amos軟件使用與舉例PPt講義.ppt

FredLi 2006嘉大 李茂能 2006 圖解式結(jié)構(gòu)方程模式軟體AMOS之簡(jiǎn)介 FredLi 2006嘉大 結(jié)構(gòu)方程模式之定義 結(jié)構(gòu)方程模式 StructuralEquationModels 簡(jiǎn)稱SEM 早期稱為線性結(jié)構(gòu)方程模式 LinearStructuralRelationships 簡(jiǎn)稱LISREL 或稱為共變數(shù)結(jié)構(gòu)分析 CovarianceStructureAnalysis 主要目的在於考驗(yàn)潛在變項(xiàng) Latentvariables 與外顯變項(xiàng) Manifestvariable 又稱觀察變項(xiàng) 之關(guān)係 此種關(guān)係猶如古典測(cè)驗(yàn)理論中真分?jǐn)?shù) truescore 與實(shí)得分?jǐn)?shù) observedscore 之關(guān)係 它結(jié)合了因素分析 factoranalysis 與路徑分析 pathanalysis 包涵測(cè)量與結(jié)構(gòu)模式 FredLi 2006嘉大 SEM的統(tǒng)計(jì)模式 測(cè)量模式的考驗(yàn)必須先於結(jié)構(gòu)模式 FredLi 2006嘉大 測(cè)量模式與結(jié)構(gòu)模式之目的 測(cè)量模式旨在建立測(cè)量指標(biāo)與潛在變項(xiàng)間之關(guān)係 主要透過(guò)驗(yàn)證性因素分析以考驗(yàn)測(cè)量模式的效度 結(jié)構(gòu)模式旨在考驗(yàn)潛在變項(xiàng)間之因果路徑關(guān)係 主要針對(duì)潛在變項(xiàng)進(jìn)行徑路分析 以考驗(yàn)結(jié)構(gòu)模式的適配性 FredLi 2006嘉大 結(jié)構(gòu)方程模式的參數(shù)估計(jì)流程 1 理論上 假如結(jié)構(gòu)方程模式正確及母群參數(shù)已知時(shí) 母群共變數(shù)矩陣 會(huì)等於理論隱含的共變數(shù)矩陣 隱含的共變數(shù)矩陣係根據(jù)回歸方程式中的參數(shù)所重組之共變數(shù)矩陣 式中 向量包含模式中所有待估計(jì)的參數(shù) 例如 不過(guò) 通常母群之變異數(shù)與共變數(shù)的參數(shù)並不知道 需以樣本估計(jì)值 取代之 FredLi 2006嘉大 結(jié)構(gòu)方程模式的參數(shù)估計(jì)流程 2 FredLi 2006嘉大 適配函數(shù)值之計(jì)算 前述適配函數(shù)值係利用差距函數(shù) F s W s 計(jì)算而得 式中s是觀察共變數(shù)矩陣S中不重複的變異數(shù)與共變數(shù) 所形成的向量 是隱含共變數(shù)矩陣 中不重複的變異數(shù)與共變數(shù) 所形成的向量 W是校正加權(quán)矩陣 不同W會(huì)形成不同的適配函數(shù)根據(jù)所獲得的最小適配函數(shù)值 進(jìn)行 考驗(yàn) 計(jì)算公式為 N 1 F df p q p q 1 2 t p與q為觀察變項(xiàng)數(shù) 含自變項(xiàng)與依變項(xiàng) t為待估計(jì)的參數(shù)數(shù)目 一般研究者 均不希望 考驗(yàn)結(jié)果達(dá)到統(tǒng)計(jì)上之顯著水準(zhǔn) 以便接納虛無(wú)假設(shè) 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(lián)立方程式之集合 為了去解一組方程式 我們必須有足夠的資訊 如已知數(shù)據(jù) knownvalues 或限制 constraints 才能估計(jì)出未知參數(shù) 此乃SEM模式辨識(shí)問(wèn)題 除非這組方程式可以辨識(shí) 否則無(wú)法獲得正確的參數(shù)估計(jì)值 regardlessofhowmanyobservationswehave FredLi 2006嘉大 界定潛在變項(xiàng)的測(cè)量單位 理由 因?yàn)闈撛谧冺?xiàng) 與 無(wú)法觀察的到 其量尺刻度無(wú)法確定 我們必須界定其原點(diǎn)與測(cè)量單位 才能估計(jì)潛在變項(xiàng)的變異數(shù)與徑路係數(shù) 以界定其結(jié)構(gòu)模式為可辨認(rèn)的模式 AnIdentifiedModel 方法 以下兩者僅能選其一 選定一個(gè)最能代表潛在變項(xiàng)的觀察變項(xiàng) 將其 x與 y值加以固定 通常設(shè)定為1 會(huì)使相關(guān)之因子具有相同之變異數(shù) 誤差項(xiàng)的廻歸係數(shù)亦設(shè)定為1 才能進(jìn)行其餘的參數(shù)估計(jì) 將潛在變項(xiàng)標(biāo)準(zhǔn)化 如具有相同之變異量或固定為1 但只能為 變項(xiàng)加以界定 此時(shí)可估計(jì)其所屬的所有因素負(fù)荷量 變項(xiàng)則無(wú)法做到 因?yàn)?的共變數(shù)矩陣並非自由參數(shù)矩陣 可以任意加以設(shè)定 FredLi 2006嘉大 可辨識(shí)性的定義 假如模式中每一未知參數(shù)均有一最適值 optimalvalue 則該模式為可辨識(shí) 假如該模式為可辨識(shí) 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(shù)估計(jì)值為該資料的最適配值 例如 x 3y 4 即有無(wú)限最佳解 如x 1 y 1orx 4 y 0 這些值稱為無(wú)法辨識(shí) notidentified or underidentified 因?yàn)槲粗獢?shù)比已知數(shù)還多 再如 x 3y 43x 3y 12現(xiàn)在 已知數(shù) 方程式數(shù) 等於未知數(shù) X Y 即有一最佳解 x 4 y 0 此聯(lián)立方程式為恰可辨識(shí) justidentified FredLi 2006嘉大 結(jié)構(gòu)方程模式主要用途 第一 考驗(yàn)理論模式 testoftheory Strictlyconfirmational SC 純驗(yàn)證性Alternative competing models AM 競(jìng)爭(zhēng)模式Modelgenerating MG 模式衍生第二 考驗(yàn)測(cè)量工具的建構(gòu)信度 constructreliability 或因素結(jié)構(gòu)效度 validityoffactorialstructures FredLi 2006嘉大 SEM軟體之使用率 Why ShouldWeUseSEM ProsandConsofStructuralEquationModelingNachtigall Kroehne Funke Steyer 2003 FredLi 2006嘉大 心理測(cè)驗(yàn) 要不要住院 Duringavisittothementalasylum avisitoraskedtheDirectorwhatthecriterionwaswhichdefinedwhetherornotapatientshouldbeinstitutionalized Well saidtheDirector wefillupabathtub thenweofferateaspoon ateacupandabuckettothepatientandaskhimorhertoemptythebathtub Oh Iunderstand saidthevisitor Anormalpersonwouldusethebucketbecauseit sbiggerthanthespoonortheteacup No saidtheDirector Anormalpersonwouldpulltheplug Doyouwantaroomwithorwithoutaview http www office humour co uk g i 3665 FredLi 2006嘉大 AMOS之簡(jiǎn)介 AMOS係AnalysisofMomentStructure之簡(jiǎn)稱 它與LISREL EQS PROCCALIS等均在處理SEM structuralequationmodeling 的問(wèn)題 AMOS最大的優(yōu)勢(shì)在於其路徑圖的圖形使用者介面 免去如LISREL中界定八大參數(shù)矩陣的繁瑣 AMOS具有AMOSGraphics與AMOSBasic兩大運(yùn)作模式 尤其前者對(duì)於徑路圖之繪製與輸出最為便捷 FredLi 2006嘉大 學(xué)生版軟體下載 FredLi 2006嘉大 AMOS操作介面 徑路圖編輯器 FredLi 2006嘉大 AMOS繪圖工具 FredLi 2006嘉大 AMOS之徑路圖繪製工具 1 FredLi 2006嘉大 AMOS之徑路圖繪製工具 2 FredLi 2006嘉大 AMOS原始資料輸入方式 1 利用SPSS讀入相關(guān)矩陣或共變數(shù)矩陣 FredLi 2006嘉大 AMOS原始資料輸入方式 2 利用SPSS讀入原始資料 FredLi 2006嘉大 AMOS原始資料輸入方式 3 當(dāng)使用純文字檔建檔時(shí) 需以 隔開(kāi)各變項(xiàng)之?dāng)?shù)據(jù) 且第一行需列出變項(xiàng)的名稱 從第二行開(kāi)始 依序輸入各變項(xiàng)的數(shù)據(jù) FredLi 2006嘉大 模式與資料之連結(jié)設(shè)定 FredLi 2006嘉大 資料連結(jié)方法 當(dāng)資料分析檔案建立後 按下AMOS FILE 下之 DATAFILES 出現(xiàn)前圖之視窗後 點(diǎn)選 FileName 讀入如SPSS資料編輯器所建檔的資料 當(dāng)待分析的資料檔名稱出現(xiàn)在視窗之中 即表示AMOS已可將徑路圖與此資料檔相互連接 FredLi 2006嘉大 AMOS估計(jì)方法 利用View Set下 AnalysisProperties 中點(diǎn)選Output 選取所需統(tǒng)計(jì)量 亦可點(diǎn)選 Estimation 選擇估計(jì)方法 FredLi 2006嘉大 統(tǒng)計(jì)量數(shù)輸出設(shè)定 FredLi 2006嘉大 AMOSGraphicMode執(zhí)行步驟 1 利用AMOS FILE 下之 DATAFILES 讀入相關(guān)矩陣或原始資料按AMOS FILE 下之 NEW 與利用其所提供之ICONS 再根據(jù)理論繪製徑路圖 FredLi 2006嘉大 AMOSGraphicMode執(zhí)行步驟 2 執(zhí)行AMOS SEM分析方法 FredLi 2006嘉大 AMOS徑路圖輸出 按EDIT下之 COPY 即可輸出徑路圖形 FredLi 2006嘉大 AMOS報(bào)表輸出的各種統(tǒng)計(jì)量 利用View Set下 AnalysisProperties 中點(diǎn)選Output 選取所需統(tǒng)計(jì)量 亦可點(diǎn)選 Output 選擇估計(jì)方法 FredLi 2006嘉大 AMOS徑路圖之解釋 下列徑路圖形中之係數(shù)為標(biāo)準(zhǔn)化係數(shù) X5的信度下限 即ks2可解釋x5總變異量的56 因素負(fù)荷量 迴歸係數(shù) 潛在變項(xiàng)間之相關(guān) FredLi 2006嘉大 SEM模式之組成 FredLi 2006嘉大 SEM測(cè)量模式之繪製 FredLi 2006嘉大 SEM結(jié)構(gòu)模式之繪製 根據(jù)過(guò)去的實(shí)驗(yàn) 經(jīng)驗(yàn)與理論 決定因果關(guān)係繪製徑路圖 單向因果關(guān)係 Construct 建構(gòu)間之關(guān)係 簡(jiǎn)單概念 egage or複雜概念 egattitude 雙向因果關(guān)係 FredLi 2006嘉大 AMOS徑路圖的繪製 VerbalIQ Info e1 1 1 Comp e2 1 Arith e3 1 Similar e4 1 Vocab e5 1 PerformanceIQ Piccom e6 PicArr e7 Blocks e8 Objects e9 Coding e10 1 1 1 1 1 1 以學(xué)童語(yǔ)文智慧與操作式智慧為例 FredLi 2006嘉大 數(shù)常識(shí)之理論架構(gòu) 比較數(shù)字的相對(duì)大小瞭解數(shù)與運(yùn)算的基本意義數(shù)與運(yùn)算的多重表徵數(shù)字的分解與合成運(yùn)算結(jié)果之合理性的判斷 FredLi 2006嘉大 以數(shù)常試為例 FredLi 2006嘉大 適合度考驗(yàn) Overallmodel 首先檢查有無(wú)不良估計(jì)值 offendingestimates eg 負(fù)的誤差變異量 標(biāo)準(zhǔn)化係數(shù)超過(guò)1 與過(guò)大的標(biāo)準(zhǔn)誤適合度考驗(yàn)旨在了解實(shí)際輸入的矩陣與模式所預(yù)測(cè)的理論矩陣間之一致性 分為三類 absolutefitmeasures 整體適配性之評(píng)估 incrementalfitmeasures 底限模式與理論模式的比較 parsimoniousfitmeasures 自由度比值的加權(quán) 適合度的評(píng)估需作全面性的指標(biāo)評(píng)估 FredLi 2006嘉大 適合度考驗(yàn) 測(cè)量模式 建構(gòu)信度 Compositereliability 代表測(cè)量指標(biāo)是否能測(cè)到潛在建構(gòu)的程度 抽取變異比 Varianceextractedmeasure 為潛在建構(gòu)可以解釋指標(biāo)變異量的比率 代表測(cè)量指標(biāo)是否能真正代表潛在建構(gòu)的程度 檢查標(biāo)準(zhǔn)化徑路係數(shù)是否達(dá)於 70 FredLi 2006嘉大 建構(gòu)的信度指標(biāo) 指標(biāo)的綜合信度 最好大於 70 最好大於 50 亦是一種聚斂效度的指標(biāo) FredLi 2006嘉大 適合度考驗(yàn) 結(jié)構(gòu)模式 SEM程式提供每一估計(jì)係數(shù)之標(biāo)準(zhǔn)誤與統(tǒng)計(jì)考驗(yàn)的t值 當(dāng)樣本較小且使用MLE估計(jì)法時(shí) 使用較保守的顯著水準(zhǔn) 025或 01 計(jì)算R2與競(jìng)爭(zhēng)模式作比較以決定最佳模式比較各模式的簡(jiǎn)潔指標(biāo)檢查標(biāo)準(zhǔn)化結(jié)構(gòu)係數(shù)是否大於 30 FredLi 2006嘉大 模式界定錯(cuò)誤 ModelMisspecification 遺漏重要變項(xiàng)包含無(wú)關(guān)變項(xiàng)或指標(biāo)非線性模式因果關(guān)係錯(cuò)置原因指標(biāo)與效果指標(biāo)之混淆 FredLi 2006嘉大 解釋與修正 詳細(xì)檢查理論模式與實(shí)際資料之一致性理論模式中的主要關(guān)係獲得支持及達(dá)到統(tǒng)計(jì)上之顯著水準(zhǔn)嗎 檢查標(biāo)準(zhǔn)化與非標(biāo)準(zhǔn)化係數(shù) 競(jìng)爭(zhēng)模式有助於取代原理論嗎 所取代之模式須再進(jìn)行效度複核 所有發(fā)現(xiàn)的關(guān)係與提議的方向相同嗎 FredLi 2006嘉大 Measuresofabsolutefit的評(píng)鑑 整體適配性的評(píng)估 Likelihood Ratio 2 愈小愈好 P值最好大於 1或 2 本考驗(yàn)較適合100 200人的樣本Noncentrality 2 df ParametersandScaledNoncentralityParameters 2 df samplesize NCP適合模式間之比較Goodness of FitIndex 0 poorfit 1 perfit RootMeanSquareResiduals 最好 025以下 愈低愈好 較適合相關(guān)矩陣的分析 RootMeanSquareErrorofApproximation 最好 08以下 ExpectedCross ValidationIndex 適合模式間之比較 FredLi 2006嘉大 Incrementalfitmeasures的評(píng)鑑 底限模式 或稱獨(dú)立 虛無(wú)模式 與理論模式的比較 AdjustedGoodness of Fi