结构方程模型及其应用讲解

结构方程模型及其应用StructuralEquationModelandItsApplications提纲概述相关概念及结构实际应用概述结构方程模型分析法（structuralequationmodel，简称SEM）是一种以回归为基础（regression-basedtechnique）的多变量分析技术，主要可用于进行验证性因素分析、检验理论假设所表示的各变量之间的路径关系、中介效应分析和调节效应分析。结构方程模型的优点同时处理多个因变量容许自变量和因变量含测量误差同时估计因子结构和因子关系容许更大弹性的测量模型估计整个模型的拟合程度结构方程模型的分析步骤结构方程模型分析过程包括：模型设定、模型识别、模型估计、模型评价和模型修订。采用结构方程模型分析法进行实证分析的步骤如下页图示理论分析模型设定模型识别选择测量变量与搜集资料模型评价是否达到可接受程度模型修订解释否是图4-2结构方程实证分析步骤模型评价指标根据侯杰泰、温忠麟、成子娟（2004），在研究中主要选取了Df、χ2、χ2/df、RMSEA、NNFI和CFI作为模型评价指数：卡方χ2及其自由度df主要用于比较多个模型。一般认为，卡方比率χ2/df在2.0~5.0之间，模型可以接受，χ2/df越小表明整体模型拟合效果越好。近似误差均方根RMSEA越小表明模型拟合效果越好，Steiger（1990）认为，RMSEA低于0.1表示好的拟合；低于0.05表示非常好的拟合；低于0.01表示非常出色的拟合，但这种情形应用上几乎碰不到。非范拟合指数NNFI一般取值在0.9以上表示模型拟合效果非常好，在0.8以上表示模型拟合效果较好。比较拟和指数CFI一般取值在0~1之间，大于0.8表示模型拟合效果较好。相关概念及结构x1x3x2δ1δ2δ3ξλ1λ2λ3誤差觀察變項負荷量潛在變項驗證性因素分析ConfirmatoryFactorAnalysis(CFA)x1x3x2δ1δ2δ3ξ1η1y1y2y3ε1ε2ε3ζ測量模式結構模式x1x3x2δ1δ2δ3ξ1測量模式僅有測量模式就是CFAx1x3x2δ1δ2δ3ξ1λ11λ21λ31x1=λ11ξ1+δ1x2=λ21ξ1+δ2x3=λ31ξ1+δ3y1y3y2ε1ε2ε3ηλ1λ2λ3y1=λ1η+ε1y2=λ2η+ε2y3=λ3η+ε3x1x3x2ε1ε2ε3ξ1x4x6x5ε4ε5ε6ξ2Φ12/Φ21指標變項的討論以觀察變項作為潛在變項的指標變項時，要幾個觀察變項才夠？多元指標原則：一個潛在變項必須有兩個以上的觀察變項來估計愈多愈好嗎？一個可不可以？應回歸到工具設計與施測實務以及樣本大小、負荷量大小等問題樣本大小的討論樣本大小至少超過150個。Rigdon,E.(2005).SEMFAQ.from~mkteer/html至少要為x觀察變項數目的10倍量或15倍量。Thompson,B.(2000).Tencommandmentsofstructuralequationmodeling.InL.G.Grimm&P.R.Yarnold(eds.),Readingandunderstandingmoremultivariatestatistics(pp.261-283).Washington,DC:APA.樣本大小亦取決於潛在變項的數目LISRELSIMPLISAMOSEQSMplus常見電腦軟體MxStatisticaSASPROCCALISCOSANLVPLS…实际应用原始模式修改模式1修改模式2=最終模式?SEM=因果關係