型与虚无模型的比较。）增值拟合度，理论模型与虚无模型的比较。 表表1 1 整体模型拟合度的评价指标及标准整体模型拟合度的评价指标及标准指指 标标绝对拟合度绝对拟合度简约拟合度简约拟合度增值拟合度增值拟合度2 2GFIRMRRMSEAPNFI PGFINFlTFICFI0.90.050.50.50.900.900.90评价评价标准标准不显著指标说明指标说明2卡方拟合指数卡方拟合指数 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检验选

60、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，数据拟合不好的模型被拒绝。该不显著。在这种情况下，数据拟合不好的模型被拒绝。 RMR 是残差均方根。是残差均方根。RMR 是样本方差和协方差减去对应估计的方差和协方差的是样本方差和协方差减去对应估计的方差和协方差的平方和，再取平均值的平方根。平方和，再取平均值的平方根。RMR应该小于应该小于0.08，RMR越小，拟合越好。越小，拟合越好。RMSEA 是近似误差均方根是近似误差均方根 RMS

61、EA应该小于应该小于0.06，越小越好。，越小越好。GFI 是拟合优度指数，范围在是拟合优度指数，范围在0和和1间，但理论上能产生没有意义的负数。按照约间，但理论上能产生没有意义的负数。按照约定，要接受模型，定，要接受模型，GFI 应该等于或大于应该等于或大于0.90。PGFI 是简效拟合优度指数。它是简效比率是简效拟合优度指数。它是简效比率(PRATIO，独立模式的自由度与内定模，独立模式的自由度与内定模式的自由度的比率式的自由度的比率)乘以乘以GFI。 PGFI 应该等于或大于应该等于或大于0.90，越接近，越接近1越好。越好。 PNFI 是简效拟合优度指数，等于是简效拟合优度指数，等于P

62、RATIO乘以乘以 NFI。 PNFI应该等于或大于应该等于或大于0.90，越接近越接近1越好。越好。 NFI 是规范拟合指数，变化范围在是规范拟合指数，变化范围在0和和1间，间， 1 = 完全拟合。按照约定，完全拟合。按照约定，NFI 小于小于0.90 表示需要重新设置模型。越接近表示需要重新设置模型。越接近1越好。越好。 TLI 是是Tucker-Lewis 系数，也叫做系数，也叫做Bentler-Bonett 非规范拟合指数非规范拟合指数 (NNFI)。TLI接近接近1表示拟合良好。表示拟合良好。CFI 是比较拟合指数，其值位于是比较拟合指数，其值位于0和和1之间。之间。CFI 接近接近

63、1表示拟合非常好，其值大于表示拟合非常好，其值大于0.90表示模型可接受表示模型可接受,越接近越接近1越好。越好。 NCP是非集中性参数，其值为是非集中性参数，其值为0 0时代表模型具有完美的拟合度，其时代表模型具有完美的拟合度，其90%90%置信水平下置信水平下的估计范围若涵盖了的估计范围若涵盖了0 0， 表示模型拟合度具有完美的拟合度。表示模型拟合度具有完美的拟合度。课堂练习课堂练习1-1：试对范例：试对范例1（验证性因素分析）（验证性因素分析）所得到的模型评价指数数据进行评价分析。所得到的模型评价指数数据进行评价分析。LISREL 运行演练程序运行演练程序cha5a.ls8.（3 3）模

64、型评价（）模型评价（model assessmentmodel assessment） Degrees of Freedom = 120 Minimum Fit Function Chi-Square = 221.48 (P = 0.00) Normal Theory Weighted Least Squares Chi-Square = 204.95 (P = 0.00) Estimated Non-centrality Parameter (NCP) = 84.95 90 Percent Confidence Interval for NCP = (49.23 ; 128.55) Mini

65、mum Fit Function Value = 0.71 Population Discrepancy Function Value (F0) = 0.27 90 Percent Confidence Interval for F0 = (0.16 ; 0.41) Root Mean Square Error of Approximation (RMSEA) = 0.048 90 Percent Confidence Interval for RMSEA = (0.036 ; 0.059) P-Value for Test of Close Fit (RMSEA 0.05) = 0.62 E

66、xpected Cross-Validation Index (ECVI) = 0.98 90 Percent Confidence Interval for ECVI = (0.87 ; 1.12) ECVI for Saturated Model = 1.10 ECVI for Independence Model = 21.80 Chi-Square for Independence Model with 153 Degrees of Freedom = 6766.87 Independence AIC = 6802.87 Model AIC = 306.95 Saturated AIC

67、 = 342.00 Independence CAIC = 6888.30 Model CAIC = 549.01 Saturated CAIC = 1153.60 Goodness of Fit Statistics Normed Fit Index (NFI) = 0.97 Non-Normed Fit Index (NNFI) = 0.98 Parsimony Normed Fit Index (PNFI) = 0.76 Comparative Fit Index (CFI) = 0.98 Incremental Fit Index (IFI) = 0.98 Relative Fit I

68、ndex (RFI) = 0.96 Critical N (CN) = 224.91 Root Mean Square Residual (RMR) = 0.054 Standardized RMR = 0.049 Goodness of Fit Index (GFI) = 0.93 Adjusted Goodness of Fit Index (AGFI) = 0.90 Parsimony Goodness of Fit Index (PGFI) = 0.65 Goodness of Fit Statistics（4 4）模型修正（）模型修正（model modification）依据理论或

69、有关假设，提出一个或数个合理的先依据理论或有关假设，提出一个或数个合理的先验模型；验模型；检查潜变量（因子）与指标（题目）间的关系，检查潜变量（因子）与指标（题目）间的关系，建立测量模型，有时可能增删或重组题目；建立测量模型，有时可能增删或重组题目；对每一个模型，检查标准误、对每一个模型，检查标准误、t值、标准化残差、值、标准化残差、修正指数、及各种拟合指数，据此修改模型并重修正指数、及各种拟合指数，据此修改模型并重复这一步；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。83模型修正举例模型修正举例1717个题目个题目: :学习态度学习态度及取向及取向 A A、B B、C

70、C、D D、E E4 4、4 4、3 3、3 3、3 3题题 350350个学生个学生 84概念模型概念模型 MaMa85模模型型拟拟合合结结果果输输出出86模型拟合结果输出模型拟合结果输出Modification Indices for LAMBDA-XModification Indices for LAMBDA-X 修正指数修正指数 KSI 1 KSI 2 KSI 3 KSI 4 KSI 5KSI 1 KSI 2 KSI 3 KSI 4 KSI 5 - - - - - - - - - - VAR 1 - - 0.06 0.66 0.09 2.53 VAR 1 - - 0.06 0.66

71、0.09 2.53 VAR 2 - - 0.38 0.53 0.23 0.11 VAR 2 - - 0.38 0.53 0.23 0.11 VAR 3 - - 0.72 0.01 0.03 1.49 VAR 3 - - 0.72 0.01 0.03 1.49 VAR 4 - - 0.00 0.03 0.01 0.03 VAR 4 - - 0.00 0.03 0.01 0.03 VAR 5 7.73 - - 9.62 9.23 1.50 VAR 5 7.73 - - 9.62 9.23 1.50 VAR 6 0.01 - - 3.29 1.07 1.50 VAR 6 0.01 - - 3.29

72、1.07 1.50 VAR 7 0.12 - - 0.25 0.12 2.26 VAR 7 0.12 - - 0.25 0.12 2.26 VAR 8 VAR 8 41.35 41.35 - - 3.66 22.02 4.78 - - 3.66 22.02 4.78 VAR 9 0.40 0.02 - - 2.19 0.22 VAR 9 0.40 0.02 - - 2.19 0.22 VAR 10 0.03 0.10 - - 0.30 0.22 VAR 10 0.03 0.10 - - 0.30 0.22Maximum Modification Index is 41.35 for Eleme

73、nt LX ( 8,1)Maximum Modification Index is 41.35 for Element LX ( 8,1)修正指数修正指数: :该参数由固定改为自由估计，该参数由固定改为自由估计， 会减少的数值。或者说，若增加该因会减少的数值。或者说，若增加该因素载荷，卡方值约可降低素载荷，卡方值约可降低41.3541.35，是一个很显著的改变。，是一个很显著的改变。87在在LISRELLISREL分析中，当分析中，当MIMI指数指数高于高于5 5时，表示该残差具有时，表示该残差具有修正的必要。修正的必要。模模型型拟拟合合结结果果输输出出88Ma模型修正模型修正Q4在A的负荷很

74、小 (LX = 0.05)，但在其他因子的修正指数（MI）也不高不从属，也不归属其他因子Q8在B的负荷不高（0.28），但在A的MI是41.35，可能归属A；因子间相关很高 (0.40 至 0.54)模型拟合相当好： (109) =194.57，RMSEA0.046, NNFI = 0.94. CFI= 0.95。 仔细检查题目内容后，删去Q4, Q8归入A89模型修正模型修正 Ma 到到 Mb90Mb模型拟合结果输出模型拟合结果输出Q8归属A，因子负荷很高（0.49）， (94) = 149.51，RMSEA0.040，NNFI0.96，CFI = 0.97。 模型 Mb 比 Ma 好试让Q

75、8同时从属A和B?模型修正模型修正 Mb 到到 Mc92模型模型 McMc拟合拟合结果结果 (93)= 148.61, RMSEA.040 NNFI = 0.96, CFI = 0.97。Q8在A负荷为 0.54，在B负荷为 -0.08因为概念上Q8应与B成正相关，故不合理。而且这负荷相对低，所以我们选择Mb通常，每题只归属一个因子93模型修正结果比较模型修正结果比较修正前后模型的拟合指数比较_模型 df RMSEA NNFI CFI 注_Ma 109 195 0.046 0.94 0.95 原模型Mb 94 150 0.040 0.96 0.97 删Q4,Q8-AMc 93 149 0.04

76、0 0.96 0.97 删Q4,Q8-A,B_94模型修正演示模型修正演示 cha5a.ls8.（4 4）模型修正（）模型修正（model modificationmodel modification）96四、四、LISREL 语法语法n 数据设定指令数据设定指令n 模型设定指令模型设定指令n 输出设定指令输出设定指令97LISREL 语法语法n LISREL语法以语法以TITALTITAL（标题）为开端，（标题）为开端，TITI指令用来指定整指令用来指定整个个LISRELLISREL分析的标题名称，使每一页输出报表都有一个清楚的分析的标题名称，使每一页输出报表都有一个清楚的标题说明。标题说明

77、。n Data主指令用来定义数据。主指令用来定义数据。一、数据设定指令一、数据设定指令DA NG=n NI=k NO=n MA=type of matrix XM=global missing value RP=number of repetitions例如：例如： DA NI=10 NO=100 MA=CMNumber of groupes: 表示用表示用于分析的样本组数。于分析的样本组数。98LISREL 语法语法n Data主指令用来定义数据。主指令用来定义数据。一、数据设定指令一、数据设定指令课堂演示：课堂演示： ch5a.LS8Title ch5a Confirmatory Fact

78、or Analysis using LISREL syntaxDATA NI=18 NO=313 MA=CMCM SY FI=ch5a.covLA; A1 A2 A3 B1 B2 B3 C1 C2 C3 D1 D2 D3 E1 E2 E3 F1 F2 F3MODEL NX=18 NK=6 LX=FU,FI TD=DI,FRLK; 价值理价值理 工作方式工作方式 团队合作团队合作 领导方式领导方式 学习能力学习能力 环境氛围环境氛围 FREE LX(1,1) LX(2,1) LX(3,1) LX(4,2) LX(5,2) LX(6,2) LX(7,3)FREE LX(8,3) LX(9,3) L

79、X(10,4) LX(11,4) LX(12,4) LX(13,5) LX(14,5)FREE LX(15,5) LX(16,6) LX(17,6) LX(18,6)FIX PH(1,1) PH(2,2) PH(3,3) PH(4,4) PH(5,5) PH(6,6)VALUE 1 PH(1,1) PH(2,2) PH(3,3) PH(4,4) PH(5,5) PH(6,6)PDOUTPUT SE TV RS MR FS SS SC MI100LISREL 语法语法n Labels 主指令用来进行输入变量的标签批注。主指令用来进行输入变量的标签批注。一、数据设定指令一、数据设定指令 LA FI

80、=filename FO RE format statement label Labels指令范例：指令范例： 1.LA * HAPPY1 HAPPY2 HAPPY3 SES1 SES2 / 价值理念价值理念 工作方式工作方式 团队合作团队合作 / 自由格式自由格式101LISREL 语法语法n Labels 主指令用来进行输入变量的标签批注。主指令用来进行输入变量的标签批注。一、数据设定指令一、数据设定指令Labels指令范例：指令范例： 1.LA（6A7） HAPPY1 HAPPY2 HAPPY3 SES1 SES2 SES3 价值理念价值理念 工作方式工作方式 团队合作团队合作 领导方式

81、领导方式 学习能力学习能力 环境氛围环境氛围/ 观察变量将以固定格式表示，观察变量将以固定格式表示，6A76A7表示以固定格式读取六个表示以固定格式读取六个表卷，每一个表卷表卷，每一个表卷“必须必须”占据七个字段。占据七个字段。102LISREL 语法语法n Labels 主指令用来进行输入变量的标签批注。主指令用来进行输入变量的标签批注。一、数据设定指令一、数据设定指令Labels指令范例：指令范例： 1.LA FI=label. txt表示观察变量的标签存放于表示观察变量的标签存放于label. txt档案当中。档案当中。 103LISREL 语法语法n Labels 主指令用来进行输入变

82、量的标签批注。主指令用来进行输入变量的标签批注。一、数据设定指令一、数据设定指令课堂演示：课堂演示：ch5a.LS8Title ch5a Confirmatory Factor Analysis using LISREL syntaxDATA NI=18 NO=313 MA=CMCM SY FI=ch5a.covLA; A1 A2 A3 B1 B2 B3 C1 C2 C3 D1 D2 D3 E1 E2 E3 F1 F2 F3MODEL NX=18 NK=6 LX=FU,FI TD=DI,FRLK; 价值理念价值理念 工作方式工作方式 团队合作团队合作 领导方式领导方式 学习能力学习能力 环境氛

83、围环境氛围 FREE LX(1,1) LX(2,1) LX(3,1) LX(4,2) LX(5,2) LX(6,2) LX(7,3)FREE LX(8,3) LX(9,3) LX(10,4) LX(11,4) LX(12,4) LX(13,5) LX(14,5)FREE LX(15,5) LX(16,6) LX(17,6) LX(18,6)FIX PH(1,1) PH(2,2) PH(3,3) PH(4,4) PH(5,5) PH(6,6)VALUE 1 PH(1,1) PH(2,2) PH(3,3) PH(4,4) PH(5,5) PH(6,6)PDOUTPUT SE TV RS MR FS

84、 SS SC MILISREL 语法语法105LISREL 语法语法n RAw data :主指令是用于当输入的数据为原始数据主指令是用于当输入的数据为原始数据而非摘要统计数据时，通常原始数据都储存在另一个而非摘要统计数据时，通常原始数据都储存在另一个档案中，因此档案中，因此RA指令多跟随着路径关键词指令多跟随着路径关键词FI。一、数据设定指令一、数据设定指令 RA FI=filename FO RE Variable format statement dataFO关键词表示外部数据文件使用固定格式，因此在紧接下一行会关键词表示外部数据文件使用固定格式，因此在紧接下一行会出现数值格式（出现数值

85、格式（*F*.*）符号：第一个）符号：第一个*表示变量数目，第二个表示变量数目，第二个*表表示每个变量所占据的字段数，第三个示每个变量所占据的字段数，第三个*表示小数点之后的位数。表示小数点之后的位数。 例如：例如：5F6.3106LISREL 语法语法n RA指令范例如下：指令范例如下：一、数据设定指令一、数据设定指令DA NI=5 NO=20RA FI=c:data.dat FO(5F3.1)表示共有五个观察变量，表示共有五个观察变量，2020个样本。个样本。数据形式为原始数据，放置于数据形式为原始数据，放置于c:data.dat路径与档案中，采取固路径与档案中，采取固定格式，每个观察变量

86、占据三个位，定格式，每个观察变量占据三个位，其中一个为小数点。其中一个为小数点。如果使用自由格式，则无需指定变量数据的格式，如果使用自由格式，则无需指定变量数据的格式，直接第一行便输入数据，或以直接第一行便输入数据，或以*放置于第一行，第放置于第一行，第二行开始输入数据。二行开始输入数据。 107LISREL 语法语法n RA指令范例如下：指令范例如下：一、数据设定指令一、数据设定指令 CM FU （3F6.2） 2078 -554 1021 -554 2590 767 1021 767 2125则则1021读为？读为？108LISREL 语法语法n CM, KM, MM, OM, PM：是指

87、：是指LISREL使用摘要统使用摘要统计数据，例如协方差、相关系数等，例如：计数据，例如协方差、相关系数等，例如：一、数据设定指令一、数据设定指令CM ：协方差矩阵；：协方差矩阵；KM ：相关矩阵；：相关矩阵；MM ：动差矩阵；：动差矩阵；OM ：期望分数矩阵；：期望分数矩阵；PM ：多元系列相关矩阵。：多元系列相关矩阵。CM FI=filename SY FO REVariable format statementSummary data statistic109LISREL 语法语法n 内部矩阵形态关键词包括了内部矩阵形态关键词包括了SY与与FU。 SY：代表读取对角线及以下数据（下三角区

88、域）：代表读取对角线及以下数据（下三角区域） FU：代表读入矩阵中的所有数据。：代表读入矩阵中的所有数据。 演示：演示：Ch7a.LS8（Labels指令范例指令范例）一、数据设定指令一、数据设定指令Ch7a Path Modela using LISREL syntaxDATA NI=9 NO=281 MA=CMCM SY.402.466 2.537.185 .667 .649.174 .704 .368 .910.167 .578 .272 .421 .693.157 .483 .207 .330 .320 .600.221 .730 .346 .463 .392 .387 .779.17

89、2 .647 .370 .270 .369 .250 .333 .768 1.406 2.883 .949 .154 .347 .274 .527 1.116 85.137LA; 员工绩效员工绩效 组织承诺组织承诺 价值理念价值理念 工作方式工作方式 团队合作团队合作 领导方式领导方式 学习能力学习能力 环境氛围环境氛围MODEL NY=2 NX=7 PS=DI,FR PH=SY,FR BE=FU,FI GA=FU,FIFREE BE(1,2) GA(2,1) GA(2,2) GA(2,3) GA(2,4) GA(2,5) GA(2,6) GA(2,7) GA(1,7)FIX PH(1,7)

90、PH(2,7) PH(3,7) PH(4,7) PH(5,7) PH(6,7)PDOUTPUT SE TV RS MR FS EF SS SC MILISREL 语法语法111LISREL 语法语法n范例如下：对于协方差矩阵范例如下：对于协方差矩阵S一、数据设定指令一、数据设定指令 CM SY 20.78 -5.54 25.90 10.21 7.67 21.25112LISREL 语法语法n范例如下：对于协方差矩阵范例如下：对于协方差矩阵S一、数据设定指令一、数据设定指令 CM FU （3F6.2） 2078 -554 1021 -554 2590 767 1021 767 2125113LI

91、SREL 语法语法n ME、SD 主指令用于读取观察变量的平均数（主指令用于读取观察变量的平均数（ME）与标准差）与标准差（SD）数据。基本语法如下：）数据。基本语法如下：一、数据设定指令一、数据设定指令ME( or SD) FI=filename FO REVariable format statementData 114LISREL 语法语法n 现以三个观察变量的平均数与标准差的读取为例，现以三个观察变量的平均数与标准差的读取为例，以自由格式读入时如下以自由格式读入时如下：一、数据设定指令一、数据设定指令ME52.11 60.59 53.01SD4.64 4.12 5.88115LISRE

92、L 语法语法n 现以外挂数据与内含数据各举例如下现以外挂数据与内含数据各举例如下：一、数据设定指令一、数据设定指令 DA NI=3 MA=MM CM FI=DATA.COV ME FI=MEAN.MEN FO (3F6.2) DA NI=3 MA=MM CM ME FO (3F6.2) 2078 -554 2590 1021 767 2125 5211 6059 5301116LISREL 语法语法n Select 主指令用于选取矩阵中的变量，或将变量顺主指令用于选取矩阵中的变量，或将变量顺序重新排列。序重新排列。一、数据设定指令一、数据设定指令SE 5 4 3 2 1表示将变量顺序倒置表示将

93、变量顺序倒置SE 5 4 2 1表示将变量顺序倒置且不选择第三个变量纳入分析。表示将变量顺序倒置且不选择第三个变量纳入分析。117LISREL 语法语法n 模型设定指令由模型设定指令由Model指令主导，接续一连串的关键指令主导，接续一连串的关键词来说明模型当中变量数目、类型与各种参数关系的词来说明模型当中变量数目、类型与各种参数关系的界定。基本语法形态如下：界定。基本语法形态如下：二、模型界定指令二、模型界定指令MO NY=p NX=q NE=m NK=n AP=k FI LY=mf,mm LX=mf,mm BE=mf,mm GA=mf,mm PH=mf,mm PS=mf,mm TE=mf,

94、mm TD=mf,mm TY=mf,mm TS=mf,mm AL=mf,mm KA=mf,mmNY: 内生观察变量（内生观察变量（y）数目）数目NX: 外源观察变量（外源观察变量（x）数目）数目NE: 内生潜在变量（内生潜在变量（eta）数目）数目NK: 外源潜在变量（外源潜在变量（ksi）数目）数目表示矩阵格式或表示矩阵格式或者矩阵形式者矩阵形式118LISREL 语法语法n 现以下列的现以下列的 矩阵为例：矩阵为例：二、模型界定指令二、模型界定指令 MO FR PH(2,1) PH(3,3) PH(4,4) VA 1 PH(1,1) PH(2,2)* *号表示自由估号表示自由估计参数计参数

95、0 0和和1 1代表固定代表固定参数参数119LISREL 语法语法n VA 、ST Value与与Starting value两个次指令用来说明当参数限两个次指令用来说明当参数限定为定为0之外的数值，也就是估计的起始值。这两个指令之外的数值，也就是估计的起始值。这两个指令有相同的数学性质，可以互换使用。有相同的数学性质，可以互换使用。二、模型界定指令二、模型界定指令VA 1.5 LX(2,1) LX(6,2) GA（1,2）表示让表示让LX 矩阵中的两个元素与矩阵中的两个元素与GA矩阵中的一个元素矩阵中的一个元素参数值为参数值为1.5。120LISREL 语法语法n FR、FI 、EQ 如果

96、用户想要改变矩阵中的特定元素关系，例如如果用户想要改变矩阵中的特定元素关系，例如固固定定、自由自由，或，或限定参数限定参数的估计时，可以使用的估计时，可以使用FR、FI 和和EQ指令。例如：指令。例如：二、模型界定指令二、模型界定指令Free LX(1,2) LX(2,2) 表示让表示让LX 矩阵（与矩阵（与X有关的因素负荷量矩阵）中的第有关的因素负荷量矩阵）中的第一与第二个元素的参数自由估计。一与第二个元素的参数自由估计。EQual LY(1,2) LY(2,2) 表示让表示让LY 矩阵（与矩阵（与Y有关的因素负荷量矩阵）中的第有关的因素负荷量矩阵）中的第一与第二个元素的参数限定等同。一与第

97、二个元素的参数限定等同。121LISREL 语法语法n LE、LK 两个次指令用来给予潜在变量文字卷标，两个次指令用来给予潜在变量文字卷标，LE为潜在为潜在内生变量标签，内生变量标签，LK为潜在外源变量标签，两者功能与为潜在外源变量标签，两者功能与标示原则与标示原则与LA指令相同。基本语法如下指令相同。基本语法如下：二、模型界定指令二、模型界定指令 LE( or LK) FI=filename FO RE Format statement labels如：如： LE；工作自主权；工作自主权 工作满足度工作满足度122LISREL 语法语法n LE、LK 两个次指令演示两个次指令演示：课堂具体程

98、序演示：课堂具体程序演示： ch5a.LS8123LISREL 语法语法n LE、LK 两个次指令演示两个次指令演示：Title ch5a Confirmatory Factor Analysis using LISREL syntaxDATA NI=18 NO=313 MA=CMCM SY FI=ch5a.covLA; A1 A2 A3 B1 B2 B3 C1 C2 C3 D1 D2 D3 E1 E2 E3 F1 F2 F3MODEL NX=18 NK=6 LX=FU,FI TD=DI,FRLK; 价值理念价值理念 工作方式工作方式 团队合作团队合作 领导方式领导方式 学习能力环境氛围学习能

99、力环境氛围FREE LX(1,1) LX(2,1) LX(3,1) LX(4,2) LX(5,2) LX(6,2) LX(7,3)FREE LX(8,3) LX(9,3) LX(10,4) LX(11,4) LX(12,4) LX(13,5) LX(14,5)FREE LX(15,5) LX(16,6) LX(17,6) LX(18,6)FIX PH(1,1) PH(2,2) PH(3,3) PH(4,4) PH(5,5) PH(6,6)VALUE 1 PH(1,1) PH(2,2) PH(3,3) PH(4,4) PH(5,5) PH(6,6)PDOUTPUT SE TV RS MR FS

100、SS SC MI124LISREL 语法语法n LISREL软件参数估计与结果输出指令的下达以软件参数估计与结果输出指令的下达以Output主指令接续适当的次指令或关键词进行。基本主指令接续适当的次指令或关键词进行。基本语法为：语法为：三、三、 结果输出设定指令结果输出设定指令 OU ME=methods SL=100alfa AM SOn Method参数估计方法：参数估计方法：IV TS UL GL ML WL DLMaxiumum likelihood修正程序的显著性，例如修正程序的显著性，例如SL=5表示表示0.05的显著水平。的显著水平。125LISREL 语法语法n 报表输出设定：

101、报表输出设定：LISREL 报表中除提供数据读取的报表中除提供数据读取的各种描述统计资料外，还可以提供多种不同的统计数各种描述统计资料外，还可以提供多种不同的统计数据，用户可以自由选择，关键词如下据，用户可以自由选择，关键词如下(常用的常用的)：三、三、 结果输出设定指令结果输出设定指令 SE（standard errors）：标准误）：标准误 TV ：t 检验值检验值 PC：参数估计的相关系数：参数估计的相关系数 RS：残差、正态化残差与：残差、正态化残差与Q图图 EF：总效应与间接效应：总效应与间接效应 SS：标准化参数估计解：标准化参数估计解 SC：参数估计解完全标准化：参数估计解完全标

102、准化 MI： 列出模型修正指标列出模型修正指标 FS：列出因素分数回归值：列出因素分数回归值 AL：列出所有：列出所有LISREL分析的统计报表分析的统计报表Title ch5a Confirmatory Factor Analysis using LISREL syntaxDATA NI=18 NO=313 MA=CMCM SY FI=ch5a.covLA; A1 A2 A3 B1 B2 B3 C1 C2 C3 D1 D2 D3 E1 E2 E3 F1 F2 F3MODEL NX=18 NK=6 LX=FU,FI TD=DI,FRLK; 价值理念价值理念 工作方式工作方式 团队合作团队合作

103、领导方式领导方式 学习能力环境氛围学习能力环境氛围FREE LX(1,1) LX(2,1) LX(3,1) LX(4,2) LX(5,2) LX(6,2) LX(7,3)FREE LX(8,3) LX(9,3) LX(10,4) LX(11,4) LX(12,4) LX(13,5) LX(14,5)FREE LX(15,5) LX(16,6) LX(17,6) LX(18,6)FIX PH(1,1) PH(2,2) PH(3,3) PH(4,4) PH(5,5) PH(6,6)VALUE 1 PH(1,1) PH(2,2) PH(3,3) PH(4,4) PH(5,5) PH(6,6)PDOU

104、TPUT SE TV RS MR FS SS SC MILISREL 语法语法127四、四、LISREL 语法语法n 矩阵输出设定：矩阵输出设定：LISREL 可以将特定矩阵输出至外可以将特定矩阵输出至外部档案以供检视，基本语法是：部档案以供检视，基本语法是：三、三、 结果输出设定指令结果输出设定指令 OU matrix1=filename1 matrix2=filename2 n 路径图输出设定：路径图输出设定： （1）PD指令，要求指令，要求LISREL绘制模型路径图，绘制模型路径图，PD指指令需放置于令需放置于Model指令之后。指令之后。 （2）利用档案（）利用档案（file）当中的）

105、当中的Export As Metafile，可，可将路径图连同分析数据换成图形文件，从而可以与其将路径图连同分析数据换成图形文件，从而可以与其他软件（他软件（word/powerpoint）结合使用。）结合使用。课堂演示课堂演示五、验证性因素分析五、验证性因素分析 （一）因素分析（一）因素分析 探索性因素分析探索性因素分析（exploratory factor analysis: EFA）：）：研究者在进行因素分析之前，并未对于数据的因素结构研究者在进行因素分析之前，并未对于数据的因素结构有任何预期与立场，而借由统计量据分析因素的结构，有任何预期与立场，而借由统计量据分析因素的结构，此种因素分

106、析策略带有浓厚的尝试错误的意味。此种因素分析策略带有浓厚的尝试错误的意味。 验证性因素分析验证性因素分析（ comfirmatory factor analysis: CFA ）：研究者在研究之初已提出某种特定的结构关系）：研究者在研究之初已提出某种特定的结构关系假设，例如某一概念的测量问卷是由数个不同子量表所假设，例如某一概念的测量问卷是由数个不同子量表所组成，此时因素分析可以被用来确认数据的模式是否即组成，此时因素分析可以被用来确认数据的模式是否即为研究者所预期的形式。为研究者所预期的形式。128（二）验证性因素分析（二）验证性因素分析（CFA ）的特性）的特性验证性因素分析用于检验一组测

107、量变量与一组可以解释测量变验证性因素分析用于检验一组测量变量与一组可以解释测量变量的因素构念间的关系，量的因素构念间的关系，CFACFA允许研究者分析确认事先假设的允许研究者分析确认事先假设的测量变量与因素间关系的正确性。测量变量与因素间关系的正确性。测量模型的检验程序称之为确认性因素分析，如下图所示：测量模型的检验程序称之为确认性因素分析，如下图所示： 129V2V3V4V5V6V1 F1 F2E1E2E3E4E5E6共同变异量共同变异量独特变异量独特变异量五、验证性因素分析五、验证性因素分析 （二）验证性因素分析（二）验证性因素分析（CFA ）的特性）的特性单维测量：单一一个变量只能用以反

108、映单一一个潜在变量。单维测量：单一一个变量只能用以反映单一一个潜在变量。多维测量：一个变量能用以反映多个潜在变量多维测量：一个变量能用以反映多个潜在变量CFACFA测量模式在技术上允许测量变量的误差项为多维的测测量模式在技术上允许测量变量的误差项为多维的测量。量。 130V2V3V4V5V6V1 F1 F2E1E2E3E4E5E6V2V3V4V5V6V1 F1 F2E1E2E3E4E5E6五、验证性因素分析五、验证性因素分析 V2V3V4V5V6V1 F1 F2E1E2E3E4E5E6（三）测量模型的内部拟合检验（三）测量模型的内部拟合检验 一个测量模型能否被接受，以及参数估计的优一个测量模型

109、能否被接受，以及参数估计的优劣好坏，除了从模型的整体拟合来看之外，还必须从劣好坏，除了从模型的整体拟合来看之外，还必须从模型的内在质量来衡量每一个潜在变量的适切性，成模型的内在质量来衡量每一个潜在变量的适切性，成为内部拟合。为内部拟合。 具体做法：具体做法： 项目质量检验：因素载荷判断（效度）。项目质量检验：因素载荷判断（效度）。 组合信度检验：组合信度检验： 平均变异萃取量检验：平均变异萃取量检验： 因素区辩力检验：因素区辩力检验：比较两个潜在变量的平比较两个潜在变量的平均变异萃取量是否大于两个潜在变量的相关系数平方。均变异萃取量是否大于两个潜在变量的相关系数平方。131优秀优秀非常好非常好

110、好好普通普通不好不好不及格不及格50%40%30%20%10%0.710.630.550.450.32 0.32以下以下 状况状况五、验证性因素分析五、验证性因素分析 完整完整LISREL模型的模型的参数图示参数图示 z2 x x2 h h2 d3 e3 x3 x4 y3 y4 f21 12 x x1 d1 x1 x2 lx11 h h1 y1 y2 z1 d2 e1 e2 d4 e4 21 22 lx21 ly11 l y21 lx12 lx22 ly12 l y22 （四）验证性因素分析的操作（四）验证性因素分析的操作 模型界定模型界定 LISREL数据结构数据结构 LISREL语法语法

111、结果报告与说明结果报告与说明 模型修饰指数的检视模型修饰指数的检视 分析结果与参数报告分析结果与参数报告133五、验证性因素分析五、验证性因素分析 1 1、模型界定、模型界定 134 某研究者编制一份某研究者编制一份“组织创新氛围量表组织创新氛围量表” ” 共有共有1818题（代号题（代号A1A1至至F3F3），各题项如下：），各题项如下： 01. 01. 我们公司重视人力资产、鼓励创新思考。我们公司重视人力资产、鼓励创新思考。02. 02. 我们公司下情上达、意见交流沟通顺畅。我们公司下情上达、意见交流沟通顺畅。03. 03. 我们公司能够提供诱因鼓励创新构想。我们公司能够提供诱因鼓励创新构

112、想。04. 04. 当我有需要，我们可以不受干扰地独立工作。当我有需要，我们可以不受干扰地独立工作。05. 05. 我的工作内容有我可以自由发挥与挥洒的空间。我的工作内容有我可以自由发挥与挥洒的空间。06. 06. 我可以自由地设定我的工作目标与进度。我可以自由地设定我的工作目标与进度。07. 07. 我的工作伙伴与团队成员具有良好的共识。我的工作伙伴与团队成员具有良好的共识。08. 08. 我的工作伙伴与团队成员能够互相支持与协助。我的工作伙伴与团队成员能够互相支持与协助。09. 09. 我的工作伙伴与团队成员能够以沟通协调来化解冲突。我的工作伙伴与团队成员能够以沟通协调来化解冲突。10.我

113、的主管能够尊重与支持我在工作上的创意。我的主管能够尊重与支持我在工作上的创意。11. 我的主管拥有良好的沟通协调能力。我的主管拥有良好的沟通协调能力。12.我的主管能够信任部属、适当地授权。我的主管能够信任部属、适当地授权。13.我的公司提供充分进修机会、鼓励参与学习活动。我的公司提供充分进修机会、鼓励参与学习活动。14.人员的教育训练是我们公司的重要工作。人员的教育训练是我们公司的重要工作。15.我公司重视信息收集与新知的获得与交流。我公司重视信息收集与新知的获得与交流。16.我的工作空间氛围和谐良好、令人心情愉快。我的工作空间氛围和谐良好、令人心情愉快。17.我有一个舒适自由、感到满意的工

114、作空间。我有一个舒适自由、感到满意的工作空间。18.我的工作环境可以使我更有创意的灵感与启发。我的工作环境可以使我更有创意的灵感与启发。135 量表的填答，采用量表的填答，采用Likert五点量表法，从五点量表法，从“非常不符合非常不符合”到到“非常符非常符合合”，选项分数从，选项分数从1至至5，得分俞高，表示组织气氛越有利于组织成员进行，得分俞高，表示组织气氛越有利于组织成员进行创新的表现。基于研究者所提出的先期结构（六因素测量模型），六个因创新的表现。基于研究者所提出的先期结构（六因素测量模型），六个因素与素与18个测量变量的关系可以利用下图的假设模型来表示：个测量变量的关系可以利用下图的

115、假设模型来表示：CFA测量模型测量模型的假设模型的假设模型2、LISREL数据结构数据结构n 本例的分析以协方差矩阵作为输入数据，并以外挂的本例的分析以协方差矩阵作为输入数据，并以外挂的方式将矩阵数据存放于方式将矩阵数据存放于ch5a.cov档案中。在执行档案中。在执行LISREL分析时，仅需指明该数据文件，并将分析时，仅需指明该数据文件，并将LISREL语法文件语法文件（* *.ls8）与数据文件放置于同一目录区）与数据文件放置于同一目录区nCH5a.cov档案的内容档案的内容利用利用LISREL打开（打开（CH5）。n测量变量的方差与协方差矩阵可以利用其他软件制作，测量变量的方差与协方差矩

116、阵可以利用其他软件制作，如如SPSS,SAS等。等。136（四）验证性因素操作（四）验证性因素操作 3、LISREL语法语法n 具体语法编写在具体语法编写在LISREL软件上进行。软件上进行。 课堂演示课堂演示4、结果报告与说明（结果报告与说明（LISREL软件运行）。软件运行）。 （1）参数估计结果；）参数估计结果； （2）模型拟合度分析；）模型拟合度分析； （3）残差分析。）残差分析。137（四）验证性因素操作（四）验证性因素操作 5、模型修饰指数的检视、模型修饰指数的检视 注：注：MI值大于值大于5时，表示该变量的存在具时，表示该变量的存在具有统计意义的关联性，建议加入模型中。有统计意义

117、的关联性，建议加入模型中。 课堂演示课堂演示6、分析结果与参数报告、分析结果与参数报告138（四）验证性因素操作（四）验证性因素操作 某研究者编制一份某研究者编制一份“公立中学兼行政教师所感觉的校长激励公立中学兼行政教师所感觉的校长激励策略量表策略量表”，共有十二题，各题项如下：，共有十二题，各题项如下：练习题练习题11.1.校长会依绩效表现给予兼行政教师不同方式的奖惩。校长会依绩效表现给予兼行政教师不同方式的奖惩。【绩效奖惩绩效奖惩】2.2.兼行政教师利用非上班时间办理活动时，校长会给予合理的加班费兼行政教师利用非上班时间办理活动时，校长会给予合理的加班费【加加班补偿班补偿】3.3.对兼行政

118、教师额外工作付出，校长会给予合理工作津贴。对兼行政教师额外工作付出，校长会给予合理工作津贴。【工作津贴工作津贴】4.4.校长常会举办聚餐联谊活动，以凝聚团队向心力。校长常会举办聚餐联谊活动，以凝聚团队向心力。【联谊聚餐联谊聚餐】5.5.校长会主动改善学校的软硬件设备，以提升行政效率。校长会主动改善学校的软硬件设备，以提升行政效率。【设备改善设备改善】6.6.校长非常重视并接纳兼行政教师各方面的建言。校长非常重视并接纳兼行政教师各方面的建言。【接纳建言接纳建言】7.7.校长会极力营造具人性化领导风格的组织文化。校长会极力营造具人性化领导风格的组织文化。【领导风格领导风格】8.8.校长能营造有创意

119、的环境，让兼行政教师发挥潜能。校长能营造有创意的环境，让兼行政教师发挥潜能。【创意环境创意环境】9.9.校长经常鼓励兼行政教师学习新知和技能。校长经常鼓励兼行政教师学习新知和技能。【鼓励学习鼓励学习】10.校长会依兼行政教师的专业所长，使其得以适才所用。校长会依兼行政教师的专业所长，使其得以适才所用。【适才适所适才适所】11. 校长能提供兼行政教师完成工作所需的技巧和方法。校长能提供兼行政教师完成工作所需的技巧和方法。【技巧传授技巧传授】12.校长会依兼行政教师工作专业需求提供相关的研习机会。校长会依兼行政教师工作专业需求提供相关的研习机会。【提供研习提供研习】l量表的填答，采用量表的填答，采

120、用LIKERTLIKERT五点量表法，从五点量表法，从“非常不符合非常不符合”到到“非常非常符合符合”，选项分数从，选项分数从1 1至至5 5，得分俞高，表示公立中学兼行政教师所，得分俞高，表示公立中学兼行政教师所感知的校长激励策略愈佳。经探索性因素分析结果，共抽出三个共感知的校长激励策略愈佳。经探索性因素分析结果，共抽出三个共同因素：同因素：“福利措施福利措施”、“健全组织健全组织”、“专业成长专业成长”，三个共同，三个共同因素包含的题项如下表所示：因素包含的题项如下表所示：因素构面因素包含的题项福利措施 1.绩效奖惩（VA1） 2.加班补偿 （VA2） 3.工作津贴（VA3） 4.联谊聚餐

121、（VA4） 健全组织 5.设备改善（VB1） 6.接纳建言（VB2） 7.领导风格（VB3） 8.创意环境（VB4） 专业成长 9.鼓励学习（VC1） 10.适才适所（VC2） 11.技巧传授（VC3） 12.提供研习（VC4） l为了验证在探索性因素分析中得到的因素结构模型是否与实际数据配，研为了验证在探索性因素分析中得到的因素结构模型是否与实际数据配，研究者以激励策略量表为工具，重新抽样，选取大型学校兼行政教师究者以激励策略量表为工具，重新抽样，选取大型学校兼行政教师8080名，名，中型学习中型学习6060名，小型学习名，小型学习6060名教师，合计样本名教师，合计样本200200个，进行

122、模型的验证。激个，进行模型的验证。激励策略量表验证性因素分析的概念模型图如下：励策略量表验证性因素分析的概念模型图如下：联谊聚餐联谊聚餐福利措施福利措施设备改善设备改善接纳建言接纳建言领导风格领导风格创意环境创意环境鼓励学习鼓励学习适才适所适才适所技巧传授技巧传授工作津贴工作津贴提供研习提供研习加班补偿加班补偿绩效奖惩绩效奖惩健全组织健全组织专业成长专业成长200200位受试者在激励策略量表得分的协方差位受试者在激励策略量表得分的协方差矩阵数据如矩阵数据如表表ex5_2.savex5_2.sav。基于给出的数据，利用基于给出的数据，利用LISRELLISREL软件进行模型软件进行模型的验证性因

123、素分析。的验证性因素分析。练习题练习题 1l结构方程模型是验证性因素模型和潜变结构方程模型是验证性因素模型和潜变量因果模型的结合。量因果模型的结合。l路径分析：分析因果模型的一种方法和路径分析：分析因果模型的一种方法和技术技术143六、路径分析六、路径分析 （一）什么是路径分析？（一）什么是路径分析？l通常的回归分析有很多不足，例如：通常的回归分析有很多不足，例如： （1）只能包含一个因变量）只能包含一个因变量 （2）不能分析间接效应）不能分析间接效应l路径分析模型路径分析模型：不仅可以处理有多个因变量：不仅可以处理有多个因变量和中介变量的问题，而且可以处理一些变和中介变量的问题，而且可以处理

124、一些变量互为因果的问题，及所谓的非递归模型。量互为因果的问题，及所谓的非递归模型。144六、路径分析六、路径分析 （二）什么要使用路径分析模型？（二）什么要使用路径分析模型？l路径分析包括三个部分：路径分析包括三个部分：路径图路径图依据路径图写出联系相关系数与模型参数的方程依据路径图写出联系相关系数与模型参数的方程效应分解效应分解l路径图路径图：矩形框表示可观察变量；直接箭头表示假：矩形框表示可观察变量；直接箭头表示假定变量间有因果关系；弧形的双向箭头表示假定两定变量间有因果关系；弧形的双向箭头表示假定两个变量相关，但没有因果关系；如果变量间没有连个变量相关，但没有因果关系；如果变量间没有连线

125、，则表示假定变量间没有直接联系。依据路径图线，则表示假定变量间没有直接联系。依据路径图可以区分两类因果模型。可以区分两类因果模型。145六、路径分析六、路径分析 （三）路径分析的基础知识（三）路径分析的基础知识l路径分析包括三个部分：路径分析包括三个部分：路径图路径图依据路径图写出联系相关系数与模型依据路径图写出联系相关系数与模型参数的方程参数的方程效应分解效应分解146六、路径分析六、路径分析 （三）路径分析的基础知识（三）路径分析的基础知识X1X2Y1Y2D1D2l路径图路径图：矩形框表示可观察变量；直接箭头表示假定变矩形框表示可观察变量；直接箭头表示假定变量间有因果关系；弧形的双向箭头表

126、示假定两个变量相量间有因果关系；弧形的双向箭头表示假定两个变量相关，但没有因果关系；如果变量间没有连线，则表示假关，但没有因果关系；如果变量间没有连线，则表示假定变量间没有直接联系。定变量间没有直接联系。147六、路径分析六、路径分析 绩效与期望是相关绩效与期望是相关两个变量皆会影响满意度，满意度又影响忠诚度两个变量皆会影响满意度，满意度又影响忠诚度绩效与期望对忠诚度没有直接效果。绩效与期望对忠诚度没有直接效果。 绩效绩效期望期望满意度满意度忠诚度忠诚度148路径图路径图 两类因果两类因果模型模型递归模型递归模型单向的因果联系没有直接或间接的反馈所有的误差不相关非递归模型非递归模型相互的因果联

127、系有反馈误差项之间有联系l 依据路径图可以区分两类因果模型。依据路径图可以区分两类因果模型。149l 递归（递归（recursiverecursive）模型）模型路径图路径图 只有单向的直线箭头，且误差项之间没有联系X1X2Y1Y2D1D2150l 非递归（非递归（non-recursivenon-recursive）模型）模型路径图路径图 有直接或间接的循环直线箭头，且误差项之间存在联系X1X2Y1Y2D1D2151路径系数路径系数 l 路径系数的种类路径系数的种类 由外源变量影响内生变量的路径系数 由内生变量到内生变量的路径系数l 路径系数（标准化的回归系数）路径系数（标准化的回归系数）

128、自变量和因变量（就具体的方程而言） 外源变量X和内生变量Y（就整个模型而言）l上图路径图以模型结构方程式表示如下：上图路径图以模型结构方程式表示如下：X1X2Y1Y2152l 效应分解：效应分解：也称相关系数分解，是将变量之间的相关也称相关系数分解，是将变量之间的相关系数分解为不同的效应部分。包括系数分解为不同的效应部分。包括直接效应直接效应和和间接效应间接效应。效应分解效应分解 X1X2Y1Y2153l 效应分解：效应分解：也称相关系数分解，是将变量之间的相关系数分解为不同的效应部分。包括直接效应和间接效应。 整体效应整体效应= =直接效应直接效应+ +间接效应间接效应效应分解效应分解 影响

129、学业表现的路径模型图影响学业表现的路径模型图自我效能感自我效能感社会期待社会期待成就动机成就动机学业表现学业表现154l 如果所有未知参数有唯一解，模型是可识别的。如果所有未知参数有唯一解，模型是可识别的。一些因果模型的识别准则：一些因果模型的识别准则： T-法则递归模型都是可以识别的非递归模型可识别的阶条件 阶条件阶条件：方程可识别的阶条件是至少有P-1个变量不在方程中。 秩条件秩条件：模型可识别的充分必要条件。（四）模型的识别问题（四）模型的识别问题 155（五）参数估计（五）参数估计对于递归模型，可以像通常的回归模型一样，对于递归模型，可以像通常的回归模型一样，使用普通的最小二乘法估计模

130、型参数，也可以使用普通的最小二乘法估计模型参数，也可以使用统计软件进行数据处理和分析。使用统计软件进行数据处理和分析。对于一般的因果模型，需要用结构方程模型软对于一般的因果模型，需要用结构方程模型软软件进行分析，方法与验证性因子分析一样软件进行分析，方法与验证性因子分析一样 极大似然估计 最小二乘估计156 评价可以从三方面进行：评价可以从三方面进行： （1 1）检验参数的显著性）检验参数的显著性 （2 2）用拟合指数对模型做整体的评价）用拟合指数对模型做整体的评价 （3 3）计算测定系数，评价方程对数据的解释能力）计算测定系数，评价方程对数据的解释能力 方程的测定系数方程的测定系数：检验该方

131、程对数据的拟合程度 因果模型的测定系数：因果模型的测定系数：评价整个因果模型的总测定系数。（六）模型的评价和修正（六）模型的评价和修正157（六）模型的评价和修正（六）模型的评价和修正因果模型的修正可以分为四类：因果模型的修正可以分为四类：（1）增加或减少内生变量，相当于增加或减少方程；）增加或减少内生变量，相当于增加或减少方程；（2）保持内生变量不变，只增加或减少外源变量；）保持内生变量不变，只增加或减少外源变量；（3）保持内生变量和外源变量不变，但变动它们之间）保持内生变量和外源变量不变，但变动它们之间的路径联系；的路径联系；（4）保持内生变量、外源变量和它们之间的路径联系）保持内生变量、

132、外源变量和它们之间的路径联系不变，只变动残差的相关模式。不变，只变动残差的相关模式。158l 理论假设产生因果模型，而路径分理论假设产生因果模型，而路径分析则是分析和验证因果模型的技术，析则是分析和验证因果模型的技术，不能指望用路径分析来寻找或发现因不能指望用路径分析来寻找或发现因果关系。果关系。说明：说明：l模型界定模型界定 lLISREL数据结构数据结构lLISREL语法语法l结果报告与说明结果报告与说明 159（七）（七）LISRELLISREL的路径分析的路径分析 l模型界定模型界定 ：路径分析的假设模型路径图如下路径分析的假设模型路径图如下160（七）（七）LISRELLISREL的

133、路径分析的路径分析 X1组织价值Y2组织承诺X3 团队合作X2 工作方式X4 领导风格X5 学习成长X6 环境气氛X7 年 资Y1员工绩效lLISREL数据结构：数据结构： CH7Amoscho7.sav(SPSS DATA) 利用利用SPSS软件获取协方差矩阵。软件获取协方差矩阵。 要求学生课堂完成要求学生课堂完成。161（七）（七）LISRELLISREL的路径分析的路径分析 lLISREL语法语法Ch7a Path Model using LISREL syntaxDATA NI=9 NO=281 MA=CMCM SY.402.466 2.537.185 .667 .649.174 .7

134、04 .368 .910.167 .578 .272 .421 .693.157 .483 .207 .330 .320 .600.221 .730 .346 .463 .392 .387 .779.172 .647 .370 .270 .369 .250 .333 .768 1.406 2.883 .949 .154 .347 .274 .527 1.116 85.137LA; 员工绩效员工绩效 组织承诺组织承诺 价值理念价值理念 工作方式工作方式 团队合作团队合作 领导能力领导能力 学习能力学习能力 环境氛围环境氛围 年年资资 MODEL NY=2 NX=7 PS=DI,FR PH=SY,

135、FR BE=FU,FI GA=FU,FIFREE BE(1,2) GA(2,1) GA(2,2) GA(2,3) GA(2,4) GA(2,5) GA(2,6) GA(2,7) GA(1,7)FIX PH(1,7) PH(2,7) PH(3,7) PH(4,7) PH(5,7) PH(6,7)PDOUTPUT SE TV RS MR FS EF SS SC MI162（七）（七）LISRELLISREL的路径分析的路径分析 l结果报告与说明结果报告与说明 要求学生课堂完成。要求学生课堂完成。163（七）（七）LISRELLISREL的路径分析的路径分析 l练习题练习题1164（七）（七）LIS

136、RELLISREL的路径分析的路径分析 在一个退休教师生涯规划与生活适应的因果关系中，在一个退休教师生涯规划与生活适应的因果关系中，研究者提出以下因果关系模型图，其中外因潜在变量研究者提出以下因果关系模型图，其中外因潜在变量“生涯规划生涯规划”有四个指标变量：健康维持、经济计划、休有四个指标变量：健康维持、经济计划、休闲娱乐、社会参与，四个测量指标为样本在闲娱乐、社会参与，四个测量指标为样本在“生涯规划生涯规划量表量表”中四个层面的得分，测量值分数愈高，表示退休中四个层面的得分，测量值分数愈高，表示退休教师的生涯规划愈理想；内因潜在变量教师的生涯规划愈理想；内因潜在变量“生活适应生活适应”有有

137、三个指标变量：生理适应、心理适应、社会适应，三个三个指标变量：生理适应、心理适应、社会适应，三个测量指标为样本在测量指标为样本在“生活适应量表生活适应量表”中三个层面的得分，中三个层面的得分，测量值分数愈高，表示退休教师的生活适应愈佳。测量值分数愈高，表示退休教师的生活适应愈佳。165（七）（七）LISRELLISREL的路径分析的路径分析 1.画出本问题的路径分析的假设模型路径图画出本问题的路径分析的假设模型路径图2.利用利用LISREL进行路径分析进行路径分析 利用利用LIKERTLIKERT量表法调研收集的具体数据见量表法调研收集的具体数据见SPSSSPSS文文件件( (生涯规划生涯规划

138、_1.sav_1.sav) )166（七）（七）LISRELLISREL的路径分析的路径分析 假设模型路径图假设模型路径图生涯规划生涯规划生活适生活适应应生理适应生理适应心理适应心理适应社会适应社会适应健康维持健康维持经济计划经济计划休闲娱乐休闲娱乐社会参与社会参与167（七）（七）LISRELLISREL的路径分析的路径分析 lLISREL数据结构数据结构lLISREL语法语法l结果报告与说明结果报告与说明 要求学生课堂完要求学生课堂完成成 l综合案例分析综合案例分析1： 政府行为影响公私合作项目绩效的实证研究政府行为影响公私合作项目绩效的实证研究 168七、结构方程模型在实证分析中的运用七

139、、结构方程模型在实证分析中的运用案例分析案例分析2：员工流失动因模型：员工流失动因模型研究假设H1：机会越大，流失意图越强。机会是指核心员工在企业外找到可替代工作的容易程度，外界的机会越多，员工对企业的依赖感就越低，流失的可能性就越大。H2：亲属责任越大，流失意图越弱。亲属责任是指对生活在同一地区的亲属的义务。这里的亲属主要指核心员工的父母、配偶和孩子。核心员工可能会为照顾生活在其他地区的父母、孩子、和夫妻两地分居等原因而产生流失行为。H3：转换成本越大，流失意图越弱。转换成本是指核心员工由于改变单位而带来的物质和精神上的损失。如流失需交纳与原单位的合同违约金、带来原企业内部的社会关系损失等，

140、转化成本的存在对流失意图起负作用。 169研究假设H4：工作参与度越高，工作满意度、组织承诺度越高，流失意图越弱。工作参与度是指核心员工愿意为工作付出的努力程度。愿意努力工作的核心员工被称为高参与度核心员工，不愿意努力工作的核心员工被称为低参与度核心员工。工作参与度有时也被称为“工作激励”。在一般情况下，工作参与度高的核心员工由于工作努力并能从努力中得到更多的回报，这些增加的回报又将导致更高的工作满意度和组织承诺度，从而导致流失的可能性更小。170研究假设H5：积极情感越高，工作满意度、组织承诺度越高，流失意图越弱。消极情感越高，工作满意度、组织承诺度越低。积极情感和消极情感是指体验快乐/不快

141、乐情绪状态的个性倾向。这两个变量的概念化和量度主要来自于Wstson和Clark等的研究工作，Price认为，一个具有积极情感的核心员工可能有选择的感知工作中有利的方面，报告低的工作压力和高的社会支持从而增加工作满意度，一个具有消极情感的人可能会有选择的感知工作中不利的方面，报告高的工作压力和低的社会支持从而降低工作满意度，增强流失意图。 171研究假设H6：关系越强，工作满意度、组织承诺度越高，流失意图越弱。关系是个体能够获取稀缺资源和避免困境的潜力。拥有强关系的核心员工更容易在组织中获得稀缺资源（如晋升、表彰等）以及避免困境（如下岗、解雇等）等，带来较高的工作满意度，从而减低流失意图，而拥

142、有弱关系的核心员工，将带来相对较低的工作满意度和较高的工作流失行为，因此组织中个体关系的强弱会影响个体的态度和行为。 172研究假设H7：工作自主权越高，工作满意度、组织承诺度越高，流失意图越弱。工作自主权是指核心员工可以运用相关工作权利的程度。Price以及西安交通大学的张勉博士认为，工作自主权通过工作满意度对流失意图起作用。具有较高工作自主权的核心员工，将具有较高的工作满意度，引起较低的流失意图。 173研究假设H8：分配公平性越高，工作满意度、组织承诺度越高，流失意图越弱。分配的公平性是指组织对核心员工的奖惩在多大程度上和工作绩效挂钩。Leigh Branham认为，核心员工与普通的员工

143、相比，工作更努力、工作效率更高、取得的工作成绩更好，如果他们能得到相应的金钱奖励他们受到激励，就会干劲十足，不太可能会离开。然而，如果他们得到的却是和普通员工同样比例的加薪或奖金，就会导致核心员工降低工作满意度和组织承诺度来达到对公平主观感知上的协调，最终导致核心员工的流失行为。分配的公平性被认为通过工作满意度和组织承诺度来影响流失意图。 174研究假设H9：过程公平性越高，工作满意度、组织承诺度越高，流失意图越弱。核心员工期望组织能够公平的使用已有的规章制度来规范工作中的行为，如果规章制度因人而异，核心员工会降低工作满意度和组织承诺度来达到对公平主观感知上的认知协调，最终产生流失行为。H10

144、：工作负荷越高，工作满意度越低，流失意图越强。工作负荷是指工作职责不能被实现的程度。传统文献指出它包括四个纬度：资源匮乏度（缺少干工作所需资源的程度）、角色模糊（不明确的工作职责）、角色冲突（不一致的工作职责）和工作负荷（为工作需要付出的努力程度）。工作压力会使核心员工处于有害身心健康的状况中，有碍于核心员工对工作的积极态度，工作压力通过降低工作满意度影响流失意图。 175研究假设H11：薪酬越高，工作满意度越高，流失意图越弱。薪酬是指由于为单位工作而得到金钱和其他等价物。一般来说，核心员工的现金收入和额外福利被认为是薪酬的指示物。许多经济学家和组织行为学家的研究发现，薪酬与流失之间存在着非常

145、显著的负相关关系。作为对核心员工向组织投入的一种回报，薪酬的增加或减少会相应的增加和减少工作满意度，核心员工以此达到投入和回报上的主观认知平衡。 176研究假设H12：晋升与职业成长机会越高，组织承诺度越高，流失意图越弱。晋升与职业成长机会是指在单位内部潜在的向上垂直职业流动和由组织提供的可以增加工作相关知识和技能的机会。由于高晋升机会和在工作中获得受教育和培训机会鼓励个体在组织内部进行职业发展，以保证工作的安全性和其他长期的未来收益（例如：收入、权利和地位），因此，这个变量的增加会增加组织承诺度，进而减少流失意图。如果核心员工感觉不到在组织内部的发展或提升的机会，就会降低核心员工对组织的信任

146、，他们最常做的是干脆在外面寻找机会，而不是先在公司内部找机会，从而产生流失行为。 177研究假设H13：工作单调性越高，工作满意度越低，流失意图越强。工作单调性是指个体的工作被重复的程度。如煤炭采掘一线的职工工作单调性比较高，而机关科室的单调性就比较低，有关文献表明工作单调性是流失研究中最重要的技术变量，工作单调性越高，核心员工的工作满意度越低，越容易产生流失行为。H14：社会支持度越高，工作满意度、组织承诺度越高，流失意图越弱。社会支持是对核心员工工作相关问题的支持。包括来自组织内部的支持（同事、顶头上司）和来自组织外部的支持（工作以外的朋友和配偶）。 178概念模型机 会职业成长度亲属责任

147、转换成本关 系工作自主权分配公平性过程公平性工作参与度积极/消极情感工作负荷薪 酬晋升机会工作单调性社会支持组织承诺度流失意图工作满意度179lisrel模型拟和结果 变量变量变量间变量间关系关系工作满意度工作满意度组织承诺度组织承诺度流失意图流失意图标准化路径系数t检验值标准化路径系数t检验值标准化路径系数t检验值内生变量内生变量 工作满意度21-0.280-4.215-4.215 组织承诺度31-0.057-0.848lisrel模型拟和结果变量变量变量间变量间关系关系工作满意度工作满意度组织承诺度组织承诺度流失意图流失意图标准化路径系数t检验值标准化路径系数t检验值标准化路径系数t检验值

148、环境变量环境变量机会110.1231.9621.962亲属责任210.0120.255转换成本31-0.584-5.425-5.425lisrel模型拟和结果变量变量变量间关系变量间关系工作满意度工作满意度组织承诺度组织承诺度流失意图流失意图标准化路径系数t检验值标准化路径系数t检验值标准化路径系数t检验值个体变量个体变量工作参与度4243-0.003-0.0170.1021.097积极情感52530.1871.537-0.032-0.384消极情感6263-0.239-1.706-0.002-0.032 关系7273-0.156-1.392-0.136-1.689lisrellisrel模型

149、拟和结果模型拟和结果变量变量变量间关系变量间关系工作满意度工作满意度组织承诺度组织承诺度流失意图流失意图标准化路径系数t检验值标准化路径系数t检验值标准化路径系数t检验值结构化变量结构化变量工作自主权82830.0730.5850.1672.0232.023分配公平性9293-0.044-0.250-0.043-0.333过程公平性1021030.1290.588-0.329-1.934工作负荷112113-0.212-1.575薪酬1220.4272.894晋升与职业成长机会1330.9885.2045.204工作单调性142-0.378-2.857-2.857上司支持度1521530.17

150、41.140-0.103-0.929同事支持度162-0.442-2.339-2.339配偶支持度1721730.0530.4960.1781.9631.963朋友支持度1821830.3142.1632.163-0.163-1.514183模型拟合优度结果模型拟合优度结果指标指标DFDF2 2P PNFINFINNFINNFICFICFI指标值指标值10572118.6210.00.9040.9540.961指标指标IFIIFIGFIGFIAGFIAGFIRFIRFIRMRRMRRMSEARMSEA指标值指标值0.9610.8250.7870.8870.0550.040184模型拟合优度结果

151、解释模型拟合优度结果解释2/DF= 2118.621 / 1057 =2.004第一个指标是卡方统计量与自由度的比值，美国社会统计学家卡米尼斯和马克依维尔认为，卡方值与自由度之比在2：1到3：1之间是可以接受的P=0.0l第二个指标是第二个指标是P P值，值，P P值小于值小于0.10.1，表明数据有较表明数据有较高的汇聚有效性。高的汇聚有效性。 185模型拟合优度结果解释模型拟合优度结果解释规范拟合指数（NFI），不规范拟合指数（NNFI），比较拟合指数（CFI），增量拟合指数（IFI），拟合优度指数（GFI），调整后的拟合优度指数（AGFI），相对拟合指数（RFI），均方根残差（RMR），

152、近似均方根残差（RMSEA）等指标用来衡量模型与数据的拟合程度。学术界普遍认为在大样本情况下： NFI 、NNFI 、CFI 、IFI 、GFI、AGFI 、RFI 大于0.9，RMR小于0.035，RMSEA值小于0.08，表明模型与数据的拟合程度很好。186模型拟合优度结果解释模型拟合优度结果解释模型拟合结果除GFI、AGFI 、RFI小于0.9，但值都很接近，是可以接受的。Bentler &Chou（1987）指出：对于包含较多变量的模型来说，完全达到一般认定的拟和优度是比较困难的。本模型包含了21个变量，58个测量项目，所以有的部分拟和优度指标不能达到0.9的标准是可以接受的，并且其余

153、的拟合指数都表明模型拟合结果是很好的187模型因果关系图模型因果关系图188结论：整体影响系数结论：整体影响系数模型中的外生变量有的对流失意图其直接作用，有的通过工作满意度和组织承诺度对流失意图起间接的作用 ，其整体作用如下：变量变量整体影响整体影响系数系数t t检验值检验值是否通是否通过检验过检验结论结论内生变量内生变量 工作满意度-0.280-4.215-4.215工作满意度对流失意图有直接反向影响 组织承诺度-0.057-0.848组织承诺对流失意图没有显著影响结论：整体影响系数结论：整体影响系数变量变量整体影响整体影响系数系数t t检验值检验值是否通是否通过检验过检验结论结论环境变量环

154、境变量机会0.1230.1231.9621.962机会对流失意图有直接正向影响亲属责任0.0120.255亲属责任对流失意图没有显著影响转换成本-0.584-5.425-5.425转换成本对流失意图有直接反向影响个体变量个体变量工作参与度-0.005-0.120工作参与度对流失意图没有显著影响积极情感-0.051-1.385积极情感对流失意图没有显著影响消极情感0.0671.678消极情感对流失意图没有显著影响 关系0.0511.558关系对流失意图没有显著影响结论：整体影响系数结论：整体影响系数变量变量整体影响整体影响系数系数t t检验检验值值是否通是否通过检验过检验结论结论结构化变量结构化

155、变量工作自主权-0.030-0.824工作自主权对流失意图没有显著影响分配公平性0.0150.298分配公平性对流失意图没有显著影响过程公平性-0.017-0.255过程公平性对流失意图没有显著影响工作负荷0.0591.472工作负荷对流失意图没有显著影响薪酬0.120-2.894薪酬对流失意图有间接反向影响晋升机会-0.058-0.865晋升机会对流失意图没有显著影响工作单调性0.1062.437工作单调性对流失意图有间接正向影响上司支持度-0.043-0.986上司支持度对流失意图没有显著影响同事支持度0.1242.214同事支持度对流失意图有间接正向影响配偶支持度-0.025-0.785配偶支持度对流失意图没有显著影响朋友支持度-0.079-1.965朋友支持度对流失意图有间接反向影响