amos软件使用与举例ppt讲义

《amos软件使用与举例ppt讲义》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、李茂能,2006圖解式結構方程模式軟體AMOS之簡介FredLi,2006嘉大結構方程模式之定義結構方程模式(StructuralEquationModels，簡稱SEM)，早期稱為線性結構方程模式(LinearStructuralRelationships，簡稱LISREL)或稱為共變數結構分析(CovarianceStructureAnalysis)。主要目的在於考驗潛在變項(Latentvariables)與外顯變項(Manifestvariable,又稱觀察變項)之關係，此種關係猶如古典測驗理論中真分數(

2、truescore)與實得分數(observedscore)之關係。它結合了因素分析(factoranalysis)與路徑分析(pathanalysis)，包涵測量與結構模式。FredLi,2006嘉大SEM的統計模式☆測量模式的考驗必須先於結構模式。FredLi,2006嘉大測量模式與結構模式之目的測量模式旨在建立測量指標與潛在變項間之關係，主要透過驗證性因素分析以考驗測量模式的效度。結構模式旨在考驗潛在變項間之因果路徑關係，主要針對潛在變項進行徑路分析，以考驗結構模式的適配性FredLi,2006嘉大結構方程

3、模式的參數估計流程(1)理論上，假如結構方程模式正確及母群參數已知時，母群共變數矩陣()會等於理論隱含的共變數矩陣()，隱含的共變數矩陣係根據回歸方程式中的參數所重組之共變數矩陣，式中向量包含模式中所有待估計的參數，例如={,,}。不過，通常母群之變異數與共變數的參數並不知道，需以樣本估計值()取代之。FredLi,2006嘉大結構方程模式的參數估計流程(2)FredLi,2006嘉大適配函數值之計算前述適配函數值係利用差距函數：F=(s-)’W(s-)計算而得。式中s是觀察共變數矩陣S中不重

4、複的變異數與共變數，所形成的向量。是隱含共變數矩陣()中不重複的變異數與共變數，所形成的向量。W是校正加權矩陣，不同W會形成不同的適配函數根據所獲得的最小適配函數值，進行²考驗(計算公式為:²=(N-1)*F，df=(p+q)(p+q+1)/2-t，p與q為觀察變項數(含自變項與依變項)，t為待估計的參數數目)。一般研究者，均不希望²考驗結果達到統計上之顯著水準，以便接納虛無假設：S=()，亦即希望所提的理論模式與觀察資料可以適配，而不是推翻它。FredLi,2006嘉大SEM為線性聯立方程式之集合為

5、了去解一組方程式,我們必須有足夠的資訊,【如已知數據(knownvalues),或限制(constraints)】，才能估計出未知參數。此乃SEM模式辨識問題。除非這組方程式可以辨識,否則無法獲得正確的參數估計值--regardlessofhowmanyobservationswehave.FredLi,2006嘉大界定潛在變項的測量單位理由：因為潛在變項與無法觀察的到，其量尺刻度無法確定，我們必須界定其原點與測量單位，才能估計潛在變項的變異數與徑路係數，以界定其結構模式為可辨認的模式(AnIdentifie

6、dModel)。方法(以下兩者僅能選其一):選定一個最能代表潛在變項的觀察變項，將其x與y值加以固定(通常設定為1，會使相關之因子具有相同之變異數)，誤差項的廻歸係數亦設定為1，才能進行其餘的參數估計。將潛在變項標準化(如具有相同之變異量或固定為1)。但只能為變項加以界定(此時可估計其所屬的所有因素負荷量)，變項則無法做到。因為的共變數矩陣並非自由參數矩陣，可以任意加以設定。FredLi,2006嘉大可辨識性的定義假如模式中每一未知參數均有一最適值(optimalvalue),則該模式為可辨識。假如該模

7、式為可辨識，通常其最大可能性疊代解法為可聚斂而得到一最佳解(optimalsolution)，此參數估計值為該資料的最適配值。例如:x+3y=4,即有無限最佳解(如x=1,y=1orx=4,y=0)。這些值稱為無法辨識“notidentified”or“underidentified.”因為未知數比已知數還多。再如:x+3y=43x-3y=12現在，已知數(方程式數)等於未知數(X&Y)，即有一最佳解(x=4,y=0)。此聯立方程式為恰可辨識“justidentified”。FredLi,2006嘉大結構方程模式

8、主要用途第一、考驗理論模式(testoftheory)Strictlyconfirmational(SC)-純驗證性Alternative(competing)models(AM)-競爭模式Modelgenerating(MG)-模式衍生第二、考驗測量工具的建構信度(constructreliability)或因素結構效度(validityoffactorialstruc