结构方程模型 个人总结（二）
一、结构方程模型中的全模型涉及到的矩阵及含义[url=http://img.bimg.126.net/photo/nOJxZ6r3GIriNnJh6si5JQ==/5632032809003891255.jpg][img]http://www.spsschina.com/images/default/attachimg.gif[/img] [img]http://www.spsschina.com/attachments/forumid_62/20100825_5fa5899b9b041555b12a5o7Z3l8Ul6h1.jpg[/img][/url]
结合结构方程对上述一部分矩阵的理解：[p=30, 2, left] [img]http://www.spsschina.com/images/default/attachimg.gif[/img] [img]http://www.spsschina.com/attachments/forumid_62/20100825_95a994b9c1a555defe8cy046ed2em70I.jpg[/img] [/p] [p=30, 2, left]结构方程涉及到的是上述表格中的最后三个矩阵。 [/p]
结合测量方程对上述一部分矩阵的理解：[p=30, 2, left] [img]http://www.spsschina.com/images/default/attachimg.gif[/img] [img]http://www.spsschina.com/attachments/forumid_62/20100825_72e096653d90a3e16e1flSkvsPq56sZz.jpg[/img] [/p] [p=30, 2, left]测量方程涉及到的是上述表格中的前四个矩阵。（上述表格中的第五个矩阵，即外源潜变量之间的协方差或相关矩阵通过哪个方程体现？） [/p][p=30, 2, left]二、运用结构方程模型进行研究的一般步骤 [/p][p=30, 2, left]第一，建立初始全模型。 [/p][p=30, 2, left]1、找出与研究内容相关的文献中涉及到的所有因子，删除出现频率较低的因子，保留文献中出现频次较高的因子，作为全模型中的因子，即要研究的因子，根据文献确定这些因子是属于内生潜变量还是外源潜变量。 [/p][p=30, 2, left]2、为初始模型中每一条路径寻找理论依据。 [/p][p=30, 2, left]第二，测量全模型中的因子。 [/p][p=30, 2, left]1、编写问卷。 [/p][p=30, 2, left]2、发放问卷，收集数据。 [/p][p=30, 2, left]3、以测量方程为数学基础，进行数据分析，修改问卷。 [/p][p=30, 2, left]4、再次发放问卷，收集数据。 [/p][p=30, 2, left]以上循环直到问卷合适为止。 [/p][p=30, 2, left]第三，全模型的验证及修改。 [/p][p=30, 2, left]以结构方程为数学基础，进行数据分析，修改全模型。修改全模型时，一般先增加路径，再删除路径。 [/p][p=30, 2, left]三、如何看LISREL数据分析的结果 [/p][p=30, 2, left]1、参数估计结果：找出 t 值小于2的路径，考虑删除（修改模型——这里的模型不仅仅指上面提到的全模型，也包括指标和因子之间的关系模型——时，一般先增加路径，再删除路径，所以严格来讲，这一步应放在后面做。但是由于LISREL呈现数据分析结果时，把参数估计结果放在前面呈现，所以在实际操作的过程中，我们经常是把这一步放在前面）。 [/p][p=30, 2, left]2、 拟合指数： [/p]
（1）卡方除以自由度的值应在2-5之间；
（2）NNFI（非范拟合指数）、CFI（比较拟合指数）通常在0至1之间，靠近1表示∑与S拟合的好；
（3）RMSEA（渐进误差均方根）越小越好，通常应在0.08以下，也有人认为在0.1以下；[p=30, 2, left]3、修正指数：找出修正指数最大的，考虑修改。 [/p][p=30, 2, left]4、误差相关或协方差很大的指标可以考虑合并，合并后的数据取二者的平均数。[/p][p=30, 2, left]四、修改模型时需注意的问题 [/p][p=30, 2, left]修改模型实质上是在做增加路径和删除路径的工作。 [/p][p=30, 2, left]在增加或删除路径的时候，应使卡方的改变量与自由度的改变量的比值与3.84相比较。 [/p][p=30, 2, left] 如果增加了路径，即增加了需要自由估计的参数后，上述比值大于3.84，说明增加该路径是值得的； [/p][p=30, 2, left] 如果减少了路径，即减少了需要自由估计的参数后，上述比值小于3.84，说明减少该路径是可取的。[/p][p=30, 2, left]当然，在增加或删除路径时，除了看上述比值，还要看拟合指数的变化情况，拟合指数变好是最理想的，如果在删除了路径之后，拟合指数没有太大改变，那么从模型的简洁角度出发，删除路径也是可以的。[/p]
页:
[1]