結(jié)構(gòu)方程模型入門分解課件

引言 袁振國(guó)在譯完威廉 維爾斯曼的教育研究方法導(dǎo)論 后在其前言中評(píng)論道 總覺(jué)得教育研究方法過(guò)于傳統(tǒng) 研究的手段也比較落后 而在世紀(jì)年代中期由瑞典統(tǒng)計(jì)學(xué)家 心理測(cè)量學(xué)家提出的結(jié)構(gòu)方程模型 SEM 則提供了一種新的統(tǒng)計(jì)方法和研究思路 它能有力地解決教育研究中的問(wèn)題 應(yīng)當(dāng)引起教育界的重視 理應(yīng)成為教育研究的有力工具 注 袁振國(guó) 教育部社會(huì)科學(xué)司副司長(zhǎng) 北京師范大學(xué)教育學(xué)院教授 博士生導(dǎo)師 1 PPT學(xué)習(xí)交流 2 PPT學(xué)習(xí)交流 結(jié)構(gòu)方程模型 SEM 入門 云南大學(xué)高等教育研究院解亞寧 SEM 3 PPT學(xué)習(xí)交流 導(dǎo)言 1 心理學(xué)或教育學(xué)研究的一個(gè)主要目的是通過(guò)分析變量與變量之間的關(guān)系來(lái)揭示心理或教育現(xiàn)象的發(fā)展以及變化規(guī)律與特點(diǎn) 如相關(guān)分析 X2 X1 r 相關(guān)分析 CorrelationalAnalysis 4 PPT學(xué)習(xí)交流 導(dǎo)言 2 在相關(guān)分析基礎(chǔ)上 進(jìn)一步把變量分為自變量與因變量?jī)刹糠?并以自變量來(lái)解釋因變量 該模型假設(shè)自變量是原因 因變量是由這些原因引起的結(jié)果 如回歸分析模型 簡(jiǎn)單線性回歸模型 SimpleLinearRegression 5 PPT學(xué)習(xí)交流 導(dǎo)言 3 進(jìn)一步的多元線性回歸 包含多個(gè)自變量與一個(gè)因變量 MultipleLinearRegression 6 PPT學(xué)習(xí)交流 路徑分析 PathAnalysis 在回歸分析基礎(chǔ)上 還發(fā)展了路徑分析 進(jìn)一步把變量之間復(fù)雜關(guān)系 例如因果交錯(cuò)關(guān)系 7 PPT學(xué)習(xí)交流 問(wèn)題提出 但是 現(xiàn)實(shí)中變量之間的關(guān)系要復(fù)雜得多 各自變量之間可能存在因果關(guān)系 因變量也可能是某個(gè)或某幾個(gè)自變量的原因 有時(shí)需要處理多個(gè)原因和多個(gè)結(jié)果的關(guān)系 特別是會(huì)遇到不可直接觀測(cè)的變量 這種變量稱為潛在變量 LatentVariables 諸如社會(huì)經(jīng)濟(jì)地位 智力等都不能準(zhǔn)確 直接地加以測(cè)量 社會(huì)經(jīng)濟(jì)地位 智力 潛在變量 8 PPT學(xué)習(xí)交流 問(wèn)題提出 對(duì)于潛變量 可用一些外顯指標(biāo) Observableindicators 來(lái)間接測(cè)量它們 如用收入高低 教育水平作為社會(huì)經(jīng)濟(jì)地位 的測(cè)量指標(biāo) SEM主要特點(diǎn)在于能反映潛在變量 Latentvariables 與外顯變量 Manifestvariable 之關(guān)系 收入高低 教育水平 社會(huì)經(jīng)濟(jì)地位 外顯指標(biāo) 潛在變量 9 PPT學(xué)習(xí)交流 方法的進(jìn)步與革命常常導(dǎo)致相應(yīng)學(xué)科的進(jìn)步與革命 就統(tǒng)計(jì)方法而盲 回歸分析是相關(guān)分析的深人 而結(jié)構(gòu)方程模型 SEM 則是對(duì)回歸分析的深入 10 PPT學(xué)習(xí)交流 一 結(jié)構(gòu)方程模型的概念 結(jié)構(gòu)方程模型 structuralequationmodeling 簡(jiǎn)稱SEM 早期稱為線性結(jié)構(gòu)關(guān)系 LinearStructuralRelationships 簡(jiǎn)稱LISREL 是評(píng)價(jià)理論模型與經(jīng)驗(yàn)數(shù)據(jù)一致性的統(tǒng)計(jì)方法 潛在變量也稱為隱變量 外顯變量也稱觀測(cè)變量 Observablevariable 或測(cè)量變量 Measurementvariable SEM主要特點(diǎn)在于能反映潛在變量 Latentvariables 與外顯變量 Manifestvariable 之關(guān)系 11 PPT學(xué)習(xí)交流 導(dǎo)例 12 PPT學(xué)習(xí)交流 13 PPT學(xué)習(xí)交流 典型的結(jié)構(gòu)方程模型與參數(shù)示意圖 結(jié)構(gòu)方程模型是用來(lái)檢驗(yàn)觀測(cè)變量與潛在變量之間假設(shè)關(guān)系及測(cè)量誤差的一種統(tǒng)計(jì)技術(shù) 或者說(shuō)是模型構(gòu)建與檢驗(yàn)的方法 結(jié)構(gòu)方程模型是通過(guò)觀測(cè)變量集合的間的協(xié)方差結(jié)構(gòu)和相關(guān)結(jié)構(gòu)出發(fā) 從定量的角度建立模型來(lái)研究變量間的因果關(guān)系的一種方法 14 PPT學(xué)習(xí)交流 例2 誤差觀測(cè)變量負(fù)荷量潛在變量 15 PPT學(xué)習(xí)交流 專欄 結(jié)構(gòu)方程模型的構(gòu)圖與模式 16 PPT學(xué)習(xí)交流 SEM的模式 測(cè)量模式 measurementmodel 測(cè)量模式旨在建立測(cè)量變量與潛在變量間之關(guān)系 主要透過(guò)驗(yàn)證性因素分析 CFA 以考驗(yàn)測(cè)量模式的效度結(jié)構(gòu)模式 驗(yàn)證性因素分析 ConfirmatoryFactorAnalysis CFA 17 PPT學(xué)習(xí)交流 二階驗(yàn)證性因素分析 2ndorderConfirmatoryFactorAnalysis 18 PPT學(xué)習(xí)交流 SEM的模式 結(jié)構(gòu)模式 structuralmodel 結(jié)構(gòu)模式旨在考驗(yàn)潛在變項(xiàng)間之因果路徑關(guān)系 主要針對(duì)潛在變量進(jìn)行徑路分析 以考驗(yàn)結(jié)構(gòu)模式的適配性 潛在變量路徑分析 PathAnalysiswithLatentVariables PA LV 19 PPT學(xué)習(xí)交流 20 PPT學(xué)習(xí)交流 例3 研究生研究論文 21 PPT學(xué)習(xí)交流 22 PPT學(xué)習(xí)交流 23 PPT學(xué)習(xí)交流 24 PPT學(xué)習(xí)交流 25 PPT學(xué)習(xí)交流 26 PPT學(xué)習(xí)交流 模型假設(shè) 27 PPT學(xué)習(xí)交流 28 PPT學(xué)習(xí)交流 29 PPT學(xué)習(xí)交流 30 PPT學(xué)習(xí)交流 二 結(jié)構(gòu)方程模型分析步驟示意圖 首先針對(duì)研究問(wèn)題 根據(jù)已有的研究資料提出多個(gè)假設(shè)模型 然后收集數(shù)據(jù) 進(jìn)行分析 通過(guò)模型與實(shí)際數(shù)據(jù)的擬合情況和模型比較的結(jié)果 確定最終的結(jié)果模型 根據(jù)LISREL的分析程序 SEM大體分為建立模型 識(shí)別模型 估計(jì)模型 評(píng)估模型和修正模型五個(gè)步驟 31 PPT學(xué)習(xí)交流 模型界定 模型的界定必須來(lái)自健全理論的建構(gòu) 模型界定的步驟有三 首先由研究者整理文獻(xiàn)與相關(guān)理論 提出建立模型的雙向結(jié)構(gòu)表 然后由專家對(duì)結(jié)果進(jìn)行論證 最后根據(jù)確定的結(jié)構(gòu)設(shè)計(jì)可能的項(xiàng)目 32 PPT學(xué)習(xí)交流 三種模型策略 SEM的基本假設(shè)是觀測(cè)變量的共變數(shù)矩陣是一組參數(shù)的函數(shù) 而檢驗(yàn)一個(gè)共變數(shù)矩陣有三種模型策略 33 PPT學(xué)習(xí)交流 驗(yàn)證模型策略 即根據(jù)搜集的經(jīng)驗(yàn)資料嚴(yán)格檢驗(yàn)研究者界定的理論模型 以確定所檢驗(yàn)理論模型是接受還是拒絕 所謂嚴(yán)格檢驗(yàn)是指當(dāng)模型被拒絕時(shí) 不再尋找接受模型的可能線索 34 PPT學(xué)習(xí)交流 競(jìng)爭(zhēng)模型策略 即研究者事先界定多個(gè)可替代的理論模型 再搜集一組經(jīng)驗(yàn)資料以檢驗(yàn)?zāi)囊粋€(gè)理論模型與經(jīng)驗(yàn)資料最匹配 譬如對(duì)智力既可用Spearman的二因素理論解釋 也可用Thurstone的群因素理論解釋 還可以用卡特爾的簡(jiǎn)明層次論解釋等 對(duì)于哪一種解釋方式最好 以往的統(tǒng)計(jì)技術(shù)難以處理 SEM卻可以有效地處理這類問(wèn)題 采用競(jìng)爭(zhēng)模型更符合實(shí)際情況 35 PPT學(xué)習(xí)交流 模型的發(fā)展策略 即研究者先利用理論界定出一個(gè)起始模型 再搜集一組資料檢驗(yàn)其匹配程度 如果不是相當(dāng)匹配 可運(yùn)用SEM統(tǒng)計(jì)中的某種指數(shù)了解需要修正的地方 如果需修正處有著健全的理論可解釋則將其修正 這是一般研究者常用的策略 36 PPT學(xué)習(xí)交流 模型識(shí)別 模型的識(shí)別分為低識(shí)別 恰好識(shí)別和過(guò)度識(shí)別三種 對(duì)SEM理論不十分清楚的研究者 往往會(huì)忽略模型識(shí)別的問(wèn)題 只是將其交給統(tǒng)計(jì)軟件處理 即不知其中存在諸多復(fù)雜的問(wèn)題 對(duì)此應(yīng)當(dāng)閱讀有關(guān)書藉 詳細(xì)了解模型識(shí)別的問(wèn)題 37 PPT學(xué)習(xí)交流 模型的估計(jì) 用觀測(cè)資料估計(jì)模型的參數(shù)方法有很多 最常用的有三種 即最大概似法 廣義最小平方法和漸近分布自由法 38 PPT學(xué)習(xí)交流 擬合概念 當(dāng)我們測(cè)試某一模型時(shí) 其實(shí)是在研究自己所提的模型 即哪些變量之間有關(guān) 哪些則沒(méi)有 是否與數(shù)據(jù)擬合 39 PPT學(xué)習(xí)交流 三 分析過(guò)程與結(jié)果示例 例題 學(xué)生智力測(cè)驗(yàn)成績(jī)之前分析建立在兩因子模型下 且能提供良好適合度 本例題測(cè)試在單因子模型下是否能提供更加適合度 樣本數(shù) 145個(gè)學(xué)生指標(biāo)變數(shù) 文章閱讀 造句能力 字彙能力 加法能力 計(jì)數(shù)能力潛伏變數(shù) 語(yǔ)言 數(shù)學(xué) 40 PPT學(xué)習(xí)交流 路徑圖 學(xué)生智力測(cè)驗(yàn)成績(jī) P 192 語(yǔ)言 文章閱讀 2 GFI AGFI 數(shù)學(xué) 造句能力 字彙能力 加法能力 計(jì)數(shù)能力 1 採(cǎi)用Singledimension 1 2 3 4 5 41 PPT學(xué)習(xí)交流 TitleConfirmatoryFactorAnalysisforstudenttestperformanceObservedVariables文章閱讀造句能力字彙能力加法能力計(jì)數(shù)能力CorrelationMatrix 10 72210 7140 68510 2030 2460 17010 0950 1810 1130 5851SampleSize 145LatentVariables語(yǔ)言數(shù)學(xué)Relationships 文章閱讀 語(yǔ)言造句能力 語(yǔ)言字彙能力 語(yǔ)言加法能力 數(shù)學(xué)計(jì)數(shù)能力 數(shù)學(xué)SETtheCovarianceof語(yǔ)言and數(shù)學(xué)to1PathDiagramLISRELOUTPUTSETVRSMI 相關(guān)矩陣 指標(biāo)變數(shù) 潛伏變數(shù) 定義指標(biāo)變數(shù)與潛伏變數(shù)之關(guān)係 軟體操作 學(xué)生智力測(cè)驗(yàn)成績(jī) P 192 定義潛伏變數(shù)之間的關(guān)係相關(guān)係數(shù)為1 不具區(qū)別效度 輸出指令SE 標(biāo)準(zhǔn)誤TV t檢定RS 常態(tài)化殘差與Q圖MI 修飾指標(biāo) 42 PPT學(xué)習(xí)交流 軟體操作 學(xué)生智力測(cè)驗(yàn)成績(jī) P 192 43 PPT學(xué)習(xí)交流 軟體操作 學(xué)生智力測(cè)驗(yàn)成績(jī) P 192 參數(shù)最大概似估計(jì) 標(biāo)準(zhǔn)誤 t值 語(yǔ)言 相關(guān)性較大 標(biāo)準(zhǔn)誤0 07 t值顯著 2數(shù)學(xué) 相關(guān)性小 標(biāo)準(zhǔn)誤0 09 t值 2不顯著 兩潛伏變數(shù)之間的相關(guān)係數(shù)為1 殘差變異數(shù)估計(jì) 標(biāo)準(zhǔn)誤 t值 44 PPT學(xué)習(xí)交流 軟體操作 學(xué)生智力測(cè)驗(yàn)成績(jī) P 192 卡方值 2 59 47 GFI 0 880 05 皆低於可接受水準(zhǔn) 模型配適度不佳 45 PPT學(xué)習(xí)交流 學(xué)生智力測(cè)驗(yàn)成績(jī) 綜合比較 46 PPT學(xué)習(xí)交流 四 模型擬合度指標(biāo) 一 基本擬合標(biāo)準(zhǔn) 不能有負(fù)的誤差變異 誤差變異需有統(tǒng)計(jì)意義 估計(jì)參數(shù)之間相關(guān)的絕對(duì)值不能太接近1 因素負(fù)荷量不能太低或太高 最好介于0 50 0 95之間 標(biāo)準(zhǔn)誤不能太大 47 PPT學(xué)習(xí)交流 二 整體模型擬合度指標(biāo)數(shù)值范圍及臨界值 48 PPT學(xué)習(xí)交流 二 整體模型擬合度指標(biāo)數(shù)值范圍及臨界值 49 PPT學(xué)習(xí)交流 50 PPT學(xué)習(xí)交流 五 結(jié)構(gòu)方程模型的用途 一 李茂能 2007 1 考驗(yàn)理論模式 testoftheory 2 考驗(yàn)測(cè)量工具的建構(gòu)信度 constructreliability 或因素結(jié)構(gòu)效度 validityoffactorialstructure 信度 觀測(cè)變量與潛在變量之間相關(guān)程度 0 7 效度 可分為下列兩種收斂效度 convergentvalidity 對(duì)相同特性 construct concept orresearchvariables 使用不同衡量方法 Likertscale Stapelscale orsemanticdifferential 所得結(jié)果高度相關(guān) 區(qū)別效度 discriminantvalidity 不同建構(gòu) construct 即研究變數(shù)或稱concept 彼此之間確實(shí)不相同 51 PPT學(xué)習(xí)交流 五 結(jié)構(gòu)方程模型的用途 二 侯杰泰 1999 a 驗(yàn)證性因素分析b 高階因子分析c 路徑及因果分析d 多時(shí)段 multiwave 設(shè)計(jì)e 單形模型 SimplezsModel f 多組比較 52 PPT學(xué)習(xí)交流 五 結(jié)構(gòu)方程模型的用途 三 范曉玲 2007 SEM在心理學(xué)研究的應(yīng)用 主要有兩方面 1 測(cè)驗(yàn)編制理論結(jié)構(gòu)建立 因素分析雖然也應(yīng)用于測(cè)驗(yàn)編制之中 但卻只能用初步探討結(jié)構(gòu)而無(wú)法檢驗(yàn)其理論建構(gòu) SEM卻不同 其功用頗豐 1 1項(xiàng)目分析 即估計(jì)每個(gè)項(xiàng)目 把項(xiàng)目分析的概念融合于因素結(jié)構(gòu)的檢驗(yàn)中 檢驗(yàn)每個(gè)項(xiàng)目的測(cè)量誤差 把測(cè)量誤差從項(xiàng)目變異中抽取出來(lái) 使因素負(fù)荷量具有較高的精確度 并根據(jù)理論 預(yù)先確定項(xiàng)目所屬的因素 1 2根據(jù)理論 檢驗(yàn)?zāi)承┮蛩刂g相關(guān)或不相關(guān) 確定各因素之間的關(guān)系 1 3對(duì)整體因素模型進(jìn)行評(píng)估 確定以理論建構(gòu)的因素模型與搜集資料之間的符合程度 因此 結(jié)構(gòu)方程模型屬于檢驗(yàn)理論模型的統(tǒng)計(jì)方法 為研究者用于量化與理論檢驗(yàn)提供一種綜合模型 2 是研究各種復(fù)雜心理現(xiàn)象之間的關(guān)系 譬如 心理學(xué)中 研究認(rèn)知加工速度 工作記憶與智力發(fā)展的關(guān)系 家庭文化環(huán)境與兒童言語(yǔ)的關(guān)系等 在管理學(xué)中 研究組織績(jī)效各層次指標(biāo)與組織核心能力的關(guān)系 變革型領(lǐng)導(dǎo)與員工工作態(tài)度以及心理授權(quán)的關(guān)系 在教育學(xué)中 研究性別 文化程度 教育經(jīng)驗(yàn)與教師職業(yè)承諾的關(guān)系等 在醫(yī)學(xué)中 研究吸煙 喝酒等不良行為與身心健康的關(guān)系等 53 PPT學(xué)習(xí)交流 六 結(jié)構(gòu)方程的數(shù)學(xué)模式與方法 一 測(cè)量模型對(duì)于外顯變項(xiàng)與潛伏變項(xiàng)間的關(guān)系 即測(cè)量模式部分 通常寫為以下測(cè)量方程 X x Y y X Y是外源及內(nèi)生指標(biāo) 是X Y測(cè)量上的誤差 x是X指標(biāo)與 潛伏變項(xiàng)的關(guān)系 y是Y指標(biāo)與 潛伏變項(xiàng)的關(guān)系 54 PPT學(xué)習(xí)交流 二 結(jié)構(gòu)模型 a 對(duì)于潛伏變項(xiàng) 如 社經(jīng)地位與收入 的關(guān)系 通常寫成如下結(jié)構(gòu)方程 內(nèi)生 依變 endogenous dependent 潛伏變項(xiàng) 外源 自變 exogenous independent 潛伏變項(xiàng) 內(nèi)生潛伏變項(xiàng)間的關(guān)系 外源變項(xiàng)對(duì)內(nèi)生變項(xiàng)的影響 模式內(nèi)未能解釋部份 即模式內(nèi)所包含的變項(xiàng)及變項(xiàng)間關(guān)系所未能解釋部分 潛變量間的關(guān)系 即結(jié)構(gòu)模型 是研究的興趣重點(diǎn) 所以整個(gè)分析也稱結(jié)構(gòu)方程模型 55 PPT學(xué)習(xí)交流 七 討論 56 PPT學(xué)習(xí)交流 1 探索型因素分析與驗(yàn)證型因素分析比較 57 PPT學(xué)習(xí)交流 2 結(jié)構(gòu)方程模型假設(shè)條件 合理的樣本量 JamesStevens的AppliedMultivariateStatisticsfortheSocialSciences一書中說(shuō)平均一個(gè)自變量大約需要15個(gè)case BentlerandChou 1987 說(shuō)平均一個(gè)估計(jì)參數(shù)需要5個(gè)case就差不多了 但前提是數(shù)據(jù)質(zhì)量非常好 這兩種說(shuō)法基本上是等價(jià)的 而Loehlin 1992 在進(jìn)行蒙特卡羅模擬之后發(fā)現(xiàn)對(duì)于包含2 4個(gè)因子的模型 至少需要100個(gè)case 當(dāng)然200更好 小樣本量容易導(dǎo)致模型計(jì)算時(shí)收斂的失敗進(jìn)而影響到參數(shù)估計(jì) 特別要注意的是當(dāng)數(shù)據(jù)質(zhì)量不好比如不服從正態(tài)分布或者受到污染時(shí) 更需要大的樣本量 58 PPT學(xué)習(xí)交流 樣本大小的討論 樣本大小至少超過(guò)150個(gè) Rigdon E 2005 SEMFAQ from至少要為x觀察變項(xiàng)數(shù)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(xiàng)的數(shù)目 59 PPT學(xué)習(xí)交流 樣本大小不能少於50個(gè) 應(yīng)該要超過(guò)100個(gè) 至少要為x觀察變項(xiàng)數(shù)目的5倍量或10倍量 Hair J F Anderson R F Tatham R L Black W C 1998 Multivariatedataanalysis5thed NewJersey PrenticeHallInc 60 PPT學(xué)習(xí)交流 3 模型的解釋 模型的說(shuō)明和因果關(guān)系的理論基礎(chǔ)實(shí)際上就是假設(shè)檢驗(yàn)的邏輯 你只能說(shuō)你的模型不能拒絕 而不能下定論說(shuō)你的模型可以被接受 61 PPT學(xué)習(xí)交流 3 模型的解釋 統(tǒng)計(jì)結(jié)果只有得到正確解釋時(shí)才是有用的 一個(gè)不正確的解釋比無(wú)用還要糟糕 SEM的解釋主要有結(jié)構(gòu)系數(shù)的因果性 或影響性 方向性和效果系數(shù)三方面 1 因果性 之所以稱因果性是源于SEM早期被視為因果模型 然而SEM并不限于研究因果關(guān)系 它與一般使用的相關(guān) 多元回歸及變異數(shù)分析一樣可以研究事物多種關(guān)系 為了避免因果性而將其結(jié)構(gòu)系數(shù)看成是一種影響性 62 PPT學(xué)習(xí)交流 3 模型的解釋 2 方向性 方向性是建立在堅(jiān)實(shí)的理論基礎(chǔ)之上的 SEM是統(tǒng)計(jì)技術(shù) 無(wú)法處理方向性問(wèn)題 3 效果系數(shù) 效果系數(shù)是指SEM的結(jié)構(gòu)系數(shù) 有直接效果 間接效果和總效果之分 直接效果是指一個(gè)變量對(duì)另一個(gè)變量的影響未通過(guò)其他其他變量 間接效果是指一個(gè)變量對(duì)另一個(gè)變量的影響至少需要通過(guò)一個(gè)其他變量 總效果則是直接效果與間接效果的總和 在結(jié)果解釋時(shí)直接效果是必然的 間接效果和總效果能回答直接效果無(wú)法回答的問(wèn)題 譬如 在二級(jí)因素分析中 若想知道哪一個(gè)指標(biāo)受到二級(jí)潛在變量的影響最大 就要找出二級(jí)潛在變量總效果最大的一個(gè) 63 PPT學(xué)習(xí)交流 3 模型的解釋 SEM效果的解釋可以用非標(biāo)準(zhǔn)化系數(shù)和標(biāo)準(zhǔn)化系數(shù)兩種方式 非標(biāo)準(zhǔn)系數(shù)是直接以原始分?jǐn)?shù)進(jìn)行的估計(jì) 需將與標(biāo)準(zhǔn)誤同時(shí)呈現(xiàn) 因?yàn)?標(biāo)準(zhǔn)誤一方面反應(yīng)模型的穩(wěn)定性 過(guò)小或過(guò)大的標(biāo)準(zhǔn)誤意味著模型估計(jì)存在問(wèn)題或