結(jié)構(gòu)方程模型原理以及經(jīng)典案例研究（可編輯）

1、結(jié)構(gòu)方程模型原理以及經(jīng)典案例研究 結(jié)構(gòu)方程模型 課件 structural equation modelingsem 結(jié)構(gòu)方程模型 結(jié)構(gòu)方程模型是一門(mén)基于統(tǒng)計(jì)分析技術(shù)的研究方法學(xué)它主要用于解決社會(huì)科學(xué)研 究中的多變量問(wèn)題用來(lái)處理復(fù)雜的多變量研究數(shù)據(jù)的探究與分析在社會(huì)科學(xué)及經(jīng)濟(jì) 市場(chǎng)管理等研究領(lǐng)域有時(shí)需處理多個(gè)原因多個(gè)結(jié)果的關(guān)系或者會(huì)碰到不可直接 觀測(cè)的變量即潛變量這些都是傳統(tǒng)的統(tǒng)計(jì)方法不能很好解決的問(wèn)題sem 能夠?qū)?抽象的概念進(jìn)行估計(jì)與檢定而且能夠同時(shí)進(jìn)行潛在變量的估計(jì)與復(fù)雜自變量因變量 預(yù)測(cè)模型的參數(shù)估計(jì) 結(jié)構(gòu)方程模型是一種非常通用的主要的線(xiàn)形統(tǒng)計(jì)建模技術(shù)廣泛應(yīng)用于心理學(xué)經(jīng)濟(jì) 學(xué)社會(huì)學(xué)行為

2、科學(xué)等領(lǐng)域的研究實(shí)際上它是計(jì)量經(jīng)濟(jì)學(xué)計(jì)量社會(huì)學(xué)與計(jì)量心理學(xué) 等領(lǐng)域的統(tǒng)計(jì)分析方法的綜合多元回歸因子分析和通徑分析等方法都只是結(jié)構(gòu)方程模型 中的一種特例 結(jié)構(gòu)方程模型是利用聯(lián)立方程組求解它沒(méi)有很?chē)?yán)格的假定限制條件同時(shí)允許自變量 和因變量存在測(cè)量誤差在許多科學(xué)領(lǐng)域的研究中有些變量并不能直接測(cè)量實(shí)際上這 些變量基本上是人們?yōu)榱死斫夂脱芯磕愁?lèi)目的而建立的假設(shè)概念對(duì)于它們并不存在直接測(cè) 量的操作方法人們可以找到一些可觀察的變量作為這些潛在變量的標(biāo)識(shí)然而這些潛 在變量的觀察標(biāo)識(shí)總是包含了大量的測(cè)量誤差在統(tǒng)計(jì)分析中即使是對(duì)那些可以測(cè)量的變 量也總是不斷受到測(cè)量誤差問(wèn)題的侵?jǐn)_自變量測(cè)量誤差的發(fā)生會(huì)導(dǎo)致常規(guī)回歸

3、模型參數(shù) 估計(jì)產(chǎn)生偏差雖然傳統(tǒng)的因子分析允許對(duì)潛在變量設(shè)立多元標(biāo)識(shí)也可處理測(cè)量誤差但 是它不能分析因子之間的關(guān)系只有結(jié)構(gòu)方程模型即能夠使研究人員在分析中處理測(cè)量誤 差又可分析潛在變量之間的結(jié)構(gòu)關(guān)系 與傳統(tǒng)的回歸分析不同結(jié)構(gòu)方程分析能同時(shí)處理多個(gè)因變量并可比較及評(píng)價(jià)不 同的理論模型與傳統(tǒng)的探索性因子分析不同在結(jié)構(gòu)方程模型中我們可以提出一個(gè) 特定的因子結(jié)構(gòu)并檢驗(yàn)它是否吻合數(shù)據(jù) 通過(guò)結(jié)構(gòu)方程多組分析我們可以了解不同 組別內(nèi)各變量的關(guān)系是否保持不變各因子的均值是否有顯著差異 已經(jīng)有多種軟件可以處理 sem包括lisrelamos eqs mplus 結(jié)構(gòu)方程模型包括測(cè)量方程lv 和 mv 之間關(guān)系的方

4、程外部關(guān)系和結(jié)構(gòu)方程lv 之 間關(guān)系的方程內(nèi)部關(guān)系以acsi 模型為例具體形式如下 測(cè)量方程 y y y x x x 1 1 結(jié)構(gòu)方程模型 課件 結(jié)構(gòu)方程 b 或 i- 2 和 分別是內(nèi)生 lv 和外生 lvy 和 x 分別是和的 mv x 和 y 是載荷矩陣 和 是路徑系數(shù)矩陣 和 是殘差 1 1 1 2 2 2 3 3 3 誤差 觀察變量 負(fù)荷量 潛在變量 1 1 1 1 y1 2 2 1 1 1 y1 3 3 1 y1 測(cè)量模式 結(jié)構(gòu)模式 三種分析對(duì)比 線(xiàn)性相關(guān)分析 線(xiàn)性相關(guān)分析指出兩個(gè)隨機(jī)變量之間的統(tǒng)計(jì)聯(lián)系兩個(gè)變量地位平等沒(méi)有因變量 和自變量之分因此相關(guān)系數(shù)不能反映單指標(biāo)與總體之間的因

5、果關(guān)系 2 結(jié)構(gòu)方程模型 課件 線(xiàn)性回歸分析 線(xiàn)性回歸是比線(xiàn)性相關(guān)更復(fù)雜的方法它在模型中定義了因變量和自變量但它只 能提供變量間的直接效應(yīng)而不能顯示可能存在的間接效應(yīng) 而且會(huì)因?yàn)楣簿€(xiàn)性的原因 導(dǎo)致出現(xiàn)單項(xiàng)指標(biāo)與總體出現(xiàn)負(fù)相關(guān)等無(wú)法解釋的數(shù)據(jù)分析結(jié)果 結(jié)構(gòu)方程模型分析 結(jié)構(gòu)方程模型是一種建立估計(jì)和檢驗(yàn)因果關(guān)系模型的方法模型中既包含有可觀 測(cè)的顯在變量也可能包含無(wú)法直接觀測(cè)的潛在變量結(jié)構(gòu)方程模型可以替代多重回歸 通徑分析因子分析協(xié)方差分析等方法清晰分析單項(xiàng)指標(biāo)對(duì)總體的作用和單項(xiàng)指標(biāo) 間的相互關(guān)系 結(jié)構(gòu)方程模型假設(shè)條件- 合理的樣本量james stevens 的 applied multivari

6、ate statistics for the social sciences 一書(shū)中說(shuō)平均一個(gè)自變量大約需要 15個(gè) casebentler and chou 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 24 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 連續(xù)的正態(tài)內(nèi)生變量注意一種表面不連續(xù)的特例underlyin

7、g continuous 對(duì)于內(nèi)生變量的分布理想情況是聯(lián)合多元正態(tài)分布即 jmvn 模型識(shí)別識(shí)別方程比較有多少可用的輸入和有多少需估計(jì)的參數(shù)模型不 可識(shí)別會(huì)帶來(lái)參數(shù)估計(jì)的失敗 完整的數(shù)據(jù)或者對(duì)不完整數(shù)據(jù)的適當(dāng)處理對(duì)于缺失值的處理一般的統(tǒng)計(jì)軟件 給出的刪除方式選項(xiàng)是 pairwise 和 listwise然而這又是一對(duì)普遍矛盾pairwise 式 的刪除雖然估計(jì)到盡量減少數(shù)據(jù)的損失但會(huì)導(dǎo)致協(xié)方差陣或者相關(guān)系數(shù)陣的階數(shù) n 參 差不齊從而為模型擬合帶來(lái)巨大困難甚至導(dǎo)致無(wú)法得出參數(shù)估計(jì) listwise 不會(huì)有 pairwise 的問(wèn)題因?yàn)榉彩怯龅?case 中有缺失值那么該 case 直接被全部刪

8、除但是 又帶來(lái)了數(shù)據(jù)信息量利用不足的問(wèn)題全殺了吧難免有冤枉的不殺吧又難免影 響整體局勢(shì) 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 3 結(jié)構(gòu)方程模型 課件 結(jié)構(gòu)方程模型的技術(shù)特性- 1 sem 具有理論先驗(yàn)性 2 sem 同時(shí)處理測(cè)量與分析問(wèn)題 3 sem 以協(xié)方差的運(yùn)用為核心亦可處理平均數(shù)估計(jì) 4 sem 適用于大樣本的分析一般而言大于 200 以上的樣本才可稱(chēng)得上是一 個(gè)中型樣本 5 sem 包含了許多不同的統(tǒng)計(jì)技術(shù) 6 sem 重視多重統(tǒng)計(jì)指標(biāo)的運(yùn)用 結(jié)構(gòu)方程模型的實(shí)施步驟- 模型設(shè)定研究者根據(jù)先前的理論以及已有的知識(shí)

9、通過(guò)推論和假設(shè)形成一個(gè)關(guān)于一 組變量之間相互關(guān)系常常是因果關(guān)系的模型這個(gè)模型也可以用路徑表明制定變量 之間的因果聯(lián)系 模型識(shí)別模型識(shí)別時(shí)設(shè)定 sem 模型時(shí)的一個(gè)基本考慮只有建設(shè)的模型具有識(shí)別性 才能得到系統(tǒng)各個(gè)自由參數(shù)的唯一估計(jì)值其中的基本規(guī)則是模型的自由參數(shù)不能夠 多于觀察數(shù)據(jù)的方差和協(xié)方差總數(shù) 模型估計(jì)sem 模型的基本假設(shè)是觀察變量的反差協(xié)方差矩陣是一套參數(shù)的函數(shù) 把固定參數(shù)之和自由參數(shù)的估計(jì)帶入結(jié)構(gòu)方程推導(dǎo)方差協(xié)方差矩陣 使每一個(gè)元素 盡可能接近于樣本中觀察變量的方差協(xié)方差矩陣 s 中的相應(yīng)元素也就是使 與 s 之 間的差異最小化在參數(shù)估計(jì)的數(shù)學(xué)運(yùn)算方法中最常用的是最大似然法ml和廣

10、義 最小二乘法gls 模型評(píng)價(jià)在已有的證據(jù)與理論范圍內(nèi)考察提出的模型擬合樣本數(shù)據(jù)的程度模型 的總體擬合程度的測(cè)量指標(biāo)主要有 2檢驗(yàn)擬合優(yōu)度指數(shù)gfi校正的擬合優(yōu)度指數(shù)a gfi均方根殘差rmr等關(guān)于模型每個(gè)參數(shù)估計(jì)值的評(píng)價(jià)可以用t值 模型修正模型修正是為了改進(jìn)初始模型的適合程度當(dāng)嘗試性初始模型出現(xiàn)不能擬合觀 察數(shù)據(jù)的情況該模型被數(shù)據(jù)拒絕時(shí)就需要將模型進(jìn)行修正再用同一組觀察數(shù)據(jù)來(lái)進(jìn) 行檢驗(yàn) 4 結(jié)構(gòu)方程模型 課件 探索性分析- 定義 探索性因子分析法exploratory factor analysisefa是一項(xiàng)用來(lái)找出多元觀測(cè)變 量的本質(zhì)結(jié)構(gòu)并進(jìn)行處理降維的技術(shù) 因而efa 能夠?qū)⒕哂绣e(cuò)綜

11、復(fù)雜關(guān)系的變量綜合 為少數(shù)幾個(gè)核心因子 探索性因子分析efa致力于找出事物內(nèi)在的本質(zhì)結(jié)構(gòu) f1 e1 1 2 e2 f2 e3 3 f3 殘差 指標(biāo) 因子負(fù)荷 潛變量 探索性分析的適用情況 在缺乏堅(jiān)實(shí)的理論基礎(chǔ)支撐有關(guān)觀測(cè)變量?jī)?nèi)部結(jié)構(gòu)一般用探索性因子分析先用探 索性因子分析產(chǎn)生一個(gè)關(guān)于內(nèi)部結(jié)構(gòu)的理論再在此基礎(chǔ)上用驗(yàn)證性因子分析但這必須用 分開(kāi)的數(shù)據(jù)集來(lái)做 探索性分析步驟 辨別收集觀測(cè)變量按照實(shí)際情況收集觀測(cè)變量并對(duì)其進(jìn)行觀測(cè)獲得觀測(cè)值 針對(duì)總體復(fù)雜性和統(tǒng)計(jì)基本原理的保證通常采用抽樣的方法收集數(shù)據(jù)來(lái)達(dá)到研究目的 獲得協(xié)方差陣或bravais-pearson 的相似系數(shù)矩陣我們所有的分析都是從原始

12、 數(shù)據(jù)的協(xié)方差陣或相似系數(shù)矩陣出發(fā)的這樣使我們分析得到的數(shù)據(jù)具有可比性所以 首先要根據(jù)資料數(shù)據(jù)獲得變量協(xié)方差陣或相似系數(shù)矩陣 確定因子個(gè)數(shù)有時(shí)候你有具體的假設(shè)它決定了因子的個(gè)數(shù)但更多的時(shí)候沒(méi)有 這樣的假設(shè)你僅僅希望最后的到的模型能用盡可能少的因子解釋盡可能多的方差如果你 有 k 個(gè)變量你最多只能提取 k 個(gè)因子通過(guò)檢驗(yàn)數(shù)據(jù)來(lái)確定最優(yōu)因子個(gè)數(shù)的方法有很多 例如 kaiser 準(zhǔn)則scree 檢驗(yàn)方法的選擇由具體操作時(shí)視情況而定 5 結(jié)構(gòu)方程模型 課件 提取因子因子的提取方法也有多種主要有主成分方法不加權(quán)最小平方法極 大似然法等我們可以根據(jù)需要選擇合適的因子提取方法其中主成分方法一種比較常用的 提

13、取因子的方法它是用變量的線(xiàn)性組合中能產(chǎn)生最大樣品方差的那些組合稱(chēng)主成分 作為公共因子來(lái)進(jìn)行分析的方法 因子旋轉(zhuǎn)因子載荷陣的不唯一性使得可以對(duì)因子進(jìn)行旋轉(zhuǎn)這一特征使得因 子結(jié)構(gòu)可以朝我們可以合理解釋的方向趨近我們用一個(gè)正交陣右乘已經(jīng)得到的因子載荷陣 由線(xiàn)性代數(shù)可知一次正交變化對(duì)應(yīng)坐標(biāo)系的一次旋轉(zhuǎn)使旋轉(zhuǎn)后的因子載荷陣結(jié)構(gòu)簡(jiǎn) 化旋轉(zhuǎn)的方法也有多種如正交旋轉(zhuǎn)斜交旋轉(zhuǎn)等最常用的是方差最大化正交旋轉(zhuǎn) 解釋因子結(jié)構(gòu)最后得到的簡(jiǎn)化的因子結(jié)構(gòu)是使每個(gè)變量?jī)H在一個(gè)公共因子上有較 大載荷而在其余公共因子上的載荷則比較小至多是中等大小通過(guò)這樣我們就能知道 所研究的這些變量是由哪些潛在因素也就是公共因子影響的其中哪些因

14、素是起主要作 用的而哪些因素的作用較小甚至可以不用考慮 因子得分因子分析的數(shù)學(xué)模型是將變量表示為公共因子的線(xiàn)性組合由于公共因 子能反映原始變量的相關(guān)關(guān)系用公共因子代表原始變量時(shí)有時(shí)更利于描述研究對(duì)象的特 征因而往往需要反過(guò)來(lái)將公共因子表示為變量的線(xiàn)性組合即因子得分 驗(yàn)證性因子分析 驗(yàn)證性因子分析是對(duì)社會(huì)調(diào)查數(shù)據(jù)進(jìn)行的一種統(tǒng)計(jì)分析它測(cè)試一個(gè)因子與想對(duì)應(yīng) 的測(cè)度項(xiàng)之間的關(guān)系是否符合研究者所設(shè)計(jì)的理論關(guān)系 驗(yàn)證性因子分析 confirmatory factor analysis 的強(qiáng)項(xiàng)在于它允許研究者明 確描述一個(gè)理論模型中的細(xì)節(jié)因?yàn)闇y(cè)量誤差的存在研究者需要使用多個(gè)測(cè)度項(xiàng)當(dāng) 使用多個(gè)測(cè)度項(xiàng)之后我們就

15、有測(cè)度項(xiàng)的 質(zhì)量問(wèn)題即效度檢驗(yàn) 而效度檢驗(yàn)就是 要看一個(gè)測(cè)度項(xiàng)是否與其所設(shè)計(jì)的因子有顯著的載荷并與其不相干的因子沒(méi)有顯著的 載荷 對(duì)測(cè)度模型的檢驗(yàn)就是驗(yàn)證性測(cè)度模型對(duì)測(cè)度模型的質(zhì)量檢驗(yàn)是假設(shè)檢驗(yàn)之前的必要 步驟 而驗(yàn)證性因子分析cfa是用來(lái)檢驗(yàn)已知的特定結(jié)構(gòu)是否按照預(yù)期的方式產(chǎn)生作用 e1 1 2 e2 f1 e3 3 殘差 觀測(cè)變量 負(fù)荷 潛變量 6 結(jié)構(gòu)方程模型 課件 驗(yàn)證性因子分析的步驟 定義因子模型包括選擇因子個(gè)數(shù)和定義因子載荷因子載荷可以事先定為 0 或者 其它自由變化的常數(shù)或者在一定的約束條件下變化的數(shù)比如與另一載荷相等這是和 探索性因子分析在分析方法上的一個(gè)重要差異我們可以用一個(gè)

16、直觀的比喻也就是說(shuō)探索 性因子分析是在一張白紙上作圖而驗(yàn)證性因子分析是在一張有框架的圖上完善和修改 收集觀測(cè)值定義了因子模型以后我們就可以根據(jù)研究目的收集觀測(cè)值了這一 點(diǎn)與探索性因子分析有一定的相似之處 獲得相關(guān)系數(shù)矩陣與探索性因子分析一樣我們的分析都是在原始數(shù)據(jù)的相關(guān)系 數(shù)矩陣基礎(chǔ)上進(jìn)行的所以首先就要得到相關(guān)系數(shù)矩陣實(shí)際上方差協(xié)差陣相似系數(shù)矩陣 和相關(guān)陣之間是可以相互轉(zhuǎn)化的 根據(jù)數(shù)據(jù)擬合模型我們需要選擇一個(gè)方法來(lái)估計(jì)自由變化的因子載荷在多元正 態(tài)的條件下最常用的是極大似然估計(jì)也可采用漸進(jìn)分布自由估計(jì) 評(píng)價(jià)模型是否恰當(dāng)這一步可以說(shuō)是驗(yàn)證性因子分析的核心當(dāng)因子模型能夠擬合 數(shù)據(jù)時(shí)因子載荷的選擇要

17、使模型暗含的相關(guān)陣與實(shí)際觀測(cè)陣之間的差異最小最好的參數(shù) 被選擇以后差異量能被用來(lái)作為衡量模型與數(shù)據(jù)一致的程度最常用的模型適應(yīng)性檢驗(yàn)是 卡方擬合優(yōu)度檢驗(yàn)原假設(shè)是模型是適應(yīng)性模型備擇假設(shè)是存在顯著差異但是這個(gè)檢 驗(yàn)受樣本量大小影響包含大樣本的檢驗(yàn)往往會(huì)導(dǎo)致拒絕原假設(shè)盡管因子模型是合適的 其他的統(tǒng)計(jì)方法比如用 tucker-lewis 指數(shù)比較建議模型和原模型的擬合度這些方 法受樣本量大小影響不大 與其他模型比較為了得到最優(yōu)模型我們需要完成這一步如果你想比較兩個(gè)模 型其中一個(gè)是另一個(gè)的縮略形式你就能從卡方統(tǒng)計(jì)量的值檢查出他們的差別大約服從 卡方分布幾乎所有獨(dú)立因子載荷的檢驗(yàn)?zāi)苡脕?lái)作為全因子模型和簡(jiǎn)因

18、子的模型之間的比較 為以防你不是在檢查全模型和簡(jiǎn)模型你可以比較均方根誤差的近似值 rmsea 它是模型 中每個(gè)自由度差異的一個(gè)估計(jì)值 驗(yàn)證性分析適用情況 驗(yàn)證性因子分析要處理推論統(tǒng)計(jì)量處理難度要求高需要具備更大容量的樣本精確 的樣本量要隨著觀測(cè)值和模型的因子數(shù)變化而變化但一個(gè)標(biāo)準(zhǔn)模型至少需要 200 個(gè)個(gè)體 在進(jìn)行分析過(guò)程中必須選擇與每個(gè)因子在很大程度上匹配的變量而不是可能是潛在變量的 隨機(jī)樣本 7 結(jié)構(gòu)方程模型 課件 基于結(jié)構(gòu)方程全模型的大學(xué)生就業(yè)預(yù)期情況分析 0 引言 隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展我國(guó)高校大規(guī)模擴(kuò)招越來(lái)越多的年輕人獲得了接受教育的 機(jī)會(huì)從社會(huì)發(fā)展的角度來(lái)講大批高素質(zhì)的人才培養(yǎng)是與

19、我國(guó)快速發(fā)展的社會(huì)經(jīng)濟(jì)水平相 適應(yīng)的然而由此也帶來(lái)了兩方面的問(wèn)題 一是本科生的就業(yè)矛盾日益突出幾乎每一個(gè)大學(xué)生都在切身感受就業(yè)的恐慌 二是人才的競(jìng)爭(zhēng)加劇加之市場(chǎng)對(duì)于人才的需求多元化考研或出國(guó)深造成為提高我們 本科生自身核心競(jìng)爭(zhēng)力的一種渠道同時(shí)也是規(guī)避就業(yè)難的一種新途徑 那么在如此就業(yè)形勢(shì)嚴(yán)峻人才競(jìng)爭(zhēng)加劇的當(dāng)今社會(huì)大學(xué)生們對(duì)自己將來(lái)的就業(yè)有 怎樣的預(yù)期呢 本論文基于遼寧工程技術(shù)大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院 2005 級(jí)統(tǒng)計(jì)系本科生于 2007 年 10 月至 11 月期間收集的題目為大學(xué)生就業(yè)與深造意向調(diào)查的原始問(wèn)卷資料欲從大學(xué)生的就業(yè) 預(yù)期角度出發(fā)結(jié)合結(jié)構(gòu)方程模型分析大學(xué)生預(yù)期就業(yè)手段和預(yù)期就業(yè)地域方面

20、的相關(guān)情 況并期望推廣結(jié)構(gòu)方程模型應(yīng)用于問(wèn)卷分析的方法 1 問(wèn)題分析 11 研究目的 本論文在采用量表方式對(duì)問(wèn)卷中的定性變量予以賦值后欲分析影響大學(xué)生預(yù)期就業(yè)手 段和預(yù)期就業(yè)地域的因素并期望得到各個(gè)因素與大學(xué)生預(yù)期就業(yè)手段預(yù)期就業(yè)地域之間 的關(guān)系的度量 需注意 該調(diào)查的調(diào)查對(duì)象是遼寧工程技術(shù)大學(xué)全日制在讀本科生調(diào)查對(duì)象僅僅是來(lái)自大學(xué) 生這個(gè)總體的一個(gè)群或?qū)痈鶕?jù)抽樣調(diào)查的相關(guān)理論遼寧工程技術(shù)大學(xué)在讀本科生并不具 有典型代表性即它作為大學(xué)生總體的一個(gè)群被抽出并不具備隨機(jī)性和強(qiáng)代表性因此本 論文從這份調(diào)查數(shù)據(jù)出發(fā)僅僅只是從一個(gè)相對(duì)小的視角研究大學(xué)生預(yù)期就業(yè)手段預(yù)期就 業(yè)地域方面的情況結(jié)果不一定適用于

21、大學(xué)生總體 問(wèn)卷數(shù)據(jù)歸屬于 2009 年 10 月這個(gè)時(shí)點(diǎn)因此本論文的分析結(jié)果當(dāng)然是對(duì) 2009 年 10 月這個(gè)時(shí)點(diǎn)相關(guān)情況的反映 8 結(jié)構(gòu)方程模型 課件 12 研究方法 本論文考慮建立結(jié)構(gòu)方程全模型來(lái)研究大學(xué)生預(yù)期就業(yè)手段和預(yù)期就業(yè)地域內(nèi)生潛變 量與其各個(gè)因素外生潛變量之間的關(guān)系并量化這種關(guān)系結(jié)構(gòu)方程模型的優(yōu)勢(shì)就在 于引入潛變量不可直接觀測(cè)的量使人們考慮問(wèn)題的思路躍然紙上顯得更加系統(tǒng)化也 就是它以如下的方式考慮問(wèn)題 x 指標(biāo) 外生潛變量 內(nèi)生潛變量 y 指標(biāo) 外源觀測(cè)變量 內(nèi)生觀測(cè)變量 那么研究外生潛變量對(duì)內(nèi)生潛變量的影響實(shí)質(zhì)上就是間接研究 x 指標(biāo)對(duì) y 指標(biāo)的影響 只不過(guò)結(jié)構(gòu)方程把由同

22、一個(gè)潛變量控制的指標(biāo)劃分為一類(lèi)表示這一類(lèi)指標(biāo)受該潛變量的 影響使得問(wèn)題的分析更加的系統(tǒng) 值得注意的是本論文的研究基礎(chǔ)問(wèn)卷資料來(lái)自于第二方的調(diào)查資料第二方事先 并未考慮過(guò)用結(jié)構(gòu)方程模型分析問(wèn)卷那么本文運(yùn)用結(jié)構(gòu)方程模型分析問(wèn)卷問(wèn)卷中的問(wèn) 題就不一定能很好地切合結(jié)構(gòu)方程模型由此可能引起相當(dāng)?shù)恼`差這也就決定了我們?cè)诖_ 定運(yùn)用結(jié)構(gòu)方程模型分析問(wèn)卷時(shí)已有心理準(zhǔn)備面對(duì)模型可能出現(xiàn)的整體擬合效果不好等問(wèn) 題故本文著眼于推廣結(jié)構(gòu)方程模型建模方法在問(wèn)卷分析中的應(yīng)用也就是說(shuō)欲用結(jié)構(gòu)方 程模型分析問(wèn)卷應(yīng)該事先根據(jù)相關(guān)理論或經(jīng)驗(yàn)初步設(shè)定幾個(gè)潛變量然后在問(wèn)卷中為每一 個(gè)潛變量設(shè)置若干的題目來(lái)測(cè)量它 2 問(wèn)卷數(shù)據(jù)的收集 2

23、1 數(shù)據(jù)來(lái)源 本論文數(shù)據(jù)來(lái)自于遼寧工程技術(shù)大學(xué)理學(xué)院 2007 級(jí)統(tǒng)計(jì)系本科生于 2009 年 10 月至 11 月期間收集的題目為大學(xué)生就業(yè)與深造意向調(diào)查的原始問(wèn)卷資料該次調(diào)查的調(diào)查對(duì)象 為遼寧工程技術(shù)大學(xué)全日制在讀本科生遼寧工程技術(shù)大學(xué)二級(jí)學(xué)院的學(xué)生不包括在內(nèi)具 體說(shuō)來(lái)本論文僅僅提取在問(wèn)卷的甄別問(wèn)題部分回答就業(yè)的那部分人 共計(jì)280 人 的相關(guān)信息進(jìn)行分析 22 抽樣方法 該次調(diào)查按學(xué)科類(lèi)別文科理科工科其他和年級(jí)大一大二大三大四 將研究總體分為 16 個(gè)層由于其他類(lèi)的大一和大四的數(shù)據(jù)難以取得因此僅針對(duì)其余 9 結(jié)構(gòu)方程模型 課件 14個(gè)層進(jìn)行抽樣根據(jù)抽樣框在每層中按簡(jiǎn)單隨機(jī)抽樣抽取 20的

24、班級(jí)同時(shí)在抽中的班 級(jí)中按簡(jiǎn)單隨機(jī)抽樣抽取 30的學(xué)生 23 問(wèn)卷內(nèi)容及執(zhí)行情況 調(diào)查問(wèn)卷詳見(jiàn)附錄三 該次調(diào)查專(zhuān)門(mén)成立調(diào)查組按照被抽中學(xué)生的花名冊(cè)由專(zhuān)人負(fù)責(zé)發(fā)放問(wèn)卷共計(jì)發(fā)放問(wèn) 卷 788 份實(shí)際收回問(wèn)卷 758 份提取有效問(wèn)卷 706 份 3 問(wèn)卷數(shù)據(jù)的處理 31 定性變量的分類(lèi)及賦值方法 二項(xiàng)分類(lèi)變量比如性別 男女 常賦值為01或12 無(wú)序分類(lèi)變量 多項(xiàng)分類(lèi)變量比如學(xué)科類(lèi)別 工文理 常賦值為123 僅表示類(lèi)別無(wú)實(shí)際意義 定性變量 所分類(lèi)別或?qū)傩灾g無(wú)程度或順序的差別 有序分類(lèi)變量比如滿(mǎn)意度按非常不滿(mǎn)意不滿(mǎn)意一般滿(mǎn)意非常滿(mǎn)意分類(lèi) 常賦值為123 注意要等間距表示程度的遞進(jìn)或順序 的遞增 遞減

25、所分類(lèi)別之間有程度的差別 31 本文變量的設(shè)置 表 1 指標(biāo)的設(shè)置 變量符號(hào) 變量名 取值情況 x1 生源地 x1 1 西部 x1 2 中部 x1 3 東部 x2 戶(hù)口類(lèi)型 x2 0 農(nóng)村戶(hù)口 x2 1 城鎮(zhèn)戶(hù)口 x3 父親受教育程度 x3 1 初中以下 x3 2 初中 x3 3 高中或中專(zhuān) x3 4 大專(zhuān)或本科x3 5 研究生以上 x4 母親受教育程度 x4 1 初中以下 x4 2 初中 x4 3 高中或中專(zhuān) x4 4 大專(zhuān)或本科 x4 5 研究生以上 10 結(jié)構(gòu)方程模型 課件 x5 月可支配生活費(fèi) x5 1 300 元以下 x5 2 300500 元 x5 3 500800 元 x5 4

26、800 元以上 x6 對(duì)就業(yè)形勢(shì)的看法 x6 1 很不好 x6 2 不好 x6 3 一般 x6 4 較好 x6 5 非常好 x7 所學(xué)專(zhuān)業(yè)前景看法 x7 1 很不好 x7 2 不好 x7 3 一般 x7 4 較好 x7 5 非常好 x8 參加就業(yè)輔導(dǎo)的次數(shù) x8 0 參加 0 次 x8 1 參加 1 次 x8 2 參加 2 次 x8 3 參加 4 次以上 x9 就業(yè)資格證書(shū)個(gè)數(shù) x9 0123 x10 四六級(jí)考證情況 x10 0 四六級(jí)都沒(méi)過(guò) x10 1 過(guò)四級(jí) x10 2 過(guò)六級(jí) x11 參加社會(huì)實(shí)踐次數(shù) x11 0 從不參加 x11 1 參加 12 次 x11 2 參加 34 次 x11

27、3 參加 4 次以上 y1 是否自主創(chuàng)業(yè) y1 0 否 y1 1 是 y2 工作地域 y2 1 農(nóng)村地區(qū) y2 2 縣級(jí)地區(qū) y2 3 地級(jí)城市及州市 y2 4 省會(huì)城市及直轄市 表 2 潛變量的設(shè)置 變量符號(hào) 變量名 變量包括的指標(biāo) 社會(huì)經(jīng)濟(jì)地位 x1 x2x3 x4 x5 1 外 生 對(duì)就業(yè)狀況的把握 x6 x7x8 潛 2 變 量 自身能力 x9 x10x11 3 內(nèi) 1 預(yù)期就業(yè)手段 y1 生 潛 變 2 預(yù)期就業(yè)地域 y2 量 11 結(jié)構(gòu)方程模型 課件 4 基于結(jié)構(gòu)方程模型的大學(xué)生預(yù)期就業(yè)手段和就業(yè)區(qū)域情況 分析 41 結(jié)構(gòu)方程模型簡(jiǎn)介 很多社會(huì)教育心理等研究中涉及的變量都不能準(zhǔn)確直

28、接地測(cè)量比如學(xué)習(xí)動(dòng)機(jī) 家庭社會(huì)經(jīng)濟(jì)地位等我們稱(chēng)這樣的變量為潛變量潛變量往往只能通過(guò)一些外生指標(biāo)去衡 量比如用父母受教育程度學(xué)生戶(hù)口類(lèi)型父母收入等外生指標(biāo)來(lái)衡量學(xué)生的社會(huì)經(jīng)濟(jì)地 位潛變量傳統(tǒng)的統(tǒng)計(jì)分析方法不能妥善處理這些潛變量而結(jié)構(gòu)方程全模型則能同時(shí)處 理潛變量及其指標(biāo)它是一種基于變量的協(xié)方差矩陣來(lái)分析多個(gè)變量之間關(guān)系的一種統(tǒng)計(jì)方 法也稱(chēng)為協(xié)方差結(jié)構(gòu)分析并且它有機(jī)地整合了多元統(tǒng)計(jì)中的因子分析方法生物學(xué)中 的路徑分析方法以及計(jì)量經(jīng)濟(jì)學(xué)中的聯(lián)立方程模型結(jié)構(gòu)方程全模型由測(cè)量方程和結(jié)構(gòu)方程 組成若結(jié)構(gòu)方程模型中只包括測(cè)量方程則又稱(chēng)為驗(yàn)證性因子模型關(guān)于測(cè)量方程和結(jié)構(gòu) 方程的形式最普遍的情況是設(shè)定為線(xiàn)性模型

29、 測(cè)量方程用來(lái)描述指標(biāo)與潛變量之間的關(guān)系用下述模型表示 x a m x 41 y a n y t t 這里x x x x 是由m個(gè)外生指標(biāo)構(gòu)成的列向量 是 1 2 m 1 2 u 由u個(gè)外生潛變量構(gòu)成的列向量a 是一個(gè)m u維的矩陣稱(chēng)作x 在上的因子負(fù)荷陣 x 描述了外生指標(biāo)與外生潛變量之間的關(guān)系 t 是m維的誤差項(xiàng)列向量 1 2 m t t y y y y 是由n個(gè)內(nèi)生指標(biāo)構(gòu)成的列向量 是由v個(gè)內(nèi)生變 1 2 n 1 2 v 量構(gòu)成的列向量a 是一個(gè)n v維的矩陣稱(chēng)作y 在上的因子負(fù)荷陣描述了內(nèi)生指 y 標(biāo)與內(nèi)生潛變量之間的關(guān)系 是n維的誤差項(xiàng)列向量 1 2 n 結(jié)構(gòu)方程用來(lái)描述外生潛變量與

30、內(nèi)生潛變量之間的關(guān)系用下述模型表示 42 這里同上定義是一個(gè)v v維的矩陣描述內(nèi)生潛變量之間的關(guān)系是 一個(gè)v u的矩陣是在上的負(fù)荷描述外生潛變量對(duì)內(nèi)生潛變量的影響 t 為一個(gè)v維結(jié)構(gòu)模型殘差項(xiàng)列向量反映了模型中未能解釋的部分 1 2 v 42 模型的基本假定 一般假定每一個(gè)指標(biāo)x y i 12 m j 12 n只在其對(duì)應(yīng)的潛變量上有不為 0 i j 的因子負(fù)荷而在其他潛變量上的因子負(fù)荷為 0內(nèi)生變量之間的路徑相關(guān)或單方面影響 依據(jù)經(jīng)驗(yàn)和相關(guān)理論而定 測(cè)量誤差項(xiàng) 與外生潛變量 之間 測(cè)量誤差項(xiàng) 與內(nèi)生潛變量 之 i j i j 12 m i j 12 結(jié)構(gòu)方程模型 課件 間不相關(guān) i j 12

31、n 與 i j 12 mi j 與 i j 12 ni j 與 i j i j i j 不相關(guān) i j 12 vi j 43 結(jié)構(gòu)方程模型路徑圖及形式 結(jié)合研究目的首先我們根據(jù)相關(guān)研究及經(jīng)驗(yàn)找出影響大學(xué)生的預(yù)期就業(yè)手段和預(yù)期 就業(yè)地域這兩個(gè)內(nèi)生潛變量的外生潛變量然后對(duì)問(wèn)卷中的相關(guān)指標(biāo)進(jìn)行初步歸類(lèi)建立 驗(yàn)證性因子模型并進(jìn)行相關(guān)的參數(shù)估計(jì)不斷修正最終確定潛變量的結(jié)構(gòu)后再加入結(jié) 構(gòu)方程模型下圖為擬采用的結(jié)構(gòu)方程全模型的路徑分析圖欲對(duì)各路徑參數(shù)進(jìn)行估計(jì) x 指標(biāo) 外生潛變量 內(nèi)生潛變量 y指標(biāo) x1 x2 1 x3 社 會(huì) 經(jīng) 濟(jì)地位 x4 1 x5 預(yù) 期 就 業(yè)手段 y1 2 x6 對(duì)就業(yè)狀 x7 況的把握 x8 2 3 預(yù) 期 就 x9 業(yè)地域 y2 自 身 能 x10 力 x11 圖 1 擬采用的全模型路徑分析圖 圖 1 的符號(hào)說(shuō)明 正方形或長(zhǎng)方形表示指標(biāo)圓或橢圓表示潛變量單