结构方程模型之Amos操作

1课程笔记结构方程模型——Amos操作课程笔记1设置模型模板2验证性因素分析3验证结构方程模型4交叉验证cross-validation5中介效应分析6调节效应7中介的调节模型（调节的中介模型）8模型修正注：Amos算的是组成信度，一般认为，科隆巴赫系数是信度的下限，组成信度是信度的上限。CFA（一般要求：CR0.7，AVE0.5）1、设置模板一个构面3个题目，选择数据档，选择输出的数据，进入View显示变量名。另存为模板。步骤1、选择数据库2课程笔记步骤2、设定分析属性，需要输出的内容步骤3、设定View显示变量名称2、验证性因素分析2.1、分析各个构面的因子负荷3课程笔记因子负荷0.5必须删除，0.6在不影响信度的情况下可以保留。2.2、查看分析文档（一般要求：CR0.7，AVE0.5）2.3、制作CFA汇报表（一般要求：CR0.7，AVE0.54课程笔记2.4、分析区别效度5课程笔记收敛效度区别效度AVEintentionimpulseperqualcognition0.5740.7580.5550.7320.7450.6390.680.3330.7990.540.8070.5950.6440.735AVE开跟号的值小于构面之间的相关0.7350.807。出现这种情况有3种处理方法。2.5区分效度不足的补救处理违反处理：1、大部分过了，可以接受(一句话带过)or某一个违反，但仍在可接受范围or换一种估计方法（见下）2、置信区间法：bootstrap计算置信区间三个置信区间解释及来源:SE计算，bias-cor(正态的中位数应=点估计值，不满足需移动这个区间),percentile(相关系数的5%,97.5%)建议适用:因子与因子相关0.7时。3、模型比较法：通过模型比较检测因子相关系数。注意事项：绝大多数软件设定的都是非标准化估计值,即协方差，需进行标准化设定（其实就是固定方差为1）建议适用:因子与因子相关0.7时2.5.1方法1:不处理。，AVE开跟号的值大于大部分的构面之间的相关。虽然发现有一个值不符合，但是二者差异不大，仍在可接受的范围，说明区别效度仍存在。2.5.2方法2：Boostrap自助法，重复抽样1000次，计算相关的标准误。如果相关加减两倍的相关标准误，结果不包含1，就认为区别效度可以接受。适用于当构面之间的相关大于0.7的时候，甚至0.85对于样本而言，标准差=样本的波动大小。标准误=样本均值波动大小（意味着多次抽样求均值）6课程笔记按照数据规律:当样本n30（有人建议50）时，样本均值的分布服从正态分布。bootstrap估计方法思路：1、指定抽样的总次数N。2、每次从样本中进行简单抽样（有返回抽），计算均值。3、利用N个均值计算均值的标准差（标准误）计算置信区间。PairsofcorrelationPointEstimateBoostrapfor1000times95%confidenceintervalSEbias-correctpercentileLowerUpperLowerUpperLowerUpper7课程笔记cognition--perceivequality0.6440.0490.5461.7360.5310.7350.5310.735perceivequality--impulse0.3330.0650.2030.7390.2120.4580.2050.457impulse--intention0.7320.0480.6362.0040.6220.8180.6230.819cognition--impulse0.5950.0590.4771.5490.4780.7070.4770.706cognition--intention0.8070.0340.7392.2850.7310.870.740.872perceivequality--intention0.680.0460.5881.8560.5810.7630.5820.764表格说明：第一列现实构面之间的相关关系，第二列点估计值是每个值的估计。左右区间（(φ+-2б）均没有包含1，说明有区别度。三种方式的值均没有包含1，区分效度可以接受。2.5.3方法3：设定构面之间的标准化相关系数为1。但是模型中设定只能设定非标准化估计（协方差），不能设定标准化估计。直接设定是设定的协方差矩阵为1,因此需要先将模型改为标准化估计模型，再设定。此方法同样是适用于构面相关系数大于0.7的情况。在线上设定任何值等于1都是设定非标准化的值为1，这是错误的。8课程笔记正确做法：查看结果：结果显著，拒绝构面间无区分度的假设。9课程笔记3、验证结构方程模型3.1先查看是否符合研究假设3.2查看指标：1）先看模型拟合度，NPAR——估计参数个数，CMIN-卡方值，Pvalue在样本领超过200时一般都会显著，因此不报告10课程笔记GFIAGFI，一般0.9,0.8可接受TLI（NNFI）、CFI0.9RMSEA一般建议0.08RMR也有人报告，但是非标注化值，一般用SRMR（0.08）来代替，但AMOS并未涉及，可用外挂程序来获得。Plugins-standardRMR-打开窗口，一直开着进行计算可以出现SRMR。2)回归分析看结构模型是否显著，测量模型已经检查过不用再看3）报告标准化回归系数（一般要求0.2,最好0.3,系数越高贡献越大）11课程笔记12课程笔记如果有误差方差出现负值，可以给它一个非常小的正值，如0.0005。4交叉验证cross-validation效度延展性与效度稳定性将同一批样本随机分成两组，进行验证是进行效度稳定性的检验。用全新的样本进行验证才称为效度的延展性。1、在SPSS随机分成两组，一组计算、一组验证2、在AMOS建立两个群组，并导入数据，设定群组的值13课程笔记3、查看结果，如果结果显著可以再次随机分组14课程笔记5中介效应分析1、命名路径（能够区分不同变量的中介效应）2、写中介效应语法（20版和24版语法不同）3、输出设置：输出间接效果、直接效果和总效果；设置bootstrap3、运行、查看数据15课程笔记16课程笔记17课程笔记6调节效应例：比较男女之间是否存在模型的差异？即性别对每条线的斜率是否具有调节作用1、设定两个群组，并选择加载的数据集和分组变量值。2、在线上编号：注需要对两个群组的线设定不同的编号，才能比较。（可以同时比较所有的线，也可以单独比较某条线）（若调节模型复制自总结模型，需要取消bootstrap，和中介的语法）3、设定两个模型进行比较的线,设定的是非标准化斜率是否一致。4、执行，看modalcomparison18课程笔记19课程笔记调节模型1、先对3个自变量做标准化：分析——描述性统计——选入自变量——将标准化得分另存为变量。2、计算出Zcog*Zimp,和Zpq*Zimp，即两个自变量与调节变量的标准分乘积。3、在Amos中绘制统计模型图，增加代表交互作用的构面4、运行查看结果。如果交互作用的两条线相关显著，说明有调节效应。因为已经经过了标准化，值的大小没有含义，只看正负。20课程笔记21课程笔记7中介的调节模型（调节的中介模型）模型中既有中介又有调节22课程笔记回归：自编量和因变量之间的关系，X对Y显著中介：X是否会透过A影响Y，鉴定A*B是否显著调节：不同情境下，X对Y的斜率是否一致。A1与A2的斜率是否一致？中介的调节：A1*B1与A2*B2是否有显著差异。23课程笔记8模型修正模型不好的原因：1、样本太大2、模型变量太多3、数据不符合多元正态分布，多元正态分配鉴定值不能超过5。则卡方值会膨胀因此模型修正，修正的是卡方值。是用修正后的卡方值去算各种拟合值。根据Boring，1993的建议，24课程笔记25课程笔记26课程笔记