新手求助：amos做结构方程模型，观测变量太多了怎么办？
很多时候潜变量的观测变量太多了，模型建立起来就不方便，有没有什么办法可以把模型简化？可以用主成分分析吗？ use item parcelling to reduce the measured variables to 3 per latent variable. 首先看测量变量和潜变量之间的关系是什么？形成型还是反映型 谢谢!有些量表本身就是分维度的，但是每个维度里面会有好几个条目，怎么样把这些条目的数据整合成一列数呢？可以用因子分析直接提取一个引子吗？还是说就用项目组合（items parcelling）？<strong> 2# <i>ttewwcqu</i> </strong> 不好意思，请问什么是形成型，什么是反应型啊？比如说会有很多条目，分成几个维度的来描述一个领导者的领导方式，这种情况下是反应型的吧？<strong> 3# <i>mengchuanjin</i> </strong> 如果有分量表（维度），直接用分量表分就可以。 使用项目包技术，列举几种方法。<br /> 1 随机分配组合法 即把项目随机分配到每个项目小组中，使项目小组在性质上和分数上大致等同。这种假设前提是所有项目均为单向度，否则组合后的项目就会给潜在因素带来一定估计偏差。<br /> 2 平衡组合法 这种方法以一定的规则来使影响指标性质的因素在项目小组之间保持平衡，这些因素包括项目负荷或项目相关等。保持项目负荷平衡的方法称之为主成分分析法。它设定量表所有项目负荷在单个因子上，并以项目负荷作为引导。在组合时，首先把负荷最高的几个项目放到各个项目小组，然后按照反方向加入次高项目进行平衡。如果有更多项目，程序依此类推，直到所有项目都被平衡分配。另一种平衡取向方法为相关法，其基本思路与主成分法类似。<br /> 3 维度组合法 有的潜在因素虽然是单维，但其测量项目却分为若干面向。运用探索性因素分析确定项目维度，这时产生两种组合方式。一种是直接以维度分作为潜在因素的观察指标，该方法强调的是项目小组内部的同质性（homogeneousness）。另一种是把测量某一因素的所有项目按照维度不同依次平均分配到事前确定好的包内，以便保证每一个包都由不同维度的项目组成，项目小组内部为异质（heterogeneous）。其考虑更多的是项目小组之间的相似性。<br /> 下面举例潜变量有19个观察项目的项目包组合，仅供参考：<br /> 19个项目探索性因素分析产生3个维度，为了便于比较不同组合方法的模型拟合效果，确定项目包数为3个。模型采用ML法估计，默认模型假定3个项目包测量误差均不相关。方法1：将19个项目随机分配到3个项目包，项目数分别为6、6和7，将每包内项目得分相加形成观察指标。方法2：使用主成分分析法抽取19个项目在一个共同因素中的负荷量。首先把负荷最高的3个项目分别放入各项目小组，然后依序反方向加入负荷最低的3个项目进行平衡，即负荷量最高与最低配对原则。第二步再选择3个次最高负荷项目和反方向3个次最低负荷项目依序放入各项目小组，程序依此类推，最后剩下1个项目纳入第3小组（此项目可纳入任意一项目包），每小组项目分相加作为项目包。方法3：探索性因素分析提出特征值>1.0的3个因子作为项目小组，分别包含9、6和4个项目，将其分数相加作为项目包。方法4：从方法3探索性因素分析提出的3个因子中各抽出3、2、1个项目分别放入3个项目小组，并将第三因子中多余的1个项目放进第3项目小组，计算3个项目小组的项目得分之和作为项目包。 <ul class="s_clear"> Thanks a lot!<strong> 7# <i>fangminty</i> </strong> 高手！ 新手路过 高手！ 新手路过 项目包运用的前提是观测变量太多可能导致的被试参数估计值的降低，因此在探索性因素分析结果出来的情况下，将每个维度下的项目按照负荷量的高低进行平衡分配到几个项目包中，每个项目包取均值作为外生变量的观测值。 有点疑惑，对于一个比较成型的测量量表，任一一个ITEM都是有其确切归属的<br /> 虽然各个分量表的题目不同，但各量表内的一致性系数都是很好的<br /> 如果按照项目包的方式，会破坏风量表的结构，即使数据拟合结果很好，也不能很好说明问题<br /> ？？？？ 谢谢，雪中送炭，我正发愁呢 没听懂，我的也是问题很多，最多的时候一个外源潜变量用问卷的15个问题来测量，虽然经过因子分析后只生三个了，但是不知道怎么才能用经过因子分析的数据来做SEM,谁能帮我一下啊。 学习啦，多谢各位 学习了!谢谢高手！ 新手路过学习的 学习了 谢谢 新手路过 学习了页:
[1]