结构方程模型与路径分析.ppt

结构方程模型与路径分析.ppt

《结构方程模型与路径分析.ppt》由会员分享，可在线阅读，更多相关《结构方程模型与路径分析.ppt（93页珍藏版）》请在冰豆网上搜索。

智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X第十四章第十四章结构方程模型与结构方程模型与路径分析路径分析q第一节结构方程模型的原理q第二节路径分析原理q第三节SPSS的AMOS系统q第四节路径分析与结构方程模型范例精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X学习目标学习目标q认识结构方程模型的基本概念与特点。

q了解结构方程模型分析的五大步骤。

q了解如何建构具有潜在变量间因果关系的结构方程模型。

q探讨结构方程模型的识别种类与对求解的影响。

q认识结构方程模型适合度的衡量及如何修正模型。

q认识路径分析模型的直接效果与间接效果。

q探讨路径分析的两种基本类型：

递归模型与非递归模型。

q探讨路径分析模型与结构方程模型的异同。

q认识SPSS的AMOS软件的接口操作与结果解释。

q了解路径分析模型与结构方程模型的各种应用实例。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X第一节第一节结构方程模型的原理结构方程模型的原理一、SEM基本概念二、模型的设定三、模型的识别四、模型估计五、模型评估六、模型的修正精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X一、结构方程模型的原理一、结构方程模型的原理q一个包括一组自变量和一个或更多因变量的计量模型。

q当因果关系被包括进来时，此计量模型便称为结构方程模型（StructuralEquationModeling，SEM），它可建立变量间的因果模型（CausalModel）。

q多元回归、因素分析和路径分析（pathanalysis）等方法都只是结构方程模型中的一种特例。

q其相应的统计分析软件SPSS/AMOS与LISREL的应用，特别是AMOS的操作。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-XSEMSEM的基本概念的基本概念q许多研究构念（Construct），对于它们并不存在直接测量方法，可以找到一些可观测变量（observedvariable，measuredvariable或称显性变量manifestvariable）作为这些潜在变量（latentvariable，或称隐潜变量，或称不可观测变量unobservedvariable）的替代指针（indicators）。

q这些潜在变量的替代指针总是包含了大量的衡量误差（measurementerrors）。

q单一指标且没有衡量误差的假设，即假设构念是可直接观测的，在某些情况下可能是相当适合的。

q然而在大多数的情况下，这样的假设是很不适当的，尤其是许多社会、心理和行为等科学的计量研究。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-XSEMSEM的特点的特点q结构方程模型所依赖的统计工具是变异数分析、复回归分析或联立方程模型（SimultaneousEquationModel），这些方法都存在着上述问题，而无法避免。

q其中联立方程模型虽然能克服变量互为因果的问题，但对于衡量误差仍无法加以测定。

q只有SEM模型既能够使研究者在分析中处理衡量误差，又可分析潜在变量之间的结构关系。

qSEM利用联立方程组求解，但它没有很严格的假设限制条件，同时允许自变量和因变量存在衡量误差。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-XLISRELLISREL模型模型q早期是以共变异数结构分析（AnalysisofCovarianceStructures）这个名词去称呼现在的验证性因素分析模型（ConfirmatoryFactorAnalysis，CFA）或称潜在变量分析。

q从此许多学者开始增加此模型的复杂性和一般化，如LISRELModel，共变结构模型逐渐由CFA发展为共变矩阵，已能代表任何参数的任何函数。

q直到1966年，Joreskog首先为潜在变量与可观测变量规划了一般性架构，而开始有了突破性的发展，这就是著名且被广泛应用的线性结构关系模型（LinearStructuralRelationsModel，LISRELModel）。

qLISRELModel可在结构方程模型中使用潜在变量，故亦被称为含潜在变量的结构方程模型。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X结构方程模型分析的五个步骤结构方程模型分析的五个步骤1.模型设定（modelspecification）：

研究者先要根据理论或以往的研究成果来设定假设的初始理论模型。

2.模型识别（modelidentification）：

此一步骤要决定所研究的模型是否能够求出参数估计的唯一解。

3.模型估计（modelestimation）：

模型参数可以采用几种不同的方法来估计，最常使用的模型估计方法是最大概似法（maximumlikelihood）。

4.模型评估（modelevaluation）：

对模型与数据之间是否配合进行评估，并与替代模型的配合指针进行比较。

5.模型修正（modelmodification）：

如果模型不能很好地配合数据，就需要对模型进行修正和再次设定。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X二、模型的设定二、模型的设定q结构方程模型主要是一种验证性（confirmatory）技术，而不是一种探索性（exploratory）技术。

q其虚无假设与对立假设如下：

H0：

观察数据=理论模型H1：

观察数据理论模型qSEM模型的两大功能：

1.衡量模型（MeasurementModel）：

以CFA将可观测变量连结到潜在变量：

经由CFA（验证性因素分析模型）的衡量模型，探讨可观测变量与潜在变量间的因素分析模型是否成立，这是心理测定学（Physicmetrics）的领域。

2.结构模型（StructuralModel）：

经由SEM去确认潜在变量间关系是否成立：

这是计量经济学（Econometrics）的领域。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-XSEMSEM模型路径图的绘制模型路径图的绘制qSEM的设定模型可以用不同的方法，其中最简单直接的一种方法，就是透过路径图（pathdiagram）将模型描述出来。

q路径图有助于研究者将其对于变量之间的关系得以清晰地表达。

q在图中将可观测变量用长方型框代表，对潜在变量或因素（factor）则用椭圆型框代表；q变量间的关系用线条代表，如果变量间没有联机，则代表变量间没有直接关联。

线条既可以加单箭头，也可以加双箭头。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X验证性因素分析模型的建构验证性因素分析模型的建构q因素分析依其目的可分成EFA和CFA两类；前者在于从一组杂乱无章的变量中找出共同因素，以建立新的假设或发展新的理论架构；后者的目的则在于验证研究已有的因素结构。

q不论是EFA模型或CFA模型，其基本形式：

其中，表可观测变量向量，表因素负荷矩阵，表潜在变量（共同因素）向量，表衡量误差（独特因素）向量。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X图图14-1CFA14-1CFA模型模型精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X潜在变量间因果模型的构建潜在变量间因果模型的构建q在一因果关系模型中，原因变量会影响结果变量，且其本身的变异是来自于模型以外，故又被称为外生变数（ExogenousVariable）；q结果变量其变异可被外生变量所解释，称之为内生变量（EndogenousVariable）。

q在SEM模型中，每个变量皆为下列情况中的一种：

可观测、外生变数可观测、内生变数隐藏、外生变数隐藏、内生变数精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X图图14-214-2结构方程模型范例结构方程模型范例精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X结构方程模型的方程式结构方程模型的方程式（1/2）（1/2）qSEM的三个基本方程式：

q对应图14-2中，SEM的这三个方程式可以表示如下：

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X结构方程模型的方程式结构方程模型的方程式（2/2）（2/2）精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X三、模型的识别三、模型的识别q识别工作主要是考虑模型中每一个未知的（自由）参数能否由观测资料求得唯一解来作为估计值。

q对于某一个自由参数，如果不可能将这一参数以样本变异数与共变量的代数函数表达，那么这个参数就不能识别（unidentified）。

q要是一个未知参数至少可以由观测变量的变异数与共变量矩阵（一般用S来代表）中的一个或多个元素的代数函数来表达，就称这个参数可以识别。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X参数识别模型的种类参数识别模型的种类q当一个模型中的每个参数都是可识别的，且没有一个参数是过度识别的，这个模型就是恰好识别的（just-identified）。

不可识别（不可识别（under-identifiedunder-identified）模模型型的的识识别别恰恰好好识识别别（just-just-identifiedidentified）可以识别（可以识别（identifiableidentifiable）过度识别（过度识别（over-identifiedover-identified）q模型是否能够识别并不是样本规模的问题，SEM模型着重于过度识别的结构方程模型。

在此况下，模型中的自由参数数目少于观测变数中变异数和共变数的总数，即资料点（datapoints）。

q资料点与自由参数的数目之差，既是检定模型配合所需的自由度，恰好识别模型总是完全配合观测资料，其卡方检定值和自由度永远为0，对于恰好识别模型是无法检定其配合度。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X参数识别的技巧参数识别的技巧q第第一一：

数数据据点点的的数数目目不不能能少少于于自自由由参参数数的的数数目目：

数数据据点点的的数数目目就就是是观观测测变变量量的的变变异异数数和和共共变变量量的的数数目目，它它等等于于（p+q）/（p+q+1）/2（p+q）/（p+q+1）/2，其其中中pp是是观观测测变变量量yy的的数数目目，qq是观测变数是观测变数xx的数目。

的数目。

q第第二二：

必必须须为为模模型型中中的的每每个个潜潜在在变变量量建建立立一一个个测测量量尺尺度度（measurement（measurementscale）scale）：

首首先先，可可以以将将潜潜在在变变量量的的变变异异数数设设定定为为11。

这这就就是是说说，将将潜潜在在变变量量标标准准化化，其其次次，也也是是较较常常用用的的方方法法，是是将将潜潜在在变变量量的的观观测测指指针针中任何一个的因素负荷中任何一个的因素负荷设定为一常数，通常为设定为一常数，通常为11。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X如何避免非识别模型的发生如何避免非识别模型的发生（1/2）（1/2）q解决识别问题最好的办法是避免它的发生。

通常，可对潜在变量加上更多的标识，因而有更多的数据点。

q模型识别实际上依赖于自由参数（freeparameters）、固定参数（fixedparameters）和限制参数（restrictedparameters）的设定。

q自由参数是未知并需要估计的参数，固定参数是不自由的并固定于设定的参数。

比如，在测量模型中，将每个潜在变量标识的因素负荷之一设定为1。

q限制参数是那些未知的，但被规定相等于另一个参数值的参数。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X如何避免非识别模型的发生如何避免非识别模型的发生（2/2）（2/2）q在多群体中，要是以前的研究表明男生与女生对于一个因变量值有同样的影响作用，就可以在初始结构方程模型中将代表这两个性别组的虚拟变量的路径系数设定为相等。

透过固定或限制一些参数，自由参数的数目就可以减少。

q循环的或称之为非递归（nonrecursive）的结构方程模型也常常是识别问题发生的另一个来源。

当在模型中设定变量之间有循环或双向关系，以至两个因变量之间存在反馈圈（feedbackloops）时，这一结构模型就是非递归的。

q还可以在一开始建立模型时尽量削减自由参数，只保留那些绝对必要的参数，使模型简化。

要是这个模型得到识别，再考虑在随后修改的模型中加入其它感兴趣的参数。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X四、模型估计四、模型估计qSEM的估计过程是追求尽量缩小样本的变异数和共变量值与模型估计的变异数与共变量值之间的差异。

q固定参数值和自由参数的估计将被代入结构方程，然后推导出一个变异数与共变量矩阵（称SIGMA），使矩阵中的每一个元素都尽可能地接近于样本中观测变量的变异数与共变量矩阵S中的相应元素。

q如果设定模型正确，将非常近似于S，它的估计过程采用特殊的配合函数使与S之间的差异最小化。

q其中最常用的估计方法还是最大概似法（maximumlikelihood，标志为ML）和一般化最小平方法（generalizedleastsquares，GLS）。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X五、模型评估五、模型评估qLISREL程序的首要任务是用样本数据对所设定的模型参数进行估计。

q再根据这些参数估计来重建（reproduce）变异数与共变量，然后尽可能地将重建的变异数与共变量矩阵（用表示）与观察变异数与共变量矩阵S相匹配。

q当模型重建的变异数与共变数矩阵非常接近于观测的变异数与共变数矩阵时，残差矩阵各元素就接近于0，这样，就可以认为模型配合数据了。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X卡方值衡量卡方值衡量q配合度检定则希望接受，当卡方值愈大，表示适合的情形愈不好；卡方值愈小，表示适合的情形愈好。

q在SEM模型中，要得到合理的估计值需要大样本，但当大样本时，反而造成卡方值变大，使得模形的配合成度不佳，即只要是小样本，SEM模型反而会成立。

q卡方检定之假设为多元常态（Multinormality）和大样本，在实务上很难符合此一假设，而且卡方值对样本大小十分敏感，所以还有底下其它衡量指标。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-XGFIGFI与与AGFIAGFIqGFIGFI（Goodness-of-FitGoodness-of-FitIndexIndex）此此指指针针不不受受样样本本的的大大小小及及样样本本是是否否符符合合多多元元常常态态的的困困扰扰。

其其值值在在00与与11之之间间，愈大表示适合度愈佳。

愈大表示适合度愈佳。

qAGFI（AdjustedGoodness-of-FitIndex），AGFI与GFI不同之处是后者经自由度调整。

AGFI1（1GFI）p与q为外生与内生观测变数的总数，df是模型的自由度精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X其它配合度指标其它配合度指标qRMR（Root-Mean-SquareResidual）是推估后所剩下的残差，其值大于零，愈小表示适合度愈佳，RMR可以比较两个不同模型对相同数据的适合度。

q此外，还有很多配合指数，如AIC、SBC与比较配合指数（comparativefitindexes）。

NFI精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X配合度指标的选择配合度指标的选择q虽然有这么多的模型配合指数可用，但没有一个指标可以作为完全确定的标准。

q理想的配合指数实际上不存在，最好慎重地报告多项配合度指标的结果，而不要只依赖一种指标。

q要是所有的指数都得到类似的结论，那么就可相当肯定模型的配合度程度。

q即使一个模型配合了数据，也不意味着这个模型是正确的或最好的，如果简单模型的配合与复杂模型的配合一样好，就应该接受简单模型。

q研究人员应该将他们的结构方程模型建立在有说服力的理论之上。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X六、模型的修正六、模型的修正q模型修正有助于认识初始模型的缺陷，并且还能得到其它替代模型的启示。

q要改进一个配合不好的模型，可以改变其测量模型、增加新的结构参数，或设定某些误差项相关，或者限制某些结构。

qAMOS工具透过修正指数来找出如何重新设定模型，以增加模型的适合度。

q研究者的目标是探寻一个不仅在统计角度能很好地配合资料，而且每一个参数都能得到符合实际的理论模型解释。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X第二节第二节路径分析原理路径分析原理一、路径分析模型二、路经模型的分析三、路径模型的修正与检定四、路径模型的检定五、路径模型的识别六、路径分析与SEM的比较精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X一、路径分析原理一、路径分析原理q路径分析的主要目的是为了验证变量之间是否有因果关系？

变量间直接因果关系与透过中介变量的间接因果关系大小如何？

q路径分析可说是SEM的特例，其只有观测变量而无潜在变量，故可将SEM视为是路径模型的多变量型态路径模型也可视为是SEM的单变量型态q故在本节所讨论的各种路径分析的理论，同样的理论当然也适用在SEM中。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X二、路径分析模型二、路径分析模型q路径分析是对一组可观测变量间线性系统方程组的因果关系式，也可看成是多组复回归方程式组合而成。

q图14-3可以利用下列三组线性回归方程式表示之：

q路径模型既可以用结构方程组的形式来表示，也可以用路径图来表示。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X图图14-314-3六个变量的路径分析六个变量的路径分析假设模型假设模型精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X路径模型的假设路径模型的假设q路径分析是建立一套假设性的因果关系模型，利用观察到的数据与理论数值的比对。

q虚无假设为观察数据=理论模型。

q路径分析是一种探索因果关系的统计方法。

q因果关系模型中明确设置自变量和因变量，透过模型分析，检查自变量对于因变量的作用方向、作用强度和解释能力。

q因果关系模型还可以用来进行预测。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X回归导向的路径分析回归导向的路径分析q整个因果结构模型便不能简单地以因变量或自变量的概念来划分变量类型。

q路径分析的主要功能是研究变量间关系的不同形式。

q路径分析着眼点，主要在变量间作用系数的分解上。

比如，进行两个变量间的简单回归就可以得到一个简单回归系数。

q如果可根据理论，在这两个变量间加上许多中介变量（mediatedvariable），形成复杂的因果结构，就有可能将这个简单回归系数分解为不同因果连结上的作用。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X路径模型的分析路径模型的分析q路径分析可以分成直接效果（directeffect）、间接效果（indirecteffect）与总效果（totaleffect），总效果为直接效果与间接效果之和。

表14-1直接效果与间接效果的分解精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X递归模型与非递归模型递归模型与非递归模型q递归模型可以直接透过一般最小平方法回归（OLS）来取得路径系数估计值，而对于非递归模型则不能这样做：

1.1.递归路径模型：

若因果关系结构中全部为单向连结关递归路径模型：

若因果关系结构中全部为单向连结关系，无反馈作用的模型称为递归模型系，无反馈作用的模型称为递归模型（recursive（recursivemodel）model）2.2.非递归路径模型：

如模型中任何两个变量之间存在双非递归路径模型：

如模型中任何两个变量之间存在双向因果关系向因果关系（如如），或是某个变量存，或是某个变量存在自身反馈作用在自身反馈作用（）（），在间接反馈，在间接反馈作用作用（如如）。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X递归路径分析的基本性质递归路径分析的基本性质1.1.所所有有递递归归模模型型多多是是可可识识别别的的，只只有有可可以以识识别别的的模模型型，才可能求解。

才可能求解。

2.递归模型的假设条件允许采用最小平方法回归法，来取得联立方程组中各系数的无偏估计。

3.路径系数既可以采用非标准化的回归系数，也可以采用标准化的回归系数：

采用标准化回归系数，将使得路径分析的表达和分析变得比较简明。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X递归路径模型分析的假设条件递归路径模型分析的假设条件1.路径模型中各变量间的关系为线性且可加的因果关系2.每一内生变量的误差项与其前置变量不得相关，同时也不得与其它内生变量的误差项相关。

3.模型中因果关系必须为单向。

4.模型中各变量均为计量尺度。

5.所有内生变量的残差项是独立的。

6.各变量的测量不存在误差。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X三、路径模型的修正与检定三、路径模型的修正与检定（1/2）（1/2）q饱和模型、独立模型与预设模型：

路径模型的修正及分析往往是先从饱和模型的建立开始的。

q但是饱和模型（SaturatedModel，即所有变量间都有单向或双向箭头弧线所连接，或任何两个变量间皆有路径线连结）往往并不是实际上想要的最终模型。

q饱和模型经常只是作为一个起点或基准，最后还是要找出非饱和模型。

q除饱和模型外，还有独立模型（IndependentModel），乃是指其路径图中，任何两个变量皆没有线连结。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X路径模型的修正与检定路径模型的修正与检定（2/2）（2/2）q在AMOS中，还有所谓的预设模型（DefaultModel），乃指研究者设定欲分析的模型，饱和模型的适合度100%，而独立模型的适合度最差，预设模型通常介于两者之间。

q路径模型修正的目的：

社会科学的观察数据往往来自于调查数据，所以变量间的因果关系并不明确，其解决方案，一方面要依赖理论根据，一方面要根据统计结果的实际意义。

q比如，检查回归系数的符号是否符合原来的假设，还要考虑是否存在多重共线性问题，并考虑是否可以对变量进行某种加工或换用其它指标解决。

精品课件智胜文化事业有限公司制作多变量分析林震岩着ISBN957-729-569-X四、路径模型的检定四、路径