[下载]AMOS目前最完整的英文教程(页 1) - amos - 问题解答 - 结构方程论坛SEM-Structural·Equation·Modeling

因子分析 发表于 2011-7-2 10:14

[下载]AMOS目前最完整的英文教程

<!--<img src . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 Specifying the Model and Drawing Variables . . . . . . . . . . . . . . . 15 Naming the Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Drawing Arrows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Constraining a Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 Altering the Appearance of a Path Diagram . . . . . . . . . . . . . . . . 19 Setting Up Optional Output . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Performing the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Viewing Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Printing the Path Diagram. . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Copying the Path Diagram . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Copying Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Part II: Examples 1 Estimating Variances and Covariances 27 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Bringing In the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Analyzing the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Viewing Graphics Output . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Viewing Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 Optional Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 Distribution Assumptions for Amos Models . . . . . . . . . . . . . . . . 39 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 Modeling in C# . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Other Program Development Tools . . . . . . . . . . . . . . . . . . . . . 44 v 2 Testing Hypotheses 45 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .45 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .45 Parameters Constraints . . . . . . . . . . . . . . . . . . . . . . . . . . . .45 Moving and Formatting Objects . . . . . . . . . . . . . . . . . . . . . . . .49 Data Input . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .50 Optional Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .52 Labeling Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .55 Hypothesis Testing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .56 Displaying Chi-Square Statistics on the Path Diagram . . . . . . . . . . .57 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .59 3 More Hypothesis Testing 63 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63 Bringing In the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63 Testing a Hypothesis That Two Variables Are Uncorrelated . . . . . . .64 Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .64 Viewing Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .66 Viewing Graphics Output. . . . . . . . . . . . . . . . . . . . . . . . . . . .67 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .69 4 Conventional Linear Regression 71 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .71 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .71 Analysis of the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .72 vi Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 Identification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Fixing Regression Weights . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Viewing the Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 Viewing Graphics Output . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 Viewing Additional Text Output. . . . . . . . . . . . . . . . . . . . . . . . 79 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 5 Unobserved Variables 85 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 Measurement Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 Structural Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 Identification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 Testing Model B against Model A . . . . . . . . . . . . . . . . . . . . . 100 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 6 Exploratory Analysis 105 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 Model A for the Wheaton Data . . . . . . . . . . . . . . . . . . . . . . . 106 Model B for the Wheaton Data . . . . . . . . . . . . . . . . . . . . . . . 111 Model C for the Wheaton Data . . . . . . . . . . . . . . . . . . . . . . . 118 vii Multiple Models in a Single Analysis . . . . . . . . . . . . . . . . . . . . 120 Output from Multiple Models . . . . . . . . . . . . . . . . . . . . . . . . 123 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 7 A Nonrecursive Model 133 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 Felson and Bohrnstedt’s Model . . . . . . . . . . . . . . . . . . . . . . . 134 Model Identification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140 8 Factor Analysis 141 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 A Common Factor Model . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 Identification. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148 9 An Alternative to Analysis of Covariance 149 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 Analysis of Covariance and Its Alternative . . . . . . . . . . . . . . . . 149 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 Analysis of Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 viii Model A for the Olsson Data . . . . . . . . . . . . . . . . . . . . . . . . 151 Identification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 Specifying Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 Searching for a Better Model. . . . . . . . . . . . . . . . . . . . . . . . 153 Model B for the Olsson Data . . . . . . . . . . . . . . . . . . . . . . . . 155 Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 Model C for the Olsson Data . . . . . . . . . . . . . . . . . . . . . . . . 157 Results for Model C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 Fitting All Models At Once . . . . . . . . . . . . . . . . . . . . . . . . . 158 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 10 Simultaneous Analysis of Several Groups 163 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 Analysis of Several Groups . . . . . . . . . . . . . . . . . . . . . . . . . 163 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175 11 Felson and Bohrnstedt’s Girls and Boys 179 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 Felson and Bohrnstedt’s Model . . . . . . . . . . . . . . . . . . . . . . 179 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 Specifying Model A for Girls and Boys . . . . . . . . . . . . . . . . . . 180 Text Output for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . 183 Graphics Output for Model A . . . . . . . . . . . . . . . . . . . . . . . . 185 Model B for Girls and Boys . . . . . . . . . . . . . . . . . . . . . . . . . 186 ix Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 Fitting Models A and B in a Single Analysis . . . . . . . . . . . . . . . . 192 Model C for Girls and Boys. . . . . . . . . . . . . . . . . . . . . . . . . . 192 Results for Model C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196 12 Simultaneous Factor Analysis for Several Groups 199 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 Model A for the Holzinger and Swineford Boys and Girls . . . . . . . . 200 Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202 Model B for the Holzinger and Swineford Boys and Girls . . . . . . . . 204 Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 13 Estimating and Testing Hypotheses about Means 213 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 Means and Intercept Modeling . . . . . . . . . . . . . . . . . . . . . . . 213 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 Model A for Young and Old Subjects . . . . . . . . . . . . . . . . . . . . 214 Mean Structure Modeling in Amos Graphics . . . . . . . . . . . . . . . 214 Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 Model B for Young and Old Subjects . . . . . . . . . . . . . . . . . . . . 218 Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 Comparison of Model B with Model A . . . . . . . . . . . . . . . . . . . 220 Multiple Model Input . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 Mean Structure Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . 221 x 14 Regression with an Explicit Intercept 225 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 Assumptions Made by Amos . . . . . . . . . . . . . . . . . . . . . . . . 225 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . 227 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229 15 Factor Analysis with Structured Means 233 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233 Factor Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234 Model A for Boys and Girls . . . . . . . . . . . . . . . . . . . . . . . . . 234 Understanding the Cross-Group Constraints . . . . . . . . . . . . . . . 236 Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237 Model B for Boys and Girls . . . . . . . . . . . . . . . . . . . . . . . . . 239 Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241 Comparing Models A and B. . . . . . . . . . . . . . . . . . . . . . . . . 241 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242 16 Sörbom’s Alternative to Analysis of Covariance 245 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245 Assumptions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246 Changing the Default Behavior . . . . . . . . . . . . . . . . . . . . . . . 247 xi Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247 Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249 Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251 Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253 Model C. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254 Results for Model C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255 Model D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256 Results for Model D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 Model E. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259 Results for Model E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259 Fitting Models A Through E in a Single Analysis . . . . . . . . . . . . . 259 Comparison of Sörbom’s Method with the Method of Example 9 . . . . 260 Model X. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 Modeling in Amos Graphics . . . . . . . . . . . . . . . . . . . . . . . . . 260 Results for Model X . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 Model Y. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 Results for Model Y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263 Model Z. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 Results for Model Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266 17 Missing Data 273 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273 Incomplete Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274 Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275 Saturated and Independence Models . . . . . . . . . . . . . . . . . . . 276 Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279 xii 18 More about Missing Data 287 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 Missing Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288 Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289 Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291 Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294 Output from Models A and B . . . . . . . . . . . . . . . . . . . . . . . . 295 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296 19 Bootstrapping 299 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 The Bootstrap Method. . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300 A Factor Analysis Model . . . . . . . . . . . . . . . . . . . . . . . . . . 300 Monitoring the Progress of the Bootstrap . . . . . . . . . . . . . . . . 301 Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . 301 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 20 Bootstrapping for Model Comparison 307 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 Bootstrap Approach to Model Comparison. . . . . . . . . . . . . . . . 307 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308 Five Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314 Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314 xiii 21 Bootstrapping to Compare Estimation Methods 315 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315 Estimation Methods. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316 About the Model. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316 Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322 22 Specification Search 323 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323 About the Model. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323 Specification Search with Few Optional Arrows . . . . . . . . . . . . . 324 Specification Search with Many Optional Arrows . . . . . . . . . . . . 348 Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352 23 Exploratory Factor Analysis by Specification Search 353 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353 About the Model. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353 Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354 Opening the Specification Search Window . . . . . . . . . . . . . . . . 354 Making All Regression Weights Optional . . . . . . . . . . . . . . . . . 355 Setting Options to Their Defaults . . . . . . . . . . . . . . . . . . . . . . 355 Performing the Specification Search . . . . . . . . . . . . . . . . . . . . 357 xiv Using BCC to Compare Models. . . . . . . . . . . . . . . . . . . . . . . 358 Viewing the Scree Plot . . . . . . . . . . . . . . . . . . . . . . . . . . . 361 Viewing the Short List of Models. . . . . . . . . . . . . . . . . . . . . . 361 Heuristic Specification Search. . . . . . . . . . . . . . . . . . . . . . . 362 Performing a Stepwise Search. . . . . . . . . . . . . . . . . . . . . . . 363 Viewing the Scree Plot . . . . . . . . . . . . . . . . . . . . . . . . . . . 364 Limitations of Heuristic Specification Searches . . . . . . . . . . . . . 365 24 Multiple-Group Factor Analysis 367 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367 Model 24a: Modeling without Means and Intercepts . . . . . . . . . . 367 Customizing the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 373 Model 24b: Comparing Factor Means . . . . . . . . . . . . . . . . . . . 374 25 Multiple-Group Analysis 381 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381 About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381 About the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381 Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382 Constraining the Latent Variable Means and Intercepts . . . . . . . . 382 Generating Cross-Group Constraints . . . . . . . . . . . . . . . . . . . 383 Fitting the Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385 Viewing the Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . 385 Examining the Modification Indices . . . . . . . . . . . . . . . . . . . . 386 xv 26 Bayesian Estimation 389 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389 Bayesian Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389 Results of Maximum Likelihood Analysis. . . . . . . . . . . . . . . . . . 393 Bayesian Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394 Replicating Bayesian Analysis and Data Imputation Results . . . . . . 396 Assessing Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 400 Diagnostic Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402 Bivariate Marginal Posterior Plots . . . . . . . . . . . . . . . . . . . . . 408 Credible Intervals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 411 Learning More about Bayesian Estimation . . . . . . . . . . . . . . . . 412 27 Bayesian Estimation Using a Non-Diffuse Prior Distribution 413 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413 About the Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413 More about Bayesian Estimation . . . . . . . . . . . . . . . . . . . . . . 413 Bayesian Analysis and Improper Solutions . . . . . . . . . . . . . . . . 414 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414 Fitting a Model by Maximum Likelihood . . . . . . . . . . . . . . . . . . 415 Bayesian Estimation with a Non-Informative (Diffuse) Prior. . . . . . . 416 28 Bayesian Estimation of Values Other Than Model Parameters 427 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427 About the Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427 xvi The Wheaton Data Revisited . . . . . . . . . . . . . . . . . . . . . . . . 427 Indirect Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428 Bayesian Analysis of Model C . . . . . . . . . . . . . . . . . . . . . . . 431 Additional Estimands . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432 Inferences about Indirect Effects . . . . . . . . . . . . . . . . . . . . . 435 29 Estimating a User-Defined Quantity in Bayesian SEM 441 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441 About the Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441 The Stability of the Alienation Model . . . . . . . . . . . . . . . . . . . 441 Numeric Custom Estimands. . . . . . . . . . . . . . . . . . . . . . . . . 447 Dichotomous Custom Estimands . . . . . . . . . . . . . . . . . . . . . . 461 30 Data Imputation 465 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465 About the Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465 Multiple Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466 Model-Based Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . 466 Performing Multiple Data Imputation Using Amos Graphics . . . . . . 466 31 Analyzing Multiply Imputed Datasets 473 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473 Analyzing the Imputed Data Files Using SPSS . . . . . . . . . . . . . . 473 Step 2: Ten Separate Analyses . . . . . . . . . . . . . . . . . . . . . . . 474 Step 3: Combining Results of Multiply Imputed Data Files . . . . . . . 475 Further Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477 xvii 32 Censored Data 479 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 479 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 479 Posterior Predictive Distributions . . . . . . . . . . . . . . . . . . . . . . 485 Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488 General Inequality Constraints on Data Values . . . . . . . . . . . . . . 492 33 Ordered-Categorical Data 493 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493 About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493 MCMC Diagnostics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 508 Posterior Predictive Distributions . . . . . . . . . . . . . . . . . . . . . . 510 Posterior Predictive Distributions for Latent Variables. . . . . . . . . . 515 Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 520    AMOS目前最完整的英文教程

spssamos 发表于 2011-7-2 10:19

此为软件自带的帮助文件，7.0版的

wmhhotel 发表于 2011-7-2 10:24

是啊，我有了，这回才不花钱买了

潜变量分析 发表于 2011-7-2 10:29

不买了，抵制日货！！

database 发表于 2011-7-2 10:34

贵死了

wmhhotel 发表于 2011-7-2 10:39

此为软件自带的帮助文件

结构方程 发表于 2011-7-2 10:44

此为软件自带的帮助文件？居然敢骗人？太黑了！！！

abroad 发表于 2011-7-2 10:49

thanks so much

华南心理学 发表于 2011-7-2 10:54

等买完打开一看，原来是自己早就有类似的了，花钱花的有点儿冤枉！

angel 发表于 2011-7-2 11:00

楼主，你要价也别要的太离谱了啊，我们好不容易挣的钱，几乎一下子就花光了，有点儿遗憾！

dataanlysis 发表于 2011-7-2 11:05

如果您明示说是Amos7.0的帮助文件，我是绝不会狠心购买的。买完又让人后悔，不值得花这么多钱！

页: [1]

结构方程论坛SEM-Structural·Equation·Modeling's Archiver

[下载]AMOS目前最完整的英文教程