结构方程模型 个人总结（一）
学习书目：《结构方程模型及其应用》侯杰泰 温忠麟 成子娟 著如引用，请注明上述书目、作者及本页URL
一、楔子
在研究中，我们没有办法将真实世界完全描述，为了研究的方便，我们通常用模型来反映真实的世界。在用模型来反映真实世界的时候，我们总是追求简洁而又准确。但很多时候，简洁就意味着粗糙，准确就意味着复杂。如何找到一个平衡点，是统计学一直探求的问题。
结构方程模型是一种能够帮助我们寻找一个尽可能准确且相对简单的反映真实世界的模型的工具。
二、初识
1、基础概念
潜变量（latent variable）：很多社会、心理学中涉及到的变量，都不能准确、直接地测量，这种变量称为潜变量，如学习动机、学习经验、学习态度等。
指标（observable indicators）：我们无法直接测量潜变量，只好用一些外显指标去间接测量这些潜变量，如问卷中反映学习动机的题目。
潜变量和指标的关系：我们通常用可以测量的指标（如问卷中反映学习动机的题目）来间接测量潜变量（如学习动机）。
随机误差：测量上的不准确行为。（和信度相联系？）
系统误差：指标除了测量潜变量之外，还测量了其他的特性。（和效度相联系？）
上述两种误差统称为测量误差，简称误差。这些误差是指标含有的，潜变量不含这些误差。
外源潜变量：在模型中，外源潜变量只有箭头向外指，没有箭头指向它。
内生潜变量：在模型中，至少有一个箭头指向它。
2、结构方程模型包含的两部分内容
结构方程模型（Structural Equation Model,SEM）是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，所以也称为协方差结构分析。结构方程模型可分为测量方程（measurement equation）和结构方程（structural equation）两部分。其中测量方程描述潜变量和指标之间的关系，如问卷中维度和题目的关系；结构方程则描述潜变量之间的关系，如学习动机、学习经验、学习态度之间的关系。
(1)测量方程
[img]http://www.spsschina.com/images/default/attachimg.gif[/img] [img]http://www.spsschina.com/attachments/forumid_62/20100825_d980941880b6d771c19f4YKEExXF4vxX.jpg[/img]
（2）结构方程
[url=http://img.bimg.126.net/photo/JpPL-5H9__2OqK_O2PaU9g==/1407656358530568686.jpg][img]http://www.spsschina.com/images/default/attachimg.gif[/img] [img]http://www.spsschina.com/attachments/forumid_62/20100825_80166a728b8a3d170c69Vg1gYUchuh26.jpg[/img][/url]
三、结构方程模型的工作原理
1、形成矩阵S——调查获取的真实数据产生的矩阵；
2、形成矩阵∑——根据理论基础假设模型，由该模型产生的矩阵；
3、根据拟合优度指数评价上述两个矩阵的差异，如果差异大的话，根据对模型进行修正，一直到模型产生的矩阵和S最接近。
拟合优度指数：反映S和∑两者之间的差异的数量称为拟合优度指数，简称拟合指数。不同学者提出了许多不同的拟合指数，这本书用的是卡方除以自由度、NNFI、CFI、RMSEA。
理想的拟合指数：
（1）卡方除以自由度的值应在2-5之间；
（2）NNFI、CFI通常在0至1之间，靠近1表示∑与S拟合的好；
（3）RMSEA越小越好，通常应在0.08以下，也有人认为在0.1以下；
（4）模型的复杂性通常以自由度来反映。自由度等于协方差矩阵中不重复的元素个数减去模型中要估计的参数个数。自由度越高，模型越简单。
四、结构方程模型的特点
1、同时处理多个因变量
2、容许自变量和因变量含测量误差（？）
3、同时估计因子结构和因子关系，因子结构通过测量方程来估计，因子关系通过结构方程来估计。
4、容许更大弹性的测量模型。
5、估计整个模型的拟合程度。
页:
[1]