结构方程模型LISREL肖前国.ppt

《结构方程模型LISREL肖前国.ppt》由会员分享，可在线阅读，更多相关《结构方程模型LISREL肖前国.ppt（45页珍藏版）》请在三一办公上搜索。

1、结构方程模型-SIMPLIS的应用,肖前国,主要内容：,第一节 结构方程模型的理论概述第二节 基于SIMPLIS的量表效度检验第三节 基于SIMPLIS的量表验证性因素分析第四节 基于SIMPLIS的结构方程模型检验参考学习资料：1.书籍：结构方程模型-simplise的应用-吴明隆2.书籍：结构方程模型的原理与应用（邱皓政）2.视频：【文光讲堂】结构方程模型（SEM);(周文光老师)http:/,第一节 结构方程模型的理论概述,一、基本概念与知识：1.基本原理:检验样本数据的协方差矩阵与理论假设模型隐含的协方差矩阵间的差异。2.基本构成：测量模型（验证性因素分析）、结构模型（路径分析）3.基

2、本条件:理论层面：有足够的理论基础技术层面：a.样本足够大（200n2500，），一般是题项的5-10倍;b.数据服从正态分布；c.测量指标呈线性关系d.观察指标为反应性指标，观察指标是“果”，潜在变量是“因”,第一节 结构方程模型的理论概述,4.基本概念与知识：,第一节 结构方程模型的理论概述,5.估计方法：ML法，即最大似然法使用条件：大样本，服从正态分布、且随机抽样GLS法，即一般化最小平方法使用条件：大样本，数据不符合正态分布,第一节 结构方程模型的理论概述,6.分析的基本模型：,第一节 结构方程模型的理论概述,二、模型适配度统计量1.模型适配度检验前的“违反估计现象”检验A.估计参数

3、中不能有负的误差方差（可能样本太少或模型设定有问题）B.出现非常大的标准误（缺乏代表性导致无法估计）C.标准化参数系数不能大于1：如果n个变量不相关，则不能大于1，如果n个变量相关，则可以大于1.D.所有误差变异必须显著（t值）,第一节 结构方程模型的理论概述,二、模型适配度统计量2.整体模型适配度的检验（模型外在品质评估）,绝对拟合优度指数：2 值的p值0.05(易受样本量的影响)拟合优度指数GFI0.9(相当于R2)调整拟合优度指数AGFI0.9标准化残差均方和平方根SRMR0.9非正态拟合优度指数NNFI0.9比较拟合优度指数CFI0.9 相对适配指标RFI0.9简约拟合优度指数：PNF

4、I0.5PGFI0.5-卡方自由度比NC3,第一节 结构方程模型的理论概述,二、模型适配度统计量3.模型内在结构适配度的检验（模型内在品质评估）-即信效度问题（1）观察变量的标准化系数表示每个测量题目反映潜在变量的能力大于等于0.71,第一节 结构方程模型的理论概述,二、模型适配度统计量3.模型内在结构适配度的检验（模型内在品质评估）-即信效度问题（2）潜在变量的建构/组合信度每个潜在变量在变量的观察变量间的内在一致性 等于大于0.5以上（Raine-Eudy,2000)（3）潜在变量的平均方差抽取量AVE0.5（使用计算插件）每组观察变量可以被潜在变量的平均解释程度（百分比）。(4)参数统计

5、量的估计值显著，即t值的绝对值大于1.96（5）标准化残差的绝对值小于3（6）修正指标MI（Modification indices）小于3.84【Joreskog,Sorbom 认为当MI大于7.882时才有必要修正模型】注意：MI要结合期望改变量来决策！,第一节 结构方程模型的理论概述,三、SIMPLIS的介绍与操作1.Simplis 语法非常简洁明了，能使用多种格式的原始数据进行分析。2.Simplis 语法包括三部分：数据读取及样本数的设定观察变量、潜在变量及其关系设定输出结果报表的设定3.注意事项：第一行为标题行；英文状态下输入；可按enter键直接换行；变量名不分大小写，但关键词与

6、选择性选项区分大小写；变量名最多八字符；变量间以空一格分开；关键指令后的冒号可省略；先界定Y变量，再界定X变量；.sav文档另存为.dat或.psf格式；,第二节 基于SIMPLIS的量表效度检验,一、汇聚效度的检验二、区分效度的检验,一 汇聚效度的检验,1.将SPSS格式数据转化为SEM要求的.psf 格式文件,案例：健全人格取向大学生心理健康量表程科博士编制，6个维度，27个题目：幸福体验；人际和谐；积极乐学；情绪调控；目标追求；勇于挑战。,2.数据的编辑,3 写程序,Observed Variables:观察变量（按顺序写）jk1 jk7 jk13 jk19 jk25jk2 jk8 jk

7、14 jk20 jk26jk3 jk9 jk15 jk21 jk27m1 m2 m3（各变量的均值）Raw Data from file E:LEARNINGSEMvalidity.psf（数据位置）Sample size=776（样本量）Latent Variables:w1 w2（潜变量）Relationships：（关系）jk1=1*w1（乘以1表示潜变量的测量单位与变量jk1的相同）jk7 jk13 jk19 jk25=w1Path Diagram（画图）!Admissibility check=off/AD=on/off(是否检查估计值的可行性、合理性)Option:RS SC MI

8、 EF ND=3 IT=100 ME=ML/LISREL Output ALLEnd of Problem,注：在测量模型中的基本语法是：x1 x2=潜在变量；在结构模型中的基本语法是：果变量（内因潜在变量）=因变量（外因潜在变量）：1 2=1,4、保存程序并运行,5 结果解释,1.拟合指数良好2.t值显著（不显著，指示线自动会变化）3.标准化路径负荷大于标准误2倍。本结果显示该分量表的汇聚效度不理想！,二、区分效度的检验,注意：区分效度有两种-a.题项之间的区分效度 b.变量之间的区分效度,(一)题项间的区分效度的检验,1.让题1和题2进行自由估计：Observed Variables:jk

9、1 jk7 jk13 jk19 jk25jk2 jk8 jk14 jk20 jk26jk3 jk9 jk15 jk21 jk27m1 m2 m3Raw Data from file E:LEARNINGSEMdifference.psfSample size=776Latent Variables:w1 w2Relationships:jk1=1*w1jk7 jk13 jk19 jk25=w1Set the covariances of jk1 and jk7 free(让jk1 和jk7 自由估计协方差)Path DiagramAdmissibility check=offEnd of Pr

10、oblem,2.保存运行结果,记录下卡方值和自由度：289.16,df=4,3.不让让题1和题2进行自由估计,修改程序：Observed Variables:jk1 jk7 jk13 jk19 jk25jk2 jk8 jk14 jk20 jk26jk3 jk9 jk15 jk21 jk27m1 m2 m3Raw Data from file E:LEARNINGSEMdifference.psfSample size=776Latent Variables:w1 w2Relationships:jk1=1*w1jk7 jk13 jk19 jk25=w1!Set the covariances

11、of jk1 and jk7 free（加一个“！”就能使这条语句不运行）Path DiagramAdmissibility check=offEnd of Problem,4.保存程序并运行结果,记录卡方值和自由度：记录卡方值和自由度：286.48，df=5,5.利用Excel表格统计函数计算卡方差异,具体：利用统计函数函数计算卡方分布的右尾概率，即P值,6.解释结果,结果表明这两个题项差异不显著，即这两个题项的区分效度不好。但这不意味着这个量表的区分效度不好！以此类推，可计算各分量表其他两两题项间的区分效度。,(二)变量层面的区分效度的检验,1 计算多个变量间的测量模型的卡方值：Obser

12、ved Variables:jk1 jk7 jk13 jk19 jk25jk2 jk8 jk14 jk20 jk26jk3 jk9 jk15 jk21 jk27m1 m2 m3Raw Data from file E:LEARNINGSEMdifference.psfSample size=776Latent Variables:w1 w2 w3Relationships:jk1=1*w1jk7 jk13 jk19 jk25=w1jk2=1*w2jk8 jk14 jk20 jk26=w2jk3=1*w3jk9 jk15 jk21 jk27=w3Path DiagramAdmissibility

13、 check=offEnd of Problem,2 计算多个变量间的测量模型的卡方值：Observed Variables:jk1 jk7 jk13 jk19 jk25jk2 jk8 jk14 jk20 jk26jk3 jk9 jk15 jk21 jk27m1 m2 m3Raw Data from file E:LEARNINGSEMdifference.psfSample size=776Latent Variables:w1 w2 w3Relationships:jk1=1*w1jk7 jk13 jk19 jk25=w1jk2=1*w2jk8 jk14 jk20 jk26=w2jk3=1

14、*w3jk9 jk15 jk21 jk27=w3set the correlation between w1 and w2 to be 1.0Path DiagramAdmissibility check=offEnd of Problem,3.计算两次的卡方值的差异,计算方法同上：该结果显示差异显著，即表明这两个维度区分效度良好！,第三节 基于SIMPLIS的验证因素分析,以大学生人格健康量表例6个维度：1.幸福体验：j1-j52.人际和谐:j6-j103.积极乐观:j11-j154.情绪调控:j16-195.目标追求:j20-236.勇于挑战:j24-j27,第三节 基于SIMPLIS的验

15、证因素分析,操作步骤：第一步：数据准备-将.SAV格式数据另存为.psf格式第二步：新建simpliser 窗口第三步：导入数据，编写程序-设定观察变量与潜变量间的关系第四步：保存运行第五步：结果分析,验证因素分析模型程序,Raw Data from file E:LEARNINGSEMsem课件肖前国验证因素分析.psfSample Size=766Latent Variables H1 H2 H3 H4 H5 H6 Relationshipsj1 j2 j3 j4 j5=H1j6 j7 j8 j9 j10=H2j11 j12 j13 j14 j15=H3j16 j17 j18 j19=H4

16、j20 j21 j22 j23=H5j24 j25 j26 j27=H6Path DiagramOptions RS SC MI IT=1000 AD=off ND=3End of Problem,修正模型程序,验证因素分析修改模型Raw Data from file E:LEARNINGSEMsem课件肖前国验证因素分析.psfSample Size=766Latent Variables H1 H2 H3 H4 H5 H6 Relationshipsj1 j2 j3 j4=H1j6 j7 j8 j9=H2j11 j12 j13 j14=H3j16 j17 j18=H4j20 j21 j22

17、=H5j24 j25=H6Path DiagramOptions RS SC MI IT=1000 AD=off ND=3End of Problem,第四节 基于SIMPLIS的结构方程模型检验,以大学生心理健康、社会适应、生活满意度为例：假设：生活事件 S1-积极乐观 H1-生活满意度 M-情绪调控 H2-生活满意度 M积极乐观 H1:j11-j14情绪调控 H2:j16-17生活事件 S1：sh1-27生活满意度 M：myd1-4,两种程序表示,Raw Data from file E:LEARNINGSEMsem课件肖前国验证因素分析.psfSample Size=766Latent

18、Variables H1 H2 S1 S2 M Relationshipsj11 j12 j13 j14=H1j16 j17=H2sh1-sh27=S1myd1-myd4=M H1 H2-M S1-H1S1-H2Path DiagramOptions:IT=1000 AD=offEnd of Problem,Raw Data from file E:LEARNINGSEMsem课件肖前国验证因素分析.psfSample Size=766Latent Variables H1 H2 S1 S2 M Relationshipsj11 j12 j13 j14=H1j16 j17=H2sh1-sh27=S1myd1-myd4=M M=H1 M=H2H1=S1H2=S1Path DiagramOptions:IT=1000 AD=offEnd of Problem,附、SEM执行中常见的失误,附、SEM执行中常见的失误,附、SEM执行中常见的失误,附、SEM执行中常见的失误,附、SEM执行中常见的失误,