您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
结构方程概述.ppt53页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
文档加载中...广告还剩秒
需要金币：300 &&
你可能关注的文档：
··········
··········
（1）模型建构（model specification） 五、结构方程模型建模 六、Amos实现 1.模型的绘制 在使用Amos进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。 2．数据文件的配置 Amos可以处理多种数据格式，如文本文档（*.txt），表格文档（*.xls、*.wk1），数据库文档（*.dbf、*.mdb），SPSS文档（*.sav）等。 （1）模型建构（model specification） 为了配置数据文件，选择File菜单中的Data Files（如图1），出现如图2左边的对话框，然后点击File name按钮，出现如图2右边的对话框，找到需要读入的数据文件“处理后的数据.sav”,双击文件名或点击下面的“打开”按钮，最后点击图2左边的对话框中“ok”按钮，这样就读入数据了。
一、参数估计方法选择 模型运算是使用软件进行模型参数估计的过程。Amos提供了多种模型运算方法供选择 。可以通过点击View菜单在Analysis Properties（或点击工具栏的 ）中的Estimation项选择相应的估计方法。 本案例使用最大似然估计（Maximum Likelihood）进行模型运算，相关设置如图。 （2）模型拟合（model fitting） 二、标准化系数 如果不做选择，输出结果默认的路径系数（或载荷系数）没有经过标准化，称作非标准化系数。非标准化系数中存在依赖于有关变量的尺度单位，所以在比较路径系数（或载荷系数）时无法直接使用，因此需要进行标准化。在Analysis Properties中的Output项中选择Standardized Estimates项（如右图），即可输出测量模型的因子载荷标准化系数表的最后一列。 （2）模型拟合（model fitting） 使用Analyze菜单下的Calculate Estimates进行模型运算使用者也可以通过点击View the output path diagram查看参数估计结果图。 Amo
正在加载中，请稍后...1103人阅读
SPSS（18）
&&&&SEM是一般线性模型的扩展。它能使研究者同时检验一组回归方程。SEM软件不但能检验传统模型，而且也执行更复杂关系和模型的检验，例如，验证性因子分析和时间序列分析。
进行SEM分析的基本途径显示如下：
研究者首先基于理论定义模型，然后确定怎样测量建构，收集数据，然后输入数据到SEM软件中。软件拟合指定模型的数据并产生包括整体模型拟合统计量和参数估计的结果。
分析的输入通常是测量变量的协方差阵，例如调查项目得分，虽然有时使用相关阵或协方差和均值阵。实际上，数据分析经常用原始数据提供给SEM，程序转换这些数据为它自身使用的协方差和均值。
模型由测量变量间的关系组成。然后，这些关系表示所有可能关系的限制。
结果有模型拟合的全部指数以及参数估计，标准误，模型中自由参数的检验统计量。
SEM有其自身的语言。一般来讲统计方法有这种特性，但SEM用户和创建者似乎为这种方法发明了一个特殊的语言。
自变量，假设没有测量误差的，称为外生变量；因变量或中间变量被称作为内生变量。
观测变量直接由研究者测量，而潜在或不可观测变量不能直接测量但可由分析中测量变量的相关性或关联推断。统计估计可由多种方式实现，探索性因子分析从观测变量的共享方差中推断潜在因子的存在。
SEM用户使用路径图表示观测和非观测变量间的关系。椭圆或圆形表示潜在变量，而长方形或方形表示测量变量。残差总是非观测的，所以它们用椭圆或圆形表示。
下图所示，相关系数和协方差由双向箭头表示，表示没有明确定义因果方向的关系。例如F1和 F2 是有关的或相关的，但没有声称F1 导致 F2, 反之亦然。
相 反，我们声称 F1 引起测量变量I1 和 I2上的观测得分。因果效应在路径图中由单箭头表示。F1 和 F2 被两个指示因子共享的方差概念化(例如，两个指示因子共有什么。)至今为止正如所猜测的那样， F1 和 F2 是潜因子； I1 到I4 是观测变量。也许它们是调查项。E1 到 E4 是I1到 I4中引起响应方差的残差或误差方差 。路径图告诉我们1到4的得分或调查响应项是由两个相关因子及每项的唯一方差引起的。部分唯一方差或许是由于测量误差。
路径图中一部分路径被标上数字 “1”。意思是这些路径系数设为固定值为1。必须要包括这些固定值: 它们设置潜在因子和残差的测量尺度。另一种选择是，把因子方差设置为1以获得固有的标准解。注释：当执行多组分析时不应该使用后一种方法。
为什么使用SEM?
如后面所见，研究者为什么想使用SEM和必需用它自己的语言处理一些相当严格的统计假设？SEM有许多吸引人的优点：
　　假设潜在的统计分析是明确的和可检验的，调查者能全部控制和进一步地分析理解。
　　绘图接口软件创造性地推进和使快速调式模型变得容易（这个特性取决于所选的SEM软件）。
　　SEM程序同时提供总体模型检验和独立参数估计检验。
　　回归系数，均值和方差同时被比较，即使多个组间交叉。
　　测量和验证性因子分析模型能净化误差，使得潜变量间的关联估计较少地被测量误差污染。
　　拟合非标准模型的能力，包括灵活处理追踪数据，带自相关误差结构的数据库（时间序列分析），和带非正态分布变量和缺失数据的数据库。
　　SEM的最后特征是它最具吸引人的性质。SEM提供统一的架构，多个线性模型能使用灵活，功能强大的软件拟合。
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：223504次
积分：2733
积分：2733
排名：第11803名
原创：58篇
转载：92篇
评论：12条
(1)(8)(2)(1)(2)(1)(7)(3)(1)(4)(4)(2)(3)(8)(3)(7)(1)(1)(12)(11)(13)(1)(5)(2)(2)(1)(8)(5)(1)(3)(2)(4)(10)(8)(5)【新提醒】Stata 12新功能：新增sem命令，拟合结构方程模型
我的图书馆
【新提醒】Stata 12新功能：新增sem命令，拟合结构方程模型
Stata 12新功能：新增sem命令，拟合结构方程模型（SEM）8 Y. ^# _- g9 o) \7 lSEM代表，结构方程模型（Structural equation modeling ,SEM）。SEM是1）一个指定的结构方程模型的符号，2）一种思考结构方程模型的方式，3）一种估计结构方程模型参数的方法。) W2 E" Y8 ^" n' K2 n# o( q' h# {0 iSEM包含了大量的模型，从线性回归到测量模型，再到联立方程，包括炎症性因子分析（CFA）、独特性相关模型、潜在增长模型及多指标和多病因（MIMIC）。/ O0 A6 g6 g# a9 m! m" ~& \# f9 E% m4 O& c' MStata 12的新命令sem用来拟合结构方程模型。8 W4 p" [( w0 s特点使用图形用户界面或命令语言指定模型标准化和非标准化结果直接和间接效应统计拟合优度遗漏路径检验和模型简化检验，包括修正指数、Score检验和Wald检验。预测值和因子得分估计参数的线性和非线性检验与可信区间和估计参数的组合结构方程模型可以用原始的或汇总的统计数据拟合最大似然（ML）和渐近分布自由（ADF）估计。渐近分布自由也被称为是一般动差法。通过FIM支持随机缺失（MAR）数据。标准误的稳健估计和可得整群抽样的标准差支持调查数据，包括抽样权重、分层和事后分层、单层或多层整群抽样' V9 U* y2 A) r! S( _$ g- `8 @图形用户界面还是命令，任君选择！图形输入模型8 ^. J: ^$ U. c5 X或使用命令语法. sem (L1 -& m1 m2)& && && && && &(L2 -& m3 m4)$ f' s0 Y3 v# `3 N9 `! l. F$ F& && && && && &(L3 &- L1 L2)&&X5 S. {! f/ X5 D& && && && && &(L3 -& m5 m6 m7)复制代码不管哪种方式，都是相同的模型。Stata的图形用户界面使用标准的路径符号。在命令语法里，你输入路径图。大写的名字是潜变量，小写的名字是显变量。你可以输入任意方向的箭头。我们输入下面的命令可以得到上面的模型。. sem (m1 m2 &- L1)& && && && && &(L2 -& m3 m4)& && && && && &(L3 &- L1 L2)& && && && && &(L3 -& m5 m6 m7)复制代码顺序无关紧要，空格也一样。. sem (m1 m2 &- L1) (L2 -& m3 m4) (L3 -& m5 m6 m7) (L3 &- L1 L2)复制代码你也可以挨个设置路径。. sem (m1 &- L1) (m2 &- L1) (L2 -& m3) (L2 -& m4)&&(L3 -& m5) (L3 -& m6) (L3 -& m7) (L3 &- L1) (L3 &- L2)复制代码或合并设置路径. sem (m1 m2 &- L1) (L2 -& m3 m4) (L3 -& m5 m6 m7) (L3 &- L1 L2)复制代码秀给我看! _( M; V) c2 R让我们使用Wheaton, Muthén, Alwin, and Summers (1977)的数据拟合包含测量成分的结构方程模型。- k: ?5 V) H&&m7 [: l' e+ d6 [&&@8 t$ I下面我们要演示$ h! O$ i' ^3 g3 I) B$ y拟合模型& K; k$ }+ A6 g7 B修正指数- C# `$ N& L8 y% X重拟模型2 F&&g: Y$ Q. z3 H; i# b6 B) \秀给我看，拟合模型/ }&&G- D; x) C( g5 c+ b: h# d( n) {+ h3 Q: P1 t8 L: E1 }$ _许多SEM软件手册都有参考文献作者拟合的该模型的简化版本。其中一个简化模型是6 ]! o6 r* }4 \* L; t7 F5 P: k- O8 {: p' k1 B你也可以使用下面的命令很轻易的拟合该模型3 o$ }6 I- V1 R4 B6 I0 o3 z1 v9 f3 a" `结果如下：$ ^&&j7 ~; d2 `9 C' ~注：1，测量成分：的称名不能和肌无力被用于测量代表在同两年里的精神错乱的内在潜变量。教育和职业状态被用于测量外源性潜变量SES.+ H* D&&[8 V* g2,结构成分：SES-&Alien67 ，SES-&Alien71,和 Alien67。3，该模型对饱和的卡方检验显示该模型拟合的比较差。&&u# M& g! R/ b" s4 |7 |3 o秀给我看，修正指数1 c1 f- c6 A' F9 H; q) o模型拟合差使得我们寻找修正指数：1 M/ y! {6 U! S& t&&_注：3 R& l+ M. p9 _5 y' @1，有很多有统计学差异的路径可以添加到该模型。3 |&&{# m: y6 P. E8 H4 V2，一些有统计学差异的路径理论上也有意义。3，特别地，两个有意义是e.anomia67和 e.anomia71，及e.pwless67 和e.pwless71的协变量。&秀给我看，重拟模型让我们重新拟合模型，包括以前排除的协变量：7 T3 t7 z- ~: W5 V6 j- N0 g% l&&a5 K. i: U) B&&k结果是# G7 |3 a7 x9 b1 J注：&&W5 r% u5 G1，我们发现e.anomia67 和 e.anomia71 的协变量有显著性意义（Z=5.14）。2，我们发现e.pwless67 和 e.pwless71 的协变量在5%的水平上（Z=1.29）无显著性意义。) A2 L( _# h3 f2 k- O. T编译自
TA的最新馆藏[转]&[转]&[转]&扫二维码下载作业帮
1.75亿学生的选择
下载作业帮安装包
扫二维码下载作业帮
1.75亿学生的选择
结构方程结果： F_A_T_A_L E_R_R_O_R: 2 is not a valid line name.是什么意思？因为什么？
淡定°JW3175
扫二维码下载作业帮
1.75亿学生的选择
同问，我也遇到这样类似的问题
为您推荐：
扫描下载二维码