1、AMOS输出解读汇报和分析报告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AMO和 LISREL。本文以惠顿的社会疏离感追踪研究为例详细解释 AMO的输出结 果。AMO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
2、据。AMO在文件中提供惠顿数据文件。使用File/Open,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2. 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, 有5根”,你便可以推出每根黄瓜 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
3、。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 1。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 计算估计 按钮 运行 分析。点击 浏览文本 按钮 。输出如下。 蓝色字体用于注解,不是 AMOS 输出的一部分。Titl
4、eExample 6, Model A: Exploratory analysis Stability of alienation, mediatedby ses. Correlations, standard deviations and means from Wheaton 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 number 1)The model is recursive.Sample size = 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。
5、它告诉你模型为递归模型,样本量为 932。Variable Summary (Group number 1)Your model contains the following variables (Group number 1)Observed, endogenous variablesanomia67powles67anomia71powles71educatioSEIUnobserved, endogenous variables71_alienation67_alienationUnobserved, exogenous variablesepsieps2eps3eps4sesdelta
6、lzetalzeta2delta2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 (Group n umber 1)Number of variables in your model: 17Number of observed variables: 6Nu
7、mber of un observed variables: 11Number of exoge nous variables: 9Number of en doge nous variables: 8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 terceptsTotalFixed11000011Labeled000000Un labeled6090015Total1709002
8、6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。21Computation of degrees of freedom (Default model)Number of distinct sample moments:Number of distinct parameters to be estimated: 15Degrees of freedom (21 - 15): 6(内定模型)的自由度计算: 21 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
9、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。(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。这个输出是可选的,你不必直接使用它。 基本上没有什么用Result (Default model)Minimum was achievedChi-square =Degrees of freedom = 6Probability level = .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
10、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,卡方值应该不显着。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 = (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,也不知道是哪个天才搞出来的,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
11、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 EstimatesSEMI用最大似然法估计模型,而不是通常的最小二乘法。 OLS寻找数据点到回归线距离的最小平方和。 ML寻找最大的对数似然,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 - Default model)Estima
12、te . .PLabel67_alie natio nses.056*par_671_alie nati on67_alie nati on.705.053*par_471_alie nati onses.054.001par_5powles7171_alie nati on.849.042*par_1ano mia7171_alie nati onpowles6767_alie nati on.888.043*par_2ano mia6767_alie nati oneducatiosesSEIses.431*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
13、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。.是临界比,它是回归系数的估计值除以 它的标准误(-/ =- )。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 的显着性水平上,临界比估计的绝对值大于 称之为显着。这样67疏离感和社会经济地位的回归系数 的绝对值大于,可以说这个回归系数在 显着性水平上显着地不等于0。P 值给出检验原假设总体中参数是 0的近似双尾概值。它表示67疏离感 和社会经济地位的回归系数显着地不等于 0, p三P值的计算假定参数估计是正态分布,它只是
14、对大样本正确。Varia nces: (Group n umber 1 - Default model)Estimate.PLabelses.641*par_7zeta1.483*par_8zeta2.388*par_9eps1.358*par_10eps2.284*par_11eps3.391*par_12eps4.304*par_13delta1.501*par_14delta2*par 15方差的估计,标准误和临界比和 P值的解释同上用表格看数据总是让人眼花缭乱,还是看图示舒服些,这是上面表格数 字的图形显示。Modificati on In dices (Group n umber 1 - Default model)Covariances: (Group number 1 - Default model)Par Changeeps2 delta1 eps2 eps4 eps2 eps3 eps1 delta1 eps1 eps4 eps1 eps3.825.421Varia nces: (Group n umber 1 - Default
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1