結構方程模型-張克勇

結構方程模型

中北大學經濟管理學院

張克勇2024/2/261管理研究方法論

Researchmethodologyformanagement結構方程模型（SEM）

中北大學經濟管理學院

張克勇目錄一、為何要用結構方程模型？二、結構方程模型介紹三、建模過程四、LISREL語法五、驗證性因素分析五、路徑分析六、案例分析2一、為何要用結構方程模型？很多社會、心理研究中所涉及到的變量，都不能準確、直接地測量，這種變量稱為潛變量，如工作自主權、個性、工作滿意度、工作壓力、動機、生活滿意等。這時，只能退而求其次，用一些外顯指標，去間接測量這些潛變量。如用工作方式選擇、工作目標調整作為工作自主權（潛變量）的指標以目前工作滿意度、工作興趣、工作樂趣、工作厭惡程度（外顯指標）作為工作滿意度的指標。3一、為何要用結構方程模型？傳統(tǒng)的統(tǒng)計分析方法不能妥善處理這些潛變量，而結構方程模型則能同時處理潛變量及其指標。如以高職生“生活壓力”概念所構建的三個觀察變量的形成指標的測量模型：4課業(yè)壓力情感壓力升學壓力生活壓力線性回歸模型及其局限性1）無法處理因變量（Y）多于一個的情況；2）無法處理自變量（X）之間的多重共線性；3）無法對一些不可直接測量的變量進行處理，主要是一些主觀性較強的變量進行測量。如幸福感、組織認同感、學習能力等；4）沒有考慮變量（自變量、因變量）的測量誤差，以及測量誤差之間的關系。5多元統(tǒng)計方法中的相關解決方法針對1）：路徑分析（PathAnalysis）缺點：分開考察不同的因變量，無法考察因變量之間的關系且缺少整體的視角針對2）：偏最小二乘法（PLS）缺點：相關理論尚不完善，解釋力較弱?！锻趸菸模钚《朔ɡ碚撆c應用，國防工業(yè)出版社》6多元統(tǒng)計方法中的相關解決方法7針對3）：指標賦予權重，進行綜合評價，得出一個量化的指標-缺點：權重設計，需要相當的技巧，通常的方法，如AHP,模糊綜合評判等方法缺少信度與效度針對4）：沒有辦法解決結構方程模型（SEM）的優(yōu)點

8同時處理多個因變量；容許自變量和因變量含測量誤差，傳統(tǒng)方法（如回歸）假設自變量沒有誤差；同時估計因子結構和因子關系；容許更大彈性的測量模型；估計整個模型的擬合程度，用以比較不同模型；SEM包括:回歸分析、因子分析(驗證性因子分析、探索性因子分析)、ｔ檢驗、方差分析、比較各組因子均值、交互作用模型、實驗設計

結構方程模型（SEM）的優(yōu)點

9結構方程模型最為顯著的兩個特點是：（1）評價多維的和相互關聯(lián)的關系；（2）能夠發(fā)現這些關系中沒有察覺到的概念關系，而且能夠在評價的過程中解釋測量誤差。結構方程式模型分析法：是一種以回歸為基礎的多變量技術，并結合路徑分析及因素分析，屬于驗證性實證研究的資料分析法，能同時處理多組變項間的關系，其目的在探究變量間的因果關系以驗證理論，故又可稱為因果模式分析技術。因此，在使用驗證性研究方法時，研究者所提的研究模式必須具有理論基礎，由理論來引導。（一）SEM的基本原理二、結構方程模型介紹（二）SEM的基本思想與方法SEM是基于變量的協(xié)方差矩陣來分析變量之間關系的一種統(tǒng)計方法，實際上是一般線性模型的拓展，包括測量模型與結構模型，體現了傳統(tǒng)路徑分析與因素分析的完美結合。

樣本協(xié)方差矩陣模型模型協(xié)方差矩陣

在SEM中，協(xié)方差具有兩種功能：（1）描述性功能，利用變量之間的協(xié)方差矩陣，可以觀察出多個連續(xù)變量之間的關聯(lián)情況；（2）驗證性功能，用以反映出理論模型所導出的協(xié)方差與實際觀察得到的協(xié)方差的差異。（二）SEM的基本思想與方法SEM是基于變量的協(xié)方差矩陣來分析變量之間關系的一種統(tǒng)計方法，實際上是一般線性模型的拓展，包括測量模型與結構模型，體現了傳統(tǒng)路徑分析與因素分析的完美結合。

樣本協(xié)方差矩陣模型模型協(xié)方差矩陣SEM一般使用最大似然法估計(Maxi-Likelihood，ML)分析結構方程的路徑系數等估計值，因為ML法使得研究者能夠基于數據分析的結果對模型進行修正。SEM的基本思想與方法可用于SEM分析的軟件：目前比較流行的是LISREL、AMOS、EQS和CALIS等。

StructuralEquationModel，SEM

CovarianceStructureModeling，CSM

Linear

StructuralRelationship，

LISREL

從上述名稱中可以看出，結構方程模型的幾個本質特征是：

結構、協(xié)方差、線性14（三）結構方程簡介簡單來說，結構方程模型分為：

1、測量模型（measuredmodel）

2、結構模型（structuremodel）（三）結構方程簡介1、測量模型（measuredmodel）：描述潛在變量（latentvariable）與觀察變量（observedvariable）之間的關系，如工作方式選擇等觀察變量（外顯變量）與工作自主權的關系。工作自主權工作方式選擇工作目標調整工作滿意度工作興趣工作樂趣工作厭惡程度（三）結構方程簡介課業(yè)壓力情感壓力升學壓力生活壓力在SEM分析的模型中，一個潛在變量必須以兩個以上的觀察變量來估計，稱為多元指標原則，不同觀察變量間的協(xié)方差，反映了潛在變量的共同影響。通常每個觀察變量多少會有不同程度的測量誤差或殘值（觀察變量的變異量中，無法被共同潛在變量解釋的部分）一個觀察變量與潛在變量的基本模型圖如下所示：潛在變量觀察變量誤差（三）結構方程簡介多個觀察變量與潛在變量的測量模型圖：觀察變量誤差誤差誤差觀察變量觀察變量潛在變量（三）結構方程簡介多個觀察變量與潛在變量的測量模型圖：x1x3x2δ1δ

2δ

3ξλ1λ2λ3誤差

觀察變量

負荷量

潛在變量（三）結構方程簡介例子：如在學校組織效能調查中，組織效能中的“行政績效”為一個潛在變量，此變量為一個抽象概念，無法直接觀察或測量得到，因此，為了測得學校“行政績效的程度”，可以下列五個觀察變量或指標變量（indicatorvariables）來測得：本校行政人員能專心投入學校的行政工作。（專心投入）本校各處室能充分溝通協(xié)調，業(yè)務上能相互支持配合。（溝通協(xié)調）本校在行政上充分授權同仁，在工作上有專業(yè)自主的空間。（充分授權）本校各處室訂有詳細明確的工作職責且運作順暢。（職責明確）本校行政程序力求簡化有效。（程序簡化）本校行政人員能專心投入學校的行政工作。（專心投入）本校個處室能充分溝通協(xié)調，業(yè)務上能相互支持配合。（溝通協(xié)調）本校在行政上充分授權同仁，在工作上有專業(yè)自主的空間。（充分授權）本校各處室訂有詳細明確的工作職責且運作順暢。（職責明確）本校行政程序力求簡化有效。（程序簡化）專心投入行政績效溝通協(xié)調充分授權職責明確程序簡化“行政績效”潛在變量與測量變量間所形成的測量模型圖：1、測量模型SEM分析中的變量還可以區(qū)分為：內生變量和外源變量。（1）內生變量（endogenousvariable）：是指模型當中，會受到任何一個其他變量影響的變量，也就是路徑圖中會受到任何一個其他變量以單箭頭指涉的變量。

（2）外源變量（exogenousvariable）：是指在模型當中未受任何其他變量的影響，但他卻直接影響別的變量的變量。1、測量模型V1V2FV1V2V3內生變量作為中介變量的關系圖：1、測量模型SEM分析中變量的四種類型。

（1）內生潛在變量（以表示）

（2）內生測量變量（以y表示）

（3）外源潛在變量（以表示）（4）外源測量變量（以x表示）工作自主權工作方式選擇工作目標調整工作滿意度工作興趣工作樂趣工作厭惡程度x1x3x2δ1δ

2δ

3ξ1λ11λ21λ31δ[delta];λ[lambda];ξ[ksi]x1=λ11

ξ1+δ1x2=λ21

ξ1+δ2x3=λ31

ξ1+δ3測量模型y1y3y2ε1ε

2ε

3ηλ1λ2λ3ε[epsilon];λ[lambda];η[eta]y1=λ1

η+ε1y2=λ2

η+ε

2y3=λ3

η+ε

3測量模型1、測量模型對于觀察變量(指標)與潛變量（例如兩個工作自主權指標與工作自主權）間的關系，通常寫為以下測量方程：其中：x——外源指標（如兩個工作自主權指標）組成的向量；

y——內生指標（如四個工作滿意度指標）組成的向量；

——外源潛變量（如工作自主權等）組成的向量；

——內生潛變量（如工作滿意度等）組成的向量；

——外源指標與外源變量之間的關系（如兩個工作自主權指標與工作自主權的關系），是外源指標在外源潛變量上的因子負荷矩陣；

——內生指標與內生變量之間的關系（如三個工作滿意度指標與工作滿意度的關系），是內生指標在內生潛變量上的因子負荷矩陣；28模型基本假定ε與η、ξ以及δ相互獨立。樣本資料要服從多變量常態(tài)分布。觀察變量間有線性關系。x1x3x2δ1δ2δ

3ξ1x4x6x5δ

4δ

5δ

6ξ2Φ12/Φ21Φ[phi]測量模型測量模型范例：范例1：一個共同因素（潛在變量）的測量模型范例2：兩個共同因素（潛在變量）的測量模型范例3：三個共同因素的測量模型范例4：測量模型中測量誤差間具有共變關系。測量模型測量模型范例：范例2：兩個共同因素（潛在變量）的測量模型測量模型測量模型范例：范例3：三個共同因素的測量模型測量模型測量模型范例：范例4：測量模型中測量誤差間具有共變關系。某研究者編制一份“公立中學兼行政教師教師所感覺的校長激勵策略量表”，共有十二題，各題項如下：課堂練習11.校長會依績效表現給予兼行政教師不同方式的獎懲?！究冃И剳汀?.兼行政教師利用非上班時間辦理活動時，校長會給予合理的加班費【加班補償】3.對兼行政教師額外工作付出，校長會給予合理工作津貼?！竟ぷ鹘蛸N】4.校長常會舉辦聚餐聯(lián)誼活動，以凝聚團隊向心力。【聯(lián)誼聚餐】5.校長會主動改善學校的軟硬件設備，以提升行政效率?！驹O備改善】6.校長非常重視并接納兼行政教師各方面的建言?！窘蛹{建言】7.校長會極力營造具人性化領導風格的組織文化?！绢I導風格】8.校長能營造有創(chuàng)意的環(huán)境，讓兼行政教師發(fā)揮潛能?！緞?chuàng)意環(huán)境】9.校長經常鼓勵兼行政教師學習新知和技能。【鼓勵學習】10.校長會依兼行政教師的專業(yè)所長，使其得以適才所用?！具m才適所】11.校長能提供兼行政教師完成工作所需的技巧和方法?！炯记蓚魇凇?2.校長會依兼行政教師工作專業(yè)需求提供相關的研習機會?！咎峁┭辛暋垦芯空吖渤槌鋈齻€共同因素：“福利措施”、“健全組織”、“專業(yè)成長”，其中福利措施、健全組織和專業(yè)成長之間可能具有相關，三個共同因素包含的題項如下表所示：因素構面因素包含的題項福利措施1.績效獎懲（VA1）2.加班補償（VA2）

3.工作津貼（VA3）4.聯(lián)誼聚餐（VA4）

健全組織5.設備改善（VB1）6.接納建言（VB2）

7.領導風格（VB3）8.創(chuàng)意環(huán)境（VB4）

專業(yè)成長9.鼓勵學習（VC1）10.適才適所（VC2）

11.技巧傳授（VC3）12.提供研習（VC4）★試根據上述材料畫出測量模型的假設模型圖聯(lián)誼聚餐福利措施設備改善接納建言領導風格創(chuàng)意環(huán)境鼓勵學習適才適所技巧傳授工作津貼提供研習加班補償績效獎懲健全組織專業(yè)成長課堂練習238某研究者前期研究發(fā)現，影響組織創(chuàng)新氣氛知覺的因素，包括：組織價值、工作方式、團隊合作、領導風格、學習成長和環(huán)境氛圍等六個因素（六個因素之間可能具有相關），因此針對這些因素編寫題目，每個因素僅取3個題目作為代表，因此共有18個題目。課堂練習239某研究者編制一份“組織創(chuàng)新氛圍量表”共有18題（代號A1至F3），各題項如下：01.我們公司重視人力資產、鼓勵創(chuàng)新思考。02.我們公司下情上達、意見交流溝通順暢。03.我們公司能夠提供誘因鼓勵創(chuàng)新構想。04.當我有需要，我們可以不受干擾地獨立工作。05.我的工作內容有我可以自由發(fā)揮與揮灑的空間。06.我可以自由地設定我的工作目標與進度。07.我的工作伙伴與團隊成員具有良好的共識。08.我的工作伙伴與團隊成員能夠互相支持與協(xié)助。09.我的工作伙伴與團隊成員能夠以溝通協(xié)調來化解沖突。我的主管能夠尊重與支持我在工作上的創(chuàng)意。我的主管擁有良好的溝通協(xié)調能力。我的主管能夠信任部屬、適當地授權。我的公司提供充分進修機會、鼓勵參與學習活動。人員的教育訓練是我們公司的重要工作。我公司重視信息收集與新知的獲得與交流。我的工作空間氛圍和諧良好、令人心情愉快。我有一個舒適自由、感到滿意的工作空間。我的工作環(huán)境可以使我更有創(chuàng)意的靈感與啟發(fā)。40試畫出六個因素與18個測量變量的關系圖（假設模型）。課堂練習241測量模型測量模型驗證分析演示：ch5a.LS82、結構模型（structuralmodel），描述潛變量之間的關系，如工作自主權與工作滿意度的關系。工作自主權工作滿意度（三）結構方程簡介2、結構模型對于潛變量間（如工作自主權與工作滿意度）的關系，通常寫成如下結構方程：其中：B—內生潛變量間的關系（如其它內生潛變量與工作滿意度的關系）；

—外源潛變量對內生潛變量的影響（如工作自主權對工作滿意度的影響）；

—結構方程的殘差項，反映了在方程中未能被解釋的部分。442、結構模型外源潛在變量內生潛在變量殘差值一個外源潛在變量預測一個內生潛在變量的結構模型圖其回歸方程式為：2、結構模型兩個外源潛在變量預測一個內生潛在變量的結構模型圖其回歸方程式為：外源潛在變量內生潛在變量殘差值外源潛在變量2、結構模型兩個內生潛在變量間的關系模型圖其回歸方程式為：殘差值內生潛在變量內生潛在變量殘差值2、結構模型飽和結構模型圖其回歸方程式為：殘差值內生潛在變量殘差值外源潛在變量內生潛在變量練習題◆寫出各潛變量的回歸方程：SEM的組成x1x3x2δ1δ2δ3ξ1η1y1y2y3ε1ε2ε3ζ測量模型結構模型測量模型總結：SEM術語觀測變量可直接測量的變量，通常是指標潛變量潛變量亦稱隱變量，是無法直接觀測并測量的變量。潛變量需要通過設計若干指標間接加以測量。外生變量是指那些在模型或系統(tǒng)中，只起解釋變量作用的變量。它們在模型或系統(tǒng)中，只影響其他變量，而不受其他變量的影響。在路徑圖中，只有指向其他變量的箭頭，沒有箭頭指向它的變量均為外生變量。內生變量是指那些在模型或系統(tǒng)中，受模型或系統(tǒng)中其它變量包括外生變量和內生變量影響的變量，即在路徑圖中，有箭頭指向它的變量。它們也可以影響其它變量?？偨Y：結構方程模型示意圖觀測變量通常用長方形或方形表示,外生觀測變量用x表示，內生觀測變量用y表示。潛變量用橢圓或圓形表示，外生潛變量通常用ξ表示，內生潛變量通常用η表示。δ外生觀測變量x的誤差；ε內生觀測變量y的誤差。總結：結構方程模型結構方程模型通常包括三個矩陣方程式:Λx—外生觀測變量與外生潛變量直接的關系，是外生觀測變量在外生潛變量上的因子載荷矩陣；Λy—內生觀測變量與內生潛變量之間的關系，是內生觀測變量在內生潛變量上的因子載荷矩陣；В—路徑系數，表示內生潛變量間的關系；Г—路徑系數，表示外生潛變量對內生潛變量的影響；ζ—結構方程的殘差項，反映了”在方程中未能被解釋的部分。測量模型結構模型總結：模型中的三種誤差1、一是x的測量誤差，記為，其協(xié)方差矩陣記為2、y變量的測量誤差，記為，其協(xié)方差矩陣記為3、潛在因變量無法被當前結構方程模型解釋的殘差，記為，其協(xié)方差矩陣記為完整LISREL模型的參數圖示

z2

x2

h2

d3

e3

x3

x4

y3

y4

f21

β12

x1

d1

x1

x2

lx11

h1

y1

y2

z1

d2

e1

e2

d4

e4

γ21

γ22

lx21

ly11

l

y21

lx12

lx22

ly12

l

y22

結構方程驗證的關系：潛變量與潛變量、潛變量與觀測變量以及誤差項之間的關系。

z2

x2

h2

d3

e3

x3

x4

y3

y4

f21

β12

x1

d1

x1

x2

lx11

h1

y1

y2

z1

d2

e1

e2

d4

e4

γ21

γ22

lx21

ly11

l

y21

lx12

lx22

ly12

l

y22

SEM模型的八種矩陣概念列表符號與發(fā)音

縮寫

代

表

意

義

mm

mf

order

結構模型矩陣

B

beta

BE

內生潛在變量被內生潛在變量解釋的回歸矩陣（E到E的回歸系數）

ZE

FI

NE′NE

G

gamma

GA

內生潛在變量被外源潛在變量解釋的回歸矩陣（E到K的回歸系數）

FU

FR

NE′NK

測量模型矩陣

Lx

lambda

x

LX

外源觀察變量被外源潛在變量解釋的回歸矩陣（K到X的因素負荷量）

FU

FI

NY′NE

Ly

lambda

y

LY

內生觀察變量被內生潛在變量解釋的回歸矩陣（E到Y的因素負荷量）

FU

FI

NX′NK

F

phi

PI

外源潛在變量共變矩陣（K到K的因素共變）

SY

FR

NK′NK

殘差矩陣

Y

psi

PS

內生潛在變量被外源潛在變量解釋之誤差項共變矩陣（解釋殘差）

SY

FR

NE′NE

Qd

theta-delta

TD

外源觀察變量被外源潛在變量解釋的誤差項共變矩陣（X變量殘差）

DI

FR

NX′NX

Qe

theta-epsilon

TE

內生觀察變量被內生潛在變量解釋的誤差項共變矩陣（Y變量殘差）

DI

FR

NY′NY

LISREL的原始設定與替代設定代碼對照表Fixedparameters(固定參數)表示0矩陣（矩陣中所有數據為0）相等矩陣（矩陣中除了對角線為1，其余均為0）為部分相等與0矩陣Diagonalmatrix對角矩陣：只有對角線上的向量被處理symmetricmatrix對稱矩陣：包含對角線與下三角區(qū)域的向量被處理subdiagonalmatrix下對角矩陣：只有對角線下三角區(qū)域的向量被處理。對稱矩陣且對角線數字設定為1。為正方形非對稱完全矩陣。結構方程模型舉例演示：Lisrel—1.LS8

理論性發(fā)展

（TheoreticalDevelopment）

模型辨識

（ModelIdentification）

抽樣與測量

（SamplingandMeasurement）

階段一

模型發(fā)展

參數估計

（ParameterEstimation）

模型契合度估計

（AssessmentofFit）

討論與結論

（DiscussionandConclusion）

階段二

估計與評鑒

模型修飾

（ModelModification）

模式設定

（ModelSpecification）

結構方程模型的基本程序三、建模過程（1）模型建構（modelspecification）（2）模型擬合（modelfitting）（3）模型評價（modelassessment）（4）模型修正（modelmodification）62（一）模型建構（modelspecification）1、觀測變量（即指標，通常是題目）與潛變量（即因子，通常是概念）的關系；2、各潛變量間的相互關系（指定那些因子間相關或直接效應）；例子：員工工作滿意度的測量63例子：員工工作滿意度的測量理論假設，概念模型的提出：Locke（1976）研究指出，有多種因素影響到工作滿意度，下列幾個因素最為重要：（1）對工作本身的滿意度。包括工作內容的獎勵價值、多樣性、學習機會、困難性以及對工作的控制等。因此，假設：假設1：工作自主權越高，工作滿意度越高。工作自主權是指員工可以運用相關工作權利的程度。有較高工作自主權的員工，將具有較高的工作滿意度。假設2：工作負荷越高，工作滿意度越低。工作負荷是指工作職責不能被實現的程度。工作壓力會使員工處于有害身心健康的狀況中，有礙于員工對工作的積極態(tài)度（House,1980），工作壓力會降低工作滿意度。假設3：工作單調性越高，工作滿意度越低。工作單調性是指個體的工作被重復的程度。如煤炭采掘一線的職工工作單調性比較高，而機關科室的單調性就比較低。64例子：員工工作滿意度的測量概念模型：工作滿意度目前工作滿意度工作興趣工作樂趣工作厭惡程度工作自主權工作方式選擇工作目標調整工作負荷工作單調性任務完成時間充裕度工作負荷輕重工作節(jié)奏快慢工作內容豐富程度工作多樣性程度xy數據準備樣本量：一般認為樣本數最少應在100以上才適合使用最大似然估計法（MLE）來估計結構方程（侯杰泰，2004），但樣本數過大（如超過400到500時），MLE會變得過度敏感，容易使所有的擬合度指標檢驗都出現擬合不佳的結果（侯杰泰，2004）。缺失數據處理：列刪除法、配對刪除法、插補法（2）模型擬合（modelfitting）模型參數的估計模型計算（lisrel

軟件編程）表1標準化路徑系數（N=351）變量變量間關系工作滿意度標準化路徑系數t檢驗值工作自主權ε1—η10.2062.562工作負荷

ε2—η1-0.212-1.575工作單調性

ε3—η1-0.378-2.857注：t檢驗值>1.96表示通過顯著性檢驗，且在0.05的顯著水平下（3）模型評價（modelassessment）結構方程的解是否恰當，（相關系數應在+1和-1之間）；變量變量間關系工作滿意度標準化路徑系數t檢驗值工作自主權ε1—η10.2062.562工作負荷

ε2—η1-0.212-1.575工作單調性

ε3—η1-0.378-2.857（-1，+1

）（3）模型評價（modelassessment）參數與預計模型的關系是否合理，（與模型假設相符）；假設1：工作自主權越高，工作滿意度越高。假設2：工作負荷越高，工作滿意度越低。假設3：工作單調性越高，工作滿意度越低。+－－√√未通過t檢驗69（3）模型評價（modelassessment）檢驗不同類型的整體擬合指數，（各項擬合優(yōu)度指標是否達到要求）；表2模型擬合優(yōu)度結果指標DFΧ2PNFINNFICFIIFIGFIAGFIRFIRMRRMSEA指標值6871386.640.00.9010.9370.9500.9510.8610.8170.8610.05840.045770（3）模型評價（modelassessment）Χ2/DF=1386.64/687=2.018?第一個指標是卡方統(tǒng)計量與自由度的比值，美國社會統(tǒng)計學家卡米尼斯和馬克依維爾認為，卡方值與自由度之比在2：1到3：1之間是可以接受的。P=0.0?第二個指標是P值，P值要求小于0.1。71（3）模型評價（modelassessment）規(guī)范擬合指數（NFI），不規(guī)范擬合指數（NNFI），比較擬合指數（CFI），增量擬合指數（IFI），擬合優(yōu)度指數（GFI），調整后的擬合優(yōu)度指數（AGFI），相對擬合指數（RFI），均方根殘差（RMR），近似均方根殘差（RMSEA）等指標用來衡量模型與數據的擬合程度。學術界普遍認為在大樣本情況下：

（1）NFI、NNFI、CFI、IFI、GFI、AGFI、RFI大于0.9，表明模型與數據的擬合程度很好。

（2）RMR小于0.05，RMSEA值小于0.05，表明模型與數據的擬合程度很好。72指標DFΧ2PNFINNFICFIIFIGFIAGFIRFIRMRRMSEA指標值6871386.640.00.9010.9370.9500.9510.8610.8170.8610.05840.0457一般應用SEM的論文中的數據分析1.信度、效度檢驗信度：Cronbach’s

>0.50效度：驗證性因子分析

（Fidell,2007）2.評估模型擬合度一般論文的SEM評價包括如下步驟：估算每一個因子的載荷量標準化因子載荷，反映了觀測變量影響潛在變量的部分差異，用于表示觀測變量與潛變量之間的相對重要程度。檢查每一個單一因子的測量模型對問卷數據的擬合度檢查整個模型對問卷數據的擬合度估算潛變量之間的關系

SEM的主要擬合度指標

1．基本擬合標準2．模型內在結構擬合度3．整體模型擬合度基本擬合標準基本擬合標準是用來檢驗模型的誤差以及誤輸入等問題。主要包括：（1）不能有負的測量誤差；（2）測量誤差必須達到顯著性水平；（3）因子載荷必須介于0.5-0.95之間；（4）不能有很大的標準誤差。模型內在結構擬合度模型的內在結構擬合度是用來評價模型內估計參數的顯著程度、各指標及潛在變量的信度。主要包括：（1）潛變量的組成信度（CR），0.50以上表明組成信度較好；（2）平均提煉方差(AVE)，0.55以上為可以接受的水平。

AVE用于估計測量模型的聚合效度，反映了潛變量的各觀測變量對該潛變量的平均差異解釋力，即潛變量的各觀測變量與測量誤差相比在多大程度上捕捉到了該潛變量的變化。整體模型擬合度整體模型擬合度用來評價模型與數據的擬合程度。主要包括：（1）絕對擬合度，用來確定模型可以預測協(xié)方差陣和相關矩陣的程度；（2）簡約擬合度，用來評價模型的簡約程度；（3）增值擬合度，理論模型與虛無模型的比較。表1整體模型擬合度的評價指標及標準指

標絕對擬合度簡約擬合度增值擬合度χ2GFIRMRRMSEAPNFIPGFINFlTFICFI<2>0.9<0.05<0.05>0.5>0.5>0.90>0.90>0.90評價標準不顯著指標說明χ2卡方擬合指數檢驗選定的模型協(xié)方差矩陣與觀察數據協(xié)方差矩陣相匹配的假設。原假設是模型協(xié)方差陣等于樣本協(xié)方差陣。如果模型擬合的好，卡方值應該不顯著。在這種情況下，數據擬合不好的模型被拒絕。RMR是殘差均方根。RMR是樣本方差和協(xié)方差減去對應估計的方差和協(xié)方差的平方和，再取平均值的平方根。RMR應該小于0.08，RMR越小，擬合越好。RMSEA是近似誤差均方根RMSEA應該小于0.06，越小越好。GFI是擬合優(yōu)度指數，范圍在0和1間，但理論上能產生沒有意義的負數。按照約定，要接受模型，GFI應該等于或大于0.90。PGFI是簡效擬合優(yōu)度指數。它是簡效比率(PRATIO，獨立模式的自由度與內定模式的自由度的比率)乘以GFI。PGFI應該等于或大于0.90，越接近1越好。PNFI是簡效擬合優(yōu)度指數，等于PRATIO乘以NFI。PNFI應該等于或大于0.90，越接近1越好。NFI是規(guī)范擬合指數，變化范圍在0和1間，1=完全擬合。按照約定，NFI小于0.90表示需要重新設置模型。越接近1越好。TLI是Tucker-Lewis系數，也叫做Bentler-Bonett

非規(guī)范擬合指數(NNFI)。TLI接近1表示擬合良好。CFI是比較擬合指數，其值位于0和1之間。CFI接近1表示擬合非常好，其值大于0.90表示模型可接受,越接近1越好。NCP是非集中性參數，其值為0時代表模型具有完美的擬合度，其90%置信水平下的估計范圍若涵蓋了0，表示模型擬合度具有完美的擬合度。課堂練習1-1：試對范例1（驗證性因素分析）所得到的模型評價指數數據進行評價分析。LISREL運行演練程序cha5a.ls8.（3）模型評價（modelassessment）

DegreesofFreedom=120MinimumFitFunctionChi-Square=221.48(P=0.00)NormalTheoryWeightedLeastSquaresChi-Square=204.95(P=0.00)EstimatedNon-centralityParameter(NCP)=84.9590PercentConfidenceIntervalforNCP=(49.23;128.55)

MinimumFitFunctionValue=0.71PopulationDiscrepancyFunctionValue(F0)=0.2790PercentConfidenceIntervalforF0=(0.16;0.41)RootMeanSquareErrorofApproximation(RMSEA)=0.04890PercentConfidenceIntervalforRMSEA=(0.036;0.059)P-ValueforTestofCloseFit(RMSEA<0.05)=0.62

ExpectedCross-ValidationIndex(ECVI)=0.9890PercentConfidenceIntervalforECVI=(0.87;1.12)ECVIforSaturatedModel=1.10ECVIforIndependenceModel=21.80

Chi-SquareforIndependenceModelwith153DegreesofFreedom=6766.87IndependenceAIC=6802.87ModelAIC=306.95SaturatedAIC=342.00IndependenceCAIC=6888.30ModelCAIC=549.01SaturatedCAIC=1153.60

GoodnessofFitStatistics

NormedFitIndex(NFI)=0.97Non-NormedFitIndex(NNFI)=0.98ParsimonyNormedFitIndex(PNFI)=0.76ComparativeFitIndex(CFI)=0.98IncrementalFitIndex(IFI)=0.98RelativeFitIndex(RFI)=0.96

CriticalN(CN)=224.91

RootMeanSquareResidual(RMR)=0.054StandardizedRMR=0.049GoodnessofFitIndex(GFI)=0.93AdjustedGoodnessofFitIndex(AGFI)=0.90ParsimonyGoodnessofFitIndex(PGFI)=0.65

GoodnessofFitStatistics（4）模型修正（modelmodification）依據理論或有關假設，提出一個或數個合理的先驗模型；檢查潛變量（因子）與指標（題目）間的關系，建立測量模型，有時可能增刪或重組題目；對每一個模型，檢查標準誤、t值、標準化殘差、修正指數、及各種擬合指數，據此修改模型并重復這一步；最好用另外一個樣本進行檢驗。83模型修正舉例17個題目:

學習態(tài)度及取向

A、B、C、D、E

4、4、3、3、3題

350個學生

84概念模型Ma85模

型

擬

合

結

果

輸

出86模型擬合結果輸出ModificationIndicesforLAMBDA-X

修正指數

KSI1KSI2KSI3KSI4KSI5

----------------------------------------VAR1--0.060.660.092.53VAR2--0.380.530.230.11VAR3--0.720.010.031.49VAR4--0.000.030.010.03VAR57.73--9.629.231.50VAR60.01--3.291.071.50VAR70.12--0.250.122.26VAR841.35--3.6622.024.78VAR90.400.02--2.190.22VAR100.030.10--0.300.22…MaximumModificationIndexis41.35forElementLX(8,1)修正指數:該參數由固定改為自由估計，會減少的數值。或者說，若增加該因素載荷，卡方值約可降低41.35，是一個很顯著的改變。87在LISREL分析中，當MI指數高于5時，表示該殘差具有修正的必要。模

型

擬

合

結

果

輸

出88Ma模型修正Q4在A的負荷很小(LX=0.05)，但在其他因子的修正指數（MI）也不高不從屬Ａ，也不歸屬其他因子Q8在B的負荷不高（0.28），但在A的MI是41.35，可能歸屬A；因子間相關很高(0.40至0.54)模型擬合相當好：(109)=194.57，RMSEA＝0.046,NNFI=0.94.CFI=0.95。仔細檢查題目內容后，刪去Q4,Q8歸入A89模型修正Ma到Mb90Mb模型擬合結果輸出Q8歸屬A，因子負荷很高（0.49），

(94)=149.51，RMSEA＝0.040，NNFI＝0.96，CFI=0.97。模型Mb比Ma好試讓Q8同時從屬A和B?模型修正Mb到Mc92模型Mc擬合結果

(93)=148.61,RMSEA＝.040NNFI=0.96,CFI=0.97。Q8在A負荷為0.54，在B負荷為-0.08因為概念上Q8應與B成正相關，故不合理。而且這負荷相對低，所以我們選擇Mb通常，每題只歸屬一個因子93模型修正結果比較修正前后模型的擬合指數比較_____________________________________________________模型df

RMSEANNFICFI

注_____________________________________________________Ma 1091950.0460.940.95原模型Mb 941500.0400.960.97刪Q4,Q8-AMc 931490.0400.960.97刪Q4,Q8-A,B_____________________________________________________94模型修正演示cha5a.ls8.（4）模型修正（modelmodification）96四、LISREL語法數據設定指令模型設定指令輸出設定指令97LISREL語法

LISREL語法以TITAL（標題）為開端，TI指令用來指定整個LISREL分析的標題名稱，使每一頁輸出報表都有一個清楚的標題說明。

Data主指令用來定義數據。一、數據設定指令DANG=nNI=kNO=nMA=typeofmatrixXM=globalmissingvalueRP=numberofrepetitions例如：DANI=10NO=100MA=CMNumberofgroupes:表示用于分析的樣本組數。98LISREL語法

Data主指令用來定義數據。一、數據設定指令課堂演示：ch5a.LS8Titlech5aConfirmatoryFactorAnalysisusingLISRELsyntaxDATANI=18NO=313MA=CMCMSYFI=ch5a.covLA;A1A2A3B1B2B3C1C2C3D1D2D3E1E2E3F1F2F3MODELNX=18NK=6LX=FU,FITD=DI,FRLK;價值理

工作方式團隊合作領導方式學習能力環(huán)境氛圍FREELX(1,1)LX(2,1)LX(3,1)LX(4,2)LX(5,2)LX(6,2)LX(7,3)FREELX(8,3)LX(9,3)LX(10,4)LX(11,4)LX(12,4)LX(13,5)LX(14,5)FREELX(15,5)LX(16,6)LX(17,6)LX(18,6)FIXPH(1,1)PH(2,2)PH(3,3)PH(4,4)PH(5,5)PH(6,6)VALUE1PH(1,1)PH(2,2)PH(3,3)PH(4,4)PH(5,5)PH(6,6)PDOUTPUTSETVRSMRFSSSSCMI100LISREL語法

Labels主指令用來進行輸入變量的標簽批注。一、數據設定指令LAFI=filenameFOREformatstatement‘label’Labels指令范例：1.LA*‘HAPPY1’‘HAPPY2’‘HAPPY3’‘SES1’‘SES2’/

‘價值理念’‘工作方式’‘團隊合作’/

自由格式101LISREL語法

Labels主指令用來進行輸入變量的標簽批注。一、數據設定指令Labels指令范例：1.LA（6A7）‘HAPPY1’‘HAPPY2’‘HAPPY3’‘SES1’‘SES2’‘SES3’

‘價值理念’‘工作方式’‘團隊合作’‘領導方式’‘學習能力’‘環(huán)境氛圍’/觀察變量將以固定格式表示，6A7表示以固定格式讀取六個表卷，每一個表卷“必須”占據七個字段。102LISREL語法

Labels主指令用來進行輸入變量的標簽批注。一、數據設定指令Labels指令范例：1.LAFI=label.txt表示觀察變量的標簽存放于label.txt檔案當中。

103LISREL語法

Labels主指令用來進行輸入變量的標簽批注。一、數據設定指令課堂演示：ch5a.LS8Titlech5aConfirmatoryFactorAnalysisusingLISRELsyntaxDATANI=18NO=313MA=CMCMSYFI=ch5a.covLA;A1A2A3B1B2B3C1C2C3D1D2D3E1E2E3F1F2F3MODELNX=18NK=6LX=FU,FITD=DI,FRLK;價值理念工作方式團隊合作領導方式學習能力環(huán)境氛圍

FREELX(1,1)LX(2,1)LX(3,1)LX(4,2)LX(5,2)LX(6,2)LX(7,3)FREELX(8,3)LX(9,3)LX(10,4)LX(11,4)LX(12,4)LX(13,5)LX(14,5)FREELX(15,5)LX(16,6)LX(17,6)LX(18,6)FIXPH(1,1)PH(2,2)PH(3,3)PH(4,4)PH(5,5)PH(6,6)VALUE1PH(1,1)PH(2,2)PH(3,3)PH(4,4)PH(5,5)PH(6,6)PDOUTPUTSETVRSMRFSSSSCMILISREL語法105LISREL語法

RAwdata:主指令是用于當輸入的數據為原始數據而非摘要統(tǒng)計數據時，通常原始數據都儲存在另一個檔案中，因此RA指令多跟隨著路徑關鍵詞FI。一、數據設定指令RAFI=filenameFOREVariableformatstatementdataFO關鍵詞表示外部數據文件使用固定格式，因此在緊接下一行會出現數值格式（*F*.*）符號：第一個*表示變量數目，第二個*表示每個變量所占據的字段數，第三個*表示小數點之后的位數。

例如：5F6.3106LISREL語法

RA指令范例如下：一、數據設定指令DANI=5NO=20RAFI=‘c:\data.dat’FO(5F3.1)表示共有五個觀察變量，20個樣本。數據形式為原始數據，放置于c:\data.dat路徑與檔案中，采取固定格式，每個觀察變量占據三個位，其中一個為小數點。如果使用自由格式，則無需指定變量數據的格式，直接第一行便輸入數據，或以*放置于第一行，第二行開始輸入數據。

107LISREL語法

RA指令范例如下：一、數據設定指令CMFU

（3F6.2）2078-5541021-554259076710217672125則1021讀為？108LISREL語法

CM,KM,MM,OM,PM：是指LISREL使用摘要統(tǒng)計數據，例如協(xié)方差、相關系數等，例如：一、數據設定指令CM：協(xié)方差矩陣；KM：相關矩陣；MM：動差矩陣；OM：期望分數矩陣；PM：多元系列相關矩陣。CMFI=filenameSYFOREVariableformatstatementSummarydatastatistic109LISREL語法內部矩陣形態(tài)關鍵詞包括了SY與FU。

SY：代表讀取對角線及以下數據（下三角區(qū)域）

FU：代表讀入矩陣中的所有數據?！镅菔荆篊h7a.LS8（Labels指令范例）一、數據設定指令Ch7aPathModelausingLISRELsyntaxDATANI=9NO=281MA=CMCMSY.402.4662.537.185.667.649.174.704.368.910.167.578.272.421.693.157.483.207.330.320.600.221.730.346.463.392.387.779.172.647.370.270.369.250.333.7681.4062.883.949.154.347.274.5271.11685.137LA;員工績效組織承諾價值理念工作方式團隊合作領導方式學習能力環(huán)境氛圍MODELNY=2NX=7PS=DI,FRPH=SY,FRBE=FU,FIGA=FU,FIFREEBE(1,2)GA(2,1)GA(2,2)GA(2,3)GA(2,4)GA(2,5)GA(2,6)GA(2,7)GA(1,7)FIXPH(1,7)PH(2,7)PH(3,7)PH(4,7)PH(5,7)PH(6,7)PDOUTPUTSETVRSMRFSEFSSSCMILISREL語法111LISREL語法范例如下：對于協(xié)方差矩陣S一、數據設定指令CMSY20.78-5.5425.9010.217.6721.25112LISREL語法范例如下：對于協(xié)方差矩陣S一、數據設定指令CMFU

（3F6.2）2078-5541021-554259076710217672125113LISREL語法

ME、SD主指令用于讀取觀察變量的平均數（ME）與標準差（SD）數據?；菊Z法如下：一、數據設定指令ME(orSD)FI=filenameFOREVariableformatstatementData114LISREL語法現以三個觀察變量的平均數與標準差的讀取為例，以自由格式讀入時如下：一、數據設定指令ME52.1160.5953.01SD4.644.125.88115LISREL語法現以外掛數據與內含數據各舉例如下：一、數據設定指令DANI=3MA=MMCMFI=DATA.COVMEFI=MEAN.MENFO(3F6.2)DANI=3MA=MMCMMEFO(3F6.2)

2078-554259010217672125

521160595301116LISREL語法

Select主指令用于選取矩陣中的變量，或將變量順序重新排列。一、數據設定指令SE54321表示將變量順序倒置SE5421表示將變量順序倒置且不選擇第三個變量納入分析。117LISREL語法模型設定指令由Model指令主導，接續(xù)一連串的關鍵詞來說明模型當中變量數目、類型與各種參數關系的界定。基本語法形態(tài)如下：二、模型界定指令MONY=pNX=qNE=mNK=nAP=kFI

LY=mf,mmLX=mf,mmBE=mf,mmGA=mf,mm

PH=mf,mmPS=mf,mmTE=mf,mmTD=mf,mmTY=mf,mmTS=mf,mmAL=mf,mmKA=mf,mmNY:內生觀察變量（y）數目NX:外源觀察變量（x）數目NE:內生潛在變量（eta）數目NK:外源潛在變量（ksi）數目表示矩陣格式或者矩陣形式118LISREL語法現以下列的矩陣為例：二、模型界定指令MOFRPH(2,1)PH(3,3)PH(4,4)VA1PH(1,1)PH(2,2)*號表示自由估計參數0和1代表固定參數119LISREL語法

VA、STValue與Startingvalue兩個次指令用來說明當參數限定為0之外的數值，也就是估計的起始值。這兩個指令有相同的數學性質，可以互換使用。二、模型界定指令VA1.5LX(2,1)LX(6,2)GA（1,2）表示讓LX矩陣中的兩個元素與GA矩陣中的一個元素參數值為1.5。120LISREL語法

FR、FI、EQ

如果用戶想要改變矩陣中的特定元素關系，例如固定、自由，或限定參數的估計時，可以使用FR、FI和EQ指令。例如：二、模型界定指令FreeLX(1,2)LX(2,2)表示讓LX矩陣（與X有關的因素負荷量矩陣）中的第一與第二個元素的參數自由估計。EQual

LY(1,2)LY(2,2)表示讓LY矩陣（與Y有關的因素負荷量矩陣）中的第一與第二個元素的參數限定等同。121LISREL語法

LE、LK

兩個次指令用來給予潛在變量文字卷標，LE為潛在內生變量標簽，LK為潛在外源變量標簽，兩者功能與標示原則與LA指令相同?；菊Z法如下：二、模型界定指令LE(orLK)FI=filenameFOREFormatstatement‘labels’如：LE；工作自主權工作滿足度122LISREL語法

LE、LK兩個次指令演示：課堂具體程序演示：ch5a.LS8123LISREL語法

LE、LK兩個次指令演示：Titlech5aConfirmatoryFactorAnalysisusingLISRELsyntaxDATANI=18NO=313MA=CMCMSYFI=ch5a.covLA;A1A2A3B1B2B3C1C2C3D1D2D3E1E2E3F1F2F3MODELNX=18NK=6LX=FU,FITD=DI,FRLK;

價值理念工作方式團隊合作領導方式學習能力環(huán)境氛圍FREELX(1,1)LX(2,1)LX(3,1)LX(4,2)LX(5,2)LX(6,2)LX(7,3)FREELX(8,3)LX(9,3)LX(10,4)LX(11,4)LX(12,4)LX(13,5)LX(14,5)FREELX(15,5)LX(16,6)LX(17,6)LX(18,6)FIXPH(1,1)PH(2,2)PH(3,3)PH(4,4)PH(5,5)PH(6,6)VALUE1PH(1,1)PH(2,2)PH(3,3)PH(4,4)PH(5,5)PH(6,6)PDOUTPUTSETVRSMRFSSSSCMI124LISREL語法

LISREL軟件參數估計與結果輸出指令的下達以Output主指令接續(xù)適當的次指令或關鍵詞進行?；菊Z法為：三、結果輸出設定指令OUME=methodsSL=100alfaAMSO

Method參數估計方法：IVTSULGLMLWLDLMaxiumumlikelihood修正程序的顯著性，例如SL=5表示0.05的顯著水平。125LISREL語法報表輸出設定：LISREL報表中除提供數據讀取的各種描述統(tǒng)計資料外，還可以提供多種不同的統(tǒng)計數據，用戶可以自由選擇，關鍵詞如下(常用的)：三、結果輸出設定指令SE（standarderrors）：標準誤TV：t檢驗值

PC：參數估計的相關系數RS：殘差、正態(tài)化殘差與Q圖

EF：總效應與間接效應SS：標準化參數估計解

SC：參數估計解完全標準化MI：列出模型修正指標

FS：列出因素分數回歸值AL：列出所有LISREL分析的統(tǒng)計報表Titlech5aConfirmatoryFactorAnalysisusingLISRELsyntaxDATANI=18NO=313MA=CMCMSYFI=ch5a.covLA;A1A2A3B1B2B3C1C2C3D1D2D3E1E2E3F1F2F3MODELNX=18NK=6LX=FU,FITD=DI,FRLK;價值理念工作方式團隊合作領導方式學習能力環(huán)境氛圍FREELX(1,1)LX(2,1)LX(3,1)LX(4,2)LX(5,2)LX(6,2)LX(7,3)FREELX(8,3)LX(9,3)LX(10,4)LX(11,4)LX(12,4)LX(13,5)LX(14,5)FREELX(15,5)LX(16,6)LX(17,6)LX(18,6)FIXPH(1,1)PH(2,2)PH(3,3)PH(4,4)PH(5,5)PH(6,6)VALUE1PH(1,1)PH(2,2)PH(3,3)PH(4,4)PH(5,5)PH(6,6)PDOUTPUTSETVRSMRFSSSSCMILISREL語法127四、LISREL語法

矩陣輸出設定：LISREL可以將特定矩陣輸出至外部檔案以供檢視，基本語法是：三、結果輸出設定指令OUmatrix1=filename1matrix2=filename2·······

路徑圖輸出設定：

（1）PD指令，要求LISREL繪制模型路徑圖，PD指令需放置于Model指令之后。（2）利用檔案（file）當中的ExportAsMetafile，可將路徑圖連同分析數據換成圖形文件，從而可以與其他軟件（word/powerpoint）結合使用。課堂演示五、驗證性因素分析（一）因素分析

探索性因素分析（exploratoryfactoranalysis:EFA）：研究者在進行因素分析之前，并未對于數據的因素結構有任何預期與立場，而借由統(tǒng)計量據分析因素的結構，此種因素分析策略帶有濃厚的嘗試錯誤的意味。

驗證性因素分析（comfirmatoryfactor

analysis:CFA）：研究者在研究之初已提出某種特定的結構關系假設，例如某一概念的測量問卷是由數個不同子量表所組成，此時因素分析可以被用來確認數據的模式是否即為研究者所預期的形式。128（二）驗證性因素分析（CFA）的特性驗證性因素分析用于檢驗一組測量變量與一組可以解釋測量變量的因素構念間的關系，CFA允許研究者分析確認事先假設的測量變量與因素間關系的正確性。測量模型的檢驗程序稱之為確認性因素分析，如下圖所示：

129V2V3V4V5V6V1F1F2E1E2E3E4E5E6共同變異量獨特變異量五、驗證性因素分析（二）驗證性因素分析（CFA）的特性單維測量：單一一個變量只能用以反映單一一個潛在變量。多維測量：一個變量能用以反映多個潛在變量CFA測量模式在技術上允許測量變量的誤差項為多維的測量。

130V2V3V4V5V6V1F1F2E1E2E3E4E5E6V2V3V4V5V6V1F1F2E1E2E3E4E5E6五、驗證性因素分析V2V3V4V5V6V1F1F2E1E2E3E4E5E6（三）測量模型的內部擬合檢驗

●一個測量模型能否被接受，以及參數估計的優(yōu)劣好壞，除了從模型的整體擬合來看之外，還必須從模型的內在質量來衡量每一個潛在變量的適切性，成為內部擬合?！窬唧w做法：