多元統(tǒng)計(jì)分析(數(shù)學(xué)建模)市公開課一等獎(jiǎng)省賽課獲獎(jiǎng)?wù)n件

數(shù)學(xué)建模講座多元統(tǒng)計(jì)分析為振興中華而讀書！第1頁(yè)第一部分理論分析1.1相關(guān)分析1.2路徑分析1.3結(jié)構(gòu)方程模型1.4聚類分析1.5因子分析第2頁(yè)相關(guān)分析第3頁(yè)(一)相關(guān)關(guān)系(1)函數(shù)關(guān)系:(如:銷售額與銷售量;圓面積和圓半徑.)是事物間一個(gè)一一對(duì)應(yīng)確實(shí)定性關(guān)系.即:當(dāng)一個(gè)變量x取一定值時(shí),另一變量y能夠依確定關(guān)系取一個(gè)確定值(2)統(tǒng)計(jì)關(guān)系:(如:收入和消費(fèi);身高遺傳.)事物間關(guān)系不是確定性.即:當(dāng)一個(gè)變量x取一定值時(shí),另一變量y取值可能有幾個(gè).一個(gè)變量值不能由另一個(gè)變量唯一確定第4頁(yè)概述統(tǒng)計(jì)關(guān)系常見類型：線性相關(guān)：正線性相關(guān)、負(fù)線性相關(guān)非線性相關(guān)統(tǒng)計(jì)關(guān)系不象函數(shù)關(guān)系那樣直接,但卻普遍存在,且有強(qiáng)有弱.怎樣測(cè)度?第5頁(yè)概述(二)相關(guān)分析任務(wù)研究對(duì)象:統(tǒng)計(jì)關(guān)系相關(guān)分析意在測(cè)度變量間線性關(guān)系強(qiáng)弱程度第6頁(yè)相關(guān)分析(一)目標(biāo)經(jīng)過樣本數(shù)據(jù),研究?jī)勺兞块g線性相關(guān)程度強(qiáng)弱.

(二)基本方法繪制散點(diǎn)圖、計(jì)算相關(guān)系數(shù)第7頁(yè)

繪制散點(diǎn)圖(一)散點(diǎn)圖將數(shù)據(jù)以點(diǎn)形式繪制在直角平面上.比較直觀,能夠用來(lái)發(fā)覺變量間關(guān)系和可能趨勢(shì).表達(dá)了正相關(guān)趨勢(shì)第8頁(yè)繪制散點(diǎn)圖(二)基本操作步驟(1)菜單項(xiàng)選擇項(xiàng):graphs->scatter(2)選擇散點(diǎn)圖類型:simple:簡(jiǎn)單散點(diǎn)圖(顯示一對(duì)變量散點(diǎn)圖)overlay:重合散點(diǎn)圖(顯示多對(duì)變量散點(diǎn)圖)(3)選擇x軸和y軸變量(4)選擇分組變量(setmarkersby):分別以不一樣顏色點(diǎn)表示(5)選擇標(biāo)識(shí)變量(labelcaseby):散點(diǎn)圖上可帶有標(biāo)識(shí)變量值(如:職員號(hào))第9頁(yè)計(jì)算相關(guān)系數(shù)(一)相關(guān)系數(shù)(1)作用:以準(zhǔn)確相關(guān)系數(shù)(r)表達(dá)兩個(gè)變量間線性關(guān)系程度.r:[-1,+1];r=1:完全正相關(guān);r=-1:完全負(fù)相關(guān);r=0:無(wú)線性相關(guān);|r|>0.8:強(qiáng)相關(guān);|r|<0.3:弱相關(guān)第10頁(yè)計(jì)算相關(guān)系數(shù)(一)相關(guān)系數(shù)(2)說(shuō)明:相關(guān)系數(shù)只是很好地度量了兩變量間線性相關(guān)程度,不能描述非線性關(guān)系.如:x和y取值為:(-1,-1)(-1,1)(1,-1)(1,1)

r=0但xi2+yi2=2數(shù)據(jù)中存在極端值時(shí)不好如:(1,1)(2,2)(3,3),(4,4),(5,5),(6,1)r=0.33但總體上表現(xiàn)出:x=y應(yīng)結(jié)合散點(diǎn)圖分析第11頁(yè)計(jì)算相關(guān)系數(shù)(一)相關(guān)系數(shù)(3)種類:簡(jiǎn)單線性相關(guān)系數(shù)(Pearson):針對(duì)定距數(shù)據(jù).

(如:身高和體重)第12頁(yè)計(jì)算相關(guān)系數(shù)(一)相關(guān)系數(shù)(3)種類:Spearman相關(guān)系數(shù):用來(lái)度量定序或定類變量間線性相關(guān)關(guān)系(如:不一樣年紀(jì)段與不一樣收入段,職稱和受教育年份)利用秩(數(shù)據(jù)排序次序).認(rèn)為:假如x與y相關(guān),則對(duì)應(yīng)秩Ui、Vi也含有同時(shí)性.首先得到兩變量中各數(shù)據(jù)秩(Ui、Vi),并計(jì)算Di2統(tǒng)計(jì)量.計(jì)算Spearman秩相關(guān)系數(shù),與簡(jiǎn)單相關(guān)系數(shù)形式完全相同.若兩變量存在強(qiáng)正相關(guān)性,則Di2應(yīng)較小,秩序相關(guān)系數(shù)較大.若兩變量存在強(qiáng)負(fù)相關(guān)性,則Di2應(yīng)較大,秩序相關(guān)系數(shù)為負(fù),絕對(duì)值較大第13頁(yè)計(jì)算相關(guān)系數(shù)(一)相關(guān)系數(shù)(3)種類:Kendall相關(guān)系數(shù):度量定序定類變量間線性相關(guān)關(guān)系首先計(jì)算一致對(duì)數(shù)目(U)和非一致對(duì)數(shù)目(V)如:對(duì)x和y求秩后為:x:24351y:34152x秩按自然次序排序后:x:12345

y:23145

一致對(duì):(2,3)(2,4)(2,5)(3,4)(3,5)(1,4)(1,5)(4,5)非一致對(duì):(2,1)(3,1)然后計(jì)算Kendall相關(guān)系數(shù).若兩變量存在強(qiáng)相關(guān)性,則V較小,秩序相關(guān)系數(shù)較大;若兩變量存在強(qiáng)負(fù)關(guān)性,則V較大,秩序相關(guān)系數(shù)為負(fù),絕對(duì)值較大第14頁(yè)計(jì)算相關(guān)系數(shù)(二)相關(guān)系數(shù)檢驗(yàn)應(yīng)對(duì)兩變量來(lái)自總體是否相關(guān)進(jìn)行統(tǒng)計(jì)推斷.原因:抽樣隨機(jī)性、樣本容量小等(1)H0:兩總體零相關(guān)(2)結(jié)構(gòu)統(tǒng)計(jì)量簡(jiǎn)單相關(guān)系數(shù)Spearman系數(shù),大樣本下,近似正態(tài)分布kendall系數(shù),大樣本下,近似正態(tài)分布第15頁(yè)計(jì)算相關(guān)系數(shù)(二)相關(guān)系數(shù)檢驗(yàn)(3)計(jì)算統(tǒng)計(jì)量值,并得到對(duì)應(yīng)相伴概率p(4)結(jié)論:假如p<=a,則拒絕H0,兩總體存在線性相關(guān);假如p>a,不能拒絕H0.第16頁(yè)計(jì)算相關(guān)系數(shù)(三)基本操作步驟(1)菜單項(xiàng)選擇項(xiàng):analyze->correlate->bivariate...(2)選擇計(jì)算相關(guān)系數(shù)變量到variables框.(3)選擇相關(guān)系數(shù)(correlationcoefficients).(4)顯著性檢驗(yàn)(testofsignificance)tow-tailed:輸出雙尾概率P.one-tailed:輸出單尾概率P第17頁(yè)計(jì)算相關(guān)系數(shù)(四)其它選項(xiàng)statistics選項(xiàng):僅當(dāng)計(jì)算簡(jiǎn)單相關(guān)系數(shù)時(shí),選擇輸出哪些統(tǒng)計(jì)量.meansandstandarddeviations:均值、標(biāo)準(zhǔn)差;cross-productdeviationsandcovariances:分別輸出兩變量離差平方和(sumofsquare分母)、兩變量差積和(cross-products分子)、協(xié)方差(covariance以上各個(gè)數(shù)據(jù)除以n-1)第18頁(yè)偏相關(guān)分析(一)偏相關(guān)系數(shù)(1)含義： 在控制了其它變量影響下計(jì)算兩變量相關(guān)系數(shù)。虛假相關(guān).研究商品需求量和價(jià)格、消費(fèi)者收入之間關(guān)系.因?yàn)?需求量和價(jià)格之間相關(guān)關(guān)系包含了消費(fèi)者收入對(duì)商品需求量影響；收入對(duì)價(jià)格也產(chǎn)生影響，并經(jīng)過價(jià)格變動(dòng)傳遞到對(duì)商品需求量影響中。又如：糧食產(chǎn)量與平均氣溫、月降水量、平均日照時(shí)間、溫度之間關(guān)系研究。第19頁(yè)偏相關(guān)分析(2)計(jì)算方法：第20頁(yè)偏相關(guān)分析(二)基本操作步驟(1).菜單項(xiàng)選擇項(xiàng):analyze->correlate->partial…(2).選擇將參加計(jì)算變量到variable框.(3).選擇控制變量到controllingfor框。(4)option選項(xiàng):zero-ordercorrelations:輸出簡(jiǎn)單相關(guān)系數(shù)矩陣第21頁(yè)路徑分析第22頁(yè)2024/8/1823第十章路徑分析

目錄上頁(yè)下頁(yè)返回結(jié)束

20世紀(jì)初，“Pearson原理”占著生物遺傳學(xué)（在過去幾乎就是我們現(xiàn)在所稱作統(tǒng)計(jì)學(xué)）統(tǒng)治地位。Pearson原理一個(gè)基本內(nèi)容就是相關(guān)關(guān)系是現(xiàn)實(shí)生活中最基本關(guān)系，而因果關(guān)系僅僅是完全相關(guān)（理論）極限。這種理論認(rèn)為沒必要尋找變量之間因果關(guān)系，只需計(jì)算相關(guān)系數(shù)。然而相關(guān)分析逐步暴露出本身很多局限：一是相關(guān)分析僅僅反應(yīng)變量之間線性關(guān)系；二是相關(guān)分析反應(yīng)變量之間關(guān)系是對(duì)稱，而很多變量之間關(guān)系是非對(duì)稱；三是只有在正態(tài)假設(shè)下，相關(guān)思想才是有效。第23頁(yè)2024/8/1824第十章路徑分析

目錄上頁(yè)下頁(yè)返回結(jié)束

在遺傳學(xué)中，很多現(xiàn)象含有顯著因果關(guān)系，如父代與子代基因關(guān)系，父代在前，子代在后，二者關(guān)系只能是單向，而非對(duì)稱。對(duì)這種變量結(jié)構(gòu)進(jìn)行思索，遺傳學(xué)家SewallWright于1918-1921年提出路徑分析（pathanalysis），用來(lái)分析變量間因果關(guān)系。當(dāng)代路徑分析由生物遺傳學(xué)家、心理測(cè)驗(yàn)學(xué)家、計(jì)量經(jīng)濟(jì)學(xué)家以及社會(huì)學(xué)家推進(jìn)，引入隱變量（latentvariable,又稱unmeasuredvariable,不可觀察變量），并允許變量間含有測(cè)量誤差，而且極大似然預(yù)計(jì)代替了最小二乘法，成為路徑系數(shù)主流預(yù)計(jì)方法。第24頁(yè)2024/8/1825第十章路徑分析

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑分析現(xiàn)在成為多元分析一個(gè)主要方法，廣泛應(yīng)用于遺傳學(xué)、社會(huì)學(xué)、心理學(xué)、經(jīng)濟(jì)問題和市場(chǎng)調(diào)研領(lǐng)域。然而習(xí)慣上把基于最小二乘傳統(tǒng)路徑分析稱作路徑分析，而把基于極大似然路徑分析稱作結(jié)構(gòu)方程式模型（StructuralEquationModeling，SEM）。本節(jié)主要介紹傳統(tǒng)路徑分析，不進(jìn)行尤其說(shuō)明，本節(jié)所提到路徑分析均指基于最小二乘路徑分析，結(jié)構(gòu)方程式模型方在下節(jié)介紹。第25頁(yè)2024/8/1826

目錄上頁(yè)下頁(yè)返回結(jié)束

一、路徑圖路徑分析主要工具是路徑圖，它采取一條帶箭頭線（單箭頭表示變量間因果關(guān)系，雙箭頭表示變量間相關(guān)關(guān)系）表示變量間預(yù)先設(shè)定關(guān)系，箭頭表明變量間關(guān)系是線性，很顯著，箭頭表示著一個(gè)因果關(guān)系發(fā)生方向。在路徑圖中，觀察變量普通寫在矩形框內(nèi)，不可觀察變量普通寫在橢圓框內(nèi)，對(duì)于簡(jiǎn)單路徑模型，能夠直接用字母表示變量，繪出路徑圖。第26頁(yè)2024/8/1827

目錄上頁(yè)下頁(yè)返回結(jié)束

圖10-1是一個(gè)簡(jiǎn)單路徑路，A是父親智商，B是母親智商，C1、C2是兩個(gè)成年兒女智商，是與A,B不相關(guān)另外原因變量。普通來(lái)說(shuō)，父母親智商之間不存在關(guān)系；父母親智商對(duì)兒女智商存在因果關(guān)系，用單箭頭表示,兒女之間，存在相關(guān)關(guān)關(guān)系,用雙箭頭表示。箭頭上字母表示路徑系數(shù)，路徑系數(shù)反應(yīng)原因變量對(duì)結(jié)果變量相對(duì)影響大小。在路徑分析中普通采取經(jīng)過標(biāo)準(zhǔn)化后變量，沒有尤其說(shuō)明，均指經(jīng)過標(biāo)準(zhǔn)化后變量。能夠把圖10-1寫為方程式形式：（10.1）第27頁(yè)2024/8/1828

目錄上頁(yè)下頁(yè)返回結(jié)束

式(10.1)實(shí)際上是普通多元回歸方程，多元回歸分析是因果關(guān)系模型一個(gè)，但它是一個(gè)比較簡(jiǎn)單因果關(guān)系模型，各個(gè)自變量對(duì)因變量作用并列存在，它僅包含一個(gè)步驟因果結(jié)構(gòu)。路徑分析優(yōu)勢(shì)在于它能夠容納多步驟因果結(jié)構(gòu)，經(jīng)過路徑圖把這些因果關(guān)系很清楚地表示出來(lái)，據(jù)此進(jìn)行更深層次分析，如比較各種原因之間相對(duì)主要程度，計(jì)算變量與變量之間直接與間接影響，這在后面會(huì)包括到。圖10-2是相關(guān)一個(gè)消費(fèi)性電子產(chǎn)品（如手機(jī)）路徑分析例子（這里省略了路徑系數(shù)），四個(gè)變量耐用性、操作簡(jiǎn)單性、通話效果和價(jià)格兩兩相關(guān)，決定感知價(jià)值，同時(shí)經(jīng)過感知價(jià)值決定忠誠(chéng)度。相對(duì)于圖10-1，它含有兩層因果關(guān)系。接下來(lái)主要以圖10-2為例，說(shuō)明路徑圖中一些基本概念。第28頁(yè)2024/8/1829

目錄上頁(yè)下頁(yè)返回結(jié)束

§10.1.1

路徑圖第29頁(yè)2024/8/1830

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑圖上變量分為兩大類：一類是外生變量（exogenousvariable，又稱獨(dú)立變量，源變量），它不受模型中其它變量影響，如圖10-2中耐用性、操作簡(jiǎn)單性、通話效果和價(jià)格。與此相反，另一類是內(nèi)生變量（endogenousvariable，又稱因變量或下游變量），在路徑圖上最少有一個(gè)箭頭指向它，它被模型中其它一些變量所決定，如圖10-2中感知價(jià)值由耐用性、操作簡(jiǎn)單性、通話效果和價(jià)格四個(gè)變量和隨機(jī)誤差e5決定，忠誠(chéng)度取決于四個(gè)外生變量、感知價(jià)值和隨機(jī)誤差e6。另外，我們能夠?qū)⒙窂綀D中不影響其它變量?jī)?nèi)生變量稱為最終止果變量（ultimateresponsevariable），最終止果變量不一定只有一個(gè)。圖10-2中忠誠(chéng)度是最終止果變量。第30頁(yè)2024/8/1831

目錄上頁(yè)下頁(yè)返回結(jié)束

其它變量（A）對(duì)內(nèi)生變量（B）影響有兩種情況：若A直接經(jīng)過單向箭頭對(duì)B含有因果影響，稱A對(duì)B有直接作用（directeffect）；若A對(duì)B作用是間接地經(jīng)過其它變量（C）起作用，稱A對(duì)B有間接作用（indirecteffect），稱C為中間變量（mediatorvariable）。變量間間接作用經(jīng)常由各種路徑最終總合而成。圖10-2中，四個(gè)外生變量耐用性、操作簡(jiǎn)單性、通話效果和價(jià)格既對(duì)忠誠(chéng)度有直接作用，同時(shí)經(jīng)過感知價(jià)值對(duì)忠誠(chéng)度含有間接作用。第31頁(yè)2024/8/1832

目錄上頁(yè)下頁(yè)返回結(jié)束

假如模型中包含中間變量，首先從理論角度考慮，這個(gè)中間作用是否有理論依據(jù)，其次實(shí)際工作者會(huì)提出這么問題：“模型中中間變量中間影響顯著嗎？”，這些問題包括到對(duì)中間變量間接作用進(jìn)行檢驗(yàn)。Barron,R.M.&KennyD.(1986)提出了檢驗(yàn)中間變量間接作用是否統(tǒng)計(jì)顯著一個(gè)做法。他們利用基于普通最小二乘多元回歸進(jìn)行，以圖10-2為例說(shuō)明這種做法：第一步：用中間變量（感知價(jià)值）對(duì)外生變量耐用性、操作簡(jiǎn)單性、通話效果和價(jià)格四個(gè)變量進(jìn)行回歸；第二步：用內(nèi)生變量（忠誠(chéng)度）對(duì)第一步中四個(gè)變量進(jìn)行回歸；第三步：用忠誠(chéng)度對(duì)第一步中四個(gè)變量以及中間變量感知價(jià)值進(jìn)行回歸。第32頁(yè)2024/8/1833

目錄上頁(yè)下頁(yè)返回結(jié)束

Agarwal,S.&Teas,R.K.(1997)工作表明“假如(a)在第一步預(yù)計(jì)中解釋變量統(tǒng)計(jì)顯著；(b)在第二步預(yù)計(jì)中解釋變量統(tǒng)計(jì)顯著；(c)在第三步預(yù)計(jì)中中間變量統(tǒng)計(jì)顯著，則說(shuō)明中間變量間接作用顯著”.假設(shè)對(duì)圖10-2進(jìn)行間接作用檢驗(yàn)，得到表10-1。第33頁(yè)2024/8/1834

目錄上頁(yè)下頁(yè)返回結(jié)束

對(duì)每一外生變量，存在三種可能中間結(jié)果：沒有間接作用（nomediation），部分間接作用（partialmediation）和完全間接作用（fullmediation）。假如第一步中外生變量回歸系數(shù)不是統(tǒng)計(jì)顯著或者第三步中（中間變量）感知價(jià)值回歸系數(shù)不顯著，說(shuō)明該外生變量不存在間接作用；假如某一外生變量（如耐用性、操作簡(jiǎn)單性和通話效果）在第一步和第三步中回歸系數(shù)都是統(tǒng)計(jì)顯著，說(shuō)明該外生變量存在部分間接作用；假如某外生變量（價(jià)格）回歸系數(shù)在第一步顯著，而在第三步不顯著，說(shuō)明該外生變量存在完全間接作用。第34頁(yè)2024/8/1835

目錄上頁(yè)下頁(yè)返回結(jié)束

廣義路徑模型有兩種基本類型：遞歸模型和非遞歸模型。兩種模型在分析時(shí)有所不一樣，遞歸模型能夠直接經(jīng)過最小二乘求解，而非遞歸模型求解比較復(fù)雜。盡管本章主要介紹基于最小二乘路徑分析（即遞歸路徑模型），但同時(shí)也要求讀者能夠預(yù)先正確判斷一個(gè)模型所屬類型，才能確保應(yīng)用路徑分析不會(huì)犯錯(cuò)。因果關(guān)系結(jié)構(gòu)中全部為單向鏈條關(guān)系、無(wú)反饋?zhàn)饔媚Ｐ头Q為遞歸模型（recursivemodel）。無(wú)反饋?zhàn)饔靡馕吨?，各?nèi)生變量與其原因變量誤差項(xiàng)之間或各兩個(gè)內(nèi)生變量誤差項(xiàng)之間必須相互獨(dú)立。與遞歸模型相正確另一類模型稱作非遞歸模型（nonrecursivemodel）。普通來(lái)說(shuō)，非遞歸模型相對(duì)來(lái)說(shuō)輕易判斷，假如一個(gè)模型不包含非遞規(guī)模型特征，它便是遞歸模型。第35頁(yè)2024/8/1836

目錄上頁(yè)下頁(yè)返回結(jié)束

假如一個(gè)路徑模型包含以下四種情況，便是非遞歸模型。情況一：模型中任何兩個(gè)變量之間存在直接反饋?zhàn)饔?，在路徑圖上表示為雙向因果關(guān)系。如圖10-3(a)所表示。情況二：某變量存在本身反饋?zhàn)饔?，即該變量存在自相關(guān)，如圖10-3(b)所表示。第36頁(yè)2024/8/1837

目錄上頁(yè)下頁(yè)返回結(jié)束

情況三：變量之間即使沒有直接反饋，不過存在間接反饋?zhàn)饔?，即順著某一變量及隨即變量路徑方向循序前進(jìn)，經(jīng)過若干變量后，又能返回這一起始變量，如圖10-3(c)所表示。第37頁(yè)2024/8/1838

目錄上頁(yè)下頁(yè)返回結(jié)束

情況四：內(nèi)生變量誤差項(xiàng)與其它相關(guān)項(xiàng)相關(guān)，如結(jié)果變量誤差項(xiàng)與其原因項(xiàng)相關(guān)（圖10-3(d)），或者不一樣變量之間誤差項(xiàng)之間存在相關(guān)（圖10-3(e)）。第38頁(yè)2024/8/1839

目錄上頁(yè)下頁(yè)返回結(jié)束

使用最小二乘預(yù)計(jì)方法要求路徑模型含有一些假設(shè)要求和限制，現(xiàn)在總結(jié)以下：

(1)首先要求模型中各變量函數(shù)關(guān)系為線性、可加；不然不能采取回歸方法預(yù)計(jì)路徑系數(shù)。假如處理變量之間交互作用，把交互項(xiàng)看作一個(gè)單獨(dú)變量，此時(shí)它與其它變量函數(shù)關(guān)系一樣滿足線性、可加。

(2)模型中各變量均為等間距測(cè)度。盡管路徑分析中通常會(huì)使用二分?jǐn)?shù)據(jù)(dichotomiesdata)或者次序數(shù)據(jù)(ordinaldata)，然而不能使用超出一個(gè)值虛擬變量，因?yàn)檫@會(huì)違反遞歸性要求。第39頁(yè)2024/8/1840

目錄上頁(yè)下頁(yè)返回結(jié)束

(3)每一內(nèi)生變量誤差項(xiàng)不得與其前置變量相關(guān)，同時(shí)也不得與其它內(nèi)生變量及其誤差項(xiàng)相關(guān)。這是對(duì)模型遞歸性要求。另外，模型不考慮外生變量相關(guān)性，即不對(duì)外生變量相關(guān)進(jìn)行分析。(4)模型中因果關(guān)系必須為單向，不得包含各種形式反饋?zhàn)饔谩＿@一樣是對(duì)模型遞歸性要求。(5)各變量均為可觀察變量，而且各變量測(cè)量不能存在誤差。這兩個(gè)弱點(diǎn)在SEM技術(shù)中得到了克服，已經(jīng)發(fā)展了一套成熟處理隱變量和測(cè)量誤差技術(shù)。(6)變量間多重共線性程度不能太高，不然路徑系數(shù)預(yù)計(jì)值誤差將會(huì)很大。(7)需要有足夠樣本量。Kline(1998)提議樣本量個(gè)數(shù)應(yīng)該是需要預(yù)計(jì)參數(shù)個(gè)數(shù)10倍(20倍愈加理想)。第40頁(yè)2024/8/1841

目錄上頁(yè)下頁(yè)返回結(jié)束

其中，（10.2）在上述假設(shè)下，采取最小二乘法能夠很輕易求解各個(gè)參數(shù)值,見文件[3],而且能夠單獨(dú)對(duì)其中一個(gè)方程求解。上述假設(shè)條件用數(shù)學(xué)符號(hào)很輕易說(shuō)明，但有些抽象。任何一個(gè)（遞歸）路徑模型都能夠用結(jié)構(gòu)方程組表示，假設(shè)和分別為模型中內(nèi)生和外生可觀側(cè)變量向量；是參系數(shù)矩陣，能夠證實(shí)，若為路徑遞歸模型，則總能夠?qū)憺樯先蔷仃嚒Ｊ菂⑾禂?shù)矩陣，e為內(nèi)生變量所對(duì)應(yīng)誤差項(xiàng)，滿足期望為零，兩兩不相關(guān)。則該路徑模型結(jié)構(gòu)方程組為:和

第41頁(yè)2024/8/1842

目錄上頁(yè)下頁(yè)返回結(jié)束

作為本節(jié)結(jié)束，我們需要提醒讀者：一個(gè)好路徑圖并不意味著一定包含有盡可能多箭頭；相反，統(tǒng)計(jì)學(xué)上最感興趣情形是：應(yīng)該尋找盡可能少箭頭去聯(lián)結(jié)盡可能少變量，而這時(shí)路徑圖又能對(duì)所代表樣本擬合得好，即所謂模型簡(jiǎn)約性（parsimony），在后面相關(guān)模型擬合度檢驗(yàn)中我們對(duì)這段話會(huì)有更深體會(huì)。第42頁(yè)2024/8/1843

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑分析技術(shù)是從分解相關(guān)系數(shù)發(fā)展出來(lái)，所以分解相關(guān)系數(shù)在路徑分析中帶有普通性意義，而且是路徑分析中很主要一部分。經(jīng)過對(duì)原因變量和結(jié)果變量相關(guān)系數(shù)分解，我們能夠很清楚地看出造成相關(guān)關(guān)系各種原因。有時(shí)也包括到對(duì)回歸系數(shù)分解，我們這里不進(jìn)行介紹。下面以一例子說(shuō)明相關(guān)系數(shù)分解過程。圖10-4為一假想六個(gè)變量路徑圖：A,B,C為三個(gè)兩兩相關(guān)外生變量，A,B和殘差項(xiàng)e4共同決定D，B,C,D和殘差項(xiàng)e5決定E，最終，D,E和殘差項(xiàng)e6影響最終止果變量F，共含有三層因果關(guān)系。對(duì)應(yīng)于路徑圖，我們寫出結(jié)構(gòu)方程組:第43頁(yè)2024/8/1844

目錄上頁(yè)下頁(yè)返回結(jié)束

第44頁(yè)2024/8/1845

目錄上頁(yè)下頁(yè)返回結(jié)束

外生變量相關(guān)關(guān)系在圖中表達(dá)，內(nèi)生變量誤差項(xiàng)之間獨(dú)立，內(nèi)生變量誤差項(xiàng)與其前置變量之間獨(dú)立。在式（10.3）中，假如路徑系數(shù)p14，p24已知，則D方差能夠從上式計(jì)算出大小。很輕易看出，對(duì)其它表示式存在一樣結(jié)果，這里只是提醒讀者，殘差項(xiàng)路徑系數(shù)由其它路徑系數(shù)決定，而且該內(nèi)生變量與其誤差項(xiàng)相關(guān)系數(shù)即為誤差項(xiàng)路徑系數(shù)；另外，殘差項(xiàng)路徑系數(shù)可由多元回歸決定系數(shù)計(jì)算出，它們之間關(guān)系為：

，詳細(xì)證實(shí)可參考[8]。第45頁(yè)2024/8/1846

目錄上頁(yè)下頁(yè)返回結(jié)束

下面考慮相關(guān)系數(shù)分解，首先分解A,D之間相關(guān)系數(shù)，因?yàn)楦髯兞烤?jīng)過標(biāo)準(zhǔn)化處理，所以A,D相關(guān)系數(shù)

等于A,D乘積期望值。即（變量D用式10.3代替）第46頁(yè)2024/8/1847

目錄上頁(yè)下頁(yè)返回結(jié)束

第47頁(yè)2024/8/1848

目錄上頁(yè)下頁(yè)返回結(jié)束

第48頁(yè)2024/8/1849

目錄上頁(yè)下頁(yè)返回結(jié)束

第49頁(yè)2024/8/1850

目錄上頁(yè)下頁(yè)返回結(jié)束

第50頁(yè)2024/8/1851

目錄上頁(yè)下頁(yè)返回結(jié)束

第51頁(yè)2024/8/1852

目錄上頁(yè)下頁(yè)返回結(jié)束

經(jīng)過上面對(duì)相關(guān)系數(shù)分解，我們能夠總結(jié)出，相關(guān)系數(shù)分解可能產(chǎn)生四種類型組成部分：（1）直接作用；（2）間接作用；（3）因?yàn)樵蜃兞肯嚓P(guān)而產(chǎn)生未析部分；（4）因?yàn)楣餐虼嬖诙a(chǎn)生偽相關(guān)部分。路徑系數(shù)分解結(jié)果普通經(jīng)過報(bào)表形式把各種作用展現(xiàn)出來(lái)，第五節(jié)實(shí)例分析會(huì)給讀者提供一個(gè)報(bào)表形式。然而，假如按照上面步驟，相關(guān)系數(shù)分解將是非常繁瑣。Wright提供了從路徑圖直接分解規(guī)則。Wright認(rèn)為，對(duì)于一個(gè)遞歸性路徑模型，任何兩個(gè)變量相關(guān)系數(shù)都能夠表示成連接這兩點(diǎn)之間全部復(fù)合路徑之和；而這個(gè)復(fù)合路徑是按下述三個(gè)規(guī)則選?。╓right規(guī)則）：第52頁(yè)2024/8/1853

目錄上頁(yè)下頁(yè)返回結(jié)束

(1)這個(gè)復(fù)合路徑?jīng)]有閉合環(huán)路；(2)在這個(gè)復(fù)合路徑中箭頭取向是不可有“先向前，再向后”，也就是說(shuō)該路徑鏈上不止兩個(gè)箭頭時(shí)，要“先向后”盡可能多次數(shù)，“再向前”盡可能少次數(shù)。(3)對(duì)于有多個(gè)雙箭頭鏈，只能夠取最遠(yuǎn)距離一個(gè)雙箭頭。即一條路徑中不能夠包含兩個(gè)雙向箭頭。結(jié)合Wright規(guī)則，在圖10-5（a）中，若計(jì)算D和E相關(guān)系數(shù)，路徑DCE是合理，而路徑DCABCE則不能夠（規(guī)則(1)）；在圖10-5（b）中，若計(jì)算B和C相關(guān)系數(shù)，路徑BAC是合理，而路徑BDC則不能夠（規(guī)則(2)）；在圖10-5（c）中，若計(jì)算D和F相關(guān)系數(shù)，路徑DACF是合理，而路徑DABCF則不能夠（規(guī)則(3)）。第53頁(yè)2024/8/1854

目錄上頁(yè)下頁(yè)返回結(jié)束

第54頁(yè)2024/8/1855

目錄上頁(yè)下頁(yè)返回結(jié)束

第55頁(yè)2024/8/1856

目錄上頁(yè)下頁(yè)返回結(jié)束

第56頁(yè)2024/8/1857

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑分析流程圖及SPSS指令分析流程圖進(jìn)行路徑分析所使用SPSS指令第57頁(yè)2024/8/1858

目錄上頁(yè)下頁(yè)返回結(jié)束

分析流程圖第58頁(yè)2024/8/1859

目錄上頁(yè)下頁(yè)返回結(jié)束

進(jìn)行路徑分析所使用SPSS指令下面以SPSSAmos模塊為例說(shuō)明路徑分析實(shí)現(xiàn)過程；然而依據(jù)上面介紹，路徑分析也能夠利用回歸分析手工完成。在AmosGraphics模塊中，首先需要選擇數(shù)據(jù)文件，在File菜單下，選擇“DataFiles”給出需要進(jìn)行分析文件名。然后繪出路徑分析圖：在Diagram菜單下，選擇“DrawObserved”繪制觀察變量；選擇“DrawUnobserved”繪制不可觀察變量，在路徑分析中是殘差項(xiàng)；選擇“DrawPath”繪制兩變量因果關(guān)系；選擇“DrawCovariance”繪制兩變量相關(guān)關(guān)系；然后對(duì)繪出各個(gè)變量指定變量名。第59頁(yè)2024/8/1860

目錄上頁(yè)下頁(yè)返回結(jié)束

進(jìn)行路徑分析所使用SPSS指令接著要指定殘差項(xiàng)方差為1，選定某個(gè)殘差項(xiàng)后，擊右鍵，選擇“ObjectProperties”后，在“Parameteres”下設(shè)定方差為1。并在菜單下View/Set下選擇“AnalysisProperties”，在“Estimation”一項(xiàng)中選擇預(yù)計(jì)方法為“Scale-freeleastsquare”，關(guān)閉該窗口。最終就能夠點(diǎn)擊Model-Fit菜單下選項(xiàng)“CalculateEstimates”計(jì)算路徑系數(shù)了。能夠經(jīng)過三種方式察看結(jié)果：文字法，表格法和圖表法。第60頁(yè)2024/8/1861

目錄上頁(yè)下頁(yè)返回結(jié)束

案例分析從對(duì)路徑模型介紹能夠知道，路徑系數(shù)預(yù)計(jì)并不復(fù)雜，用普通多元回歸方法就可實(shí)現(xiàn)。SPSS軟件是一個(gè)能夠選擇軟件，然而路徑分析又不全部是靠軟件實(shí)現(xiàn)，變量相關(guān)系數(shù)分解，對(duì)模型調(diào)試和檢驗(yàn)經(jīng)過手工就可完成。下面以詳細(xì)實(shí)例說(shuō)明路徑分析整個(gè)實(shí)現(xiàn)過程。第61頁(yè)2024/8/1862

目錄上頁(yè)下頁(yè)返回結(jié)束

模型設(shè)定【例10.1】我們采取SPSS10.0自帶數(shù)據(jù)文件Employeedata進(jìn)行路徑分析。該數(shù)據(jù)共有474個(gè)觀察值，473個(gè)有效，標(biāo)號(hào)為434出生日期缺失，在下面分析中，不考慮該樣品；該數(shù)據(jù)包含10個(gè)變量：標(biāo)號(hào)（id）、性別（gender）、出生日期（bdate，DateofBirth）、受教育水平（educ，EducationalLevel）、工作類別（jobcat，EmploymentCategory）、當(dāng)前工資（salary，CurrentSalary）、初始工資（salbegin，BeginningSalary）、已經(jīng)工作時(shí)間（jobtime，MonthssinceHire）、以前工作經(jīng)驗(yàn)（preexp，PreviousExperience）、是否是少數(shù)民族（minority）。性別為屬性變量，用“f”表示女性，“m”表示男性；受教育水平使用受教育年數(shù)衡量；工作類別分為三類：公務(wù)員（“1”），監(jiān)督人（“2”）以及經(jīng)理人員（“3”）。第62頁(yè)2024/8/1863

目錄上頁(yè)下頁(yè)返回結(jié)束

模型設(shè)定當(dāng)前工資和初始工資以實(shí)際額為準(zhǔn)。已經(jīng)工作時(shí)間和以前工作經(jīng)驗(yàn)均以發(fā)生月份衡量；是否是少數(shù)民族為0,1變量，1表示是少數(shù)民族，0表示非少數(shù)民族。假設(shè)數(shù)據(jù)采集時(shí)間為1997，則用1997減出生日期年份數(shù)作為年紀(jì)（age）衡量指標(biāo)。比如若某人在1952年出生，則年紀(jì)測(cè)度為1997-1952=45。表10-2為樣本相關(guān)系數(shù)矩陣。第63頁(yè)2024/8/1864

目錄上頁(yè)下頁(yè)返回結(jié)束

模型設(shè)定對(duì)標(biāo)號(hào)、性別、民族不進(jìn)行區(qū)分，關(guān)注其余7個(gè)變量之間因果關(guān)系。表10-2為這7個(gè)變量樣本相關(guān)系數(shù)。依據(jù)時(shí)間和邏輯次序，我們得到幾條因果路徑：受教育水平影響初始工資和當(dāng)前工資，因?yàn)榇罅拷y(tǒng)計(jì)結(jié)果表明，個(gè)人受教育水平越高，所取得工資也越高；同時(shí)也認(rèn)為，一個(gè)人受教育水平越高，以前工作經(jīng)驗(yàn)越多，他從事工作類別應(yīng)該越高；另外，初始工資會(huì)影響工作類別，在相關(guān)系數(shù)矩陣中，我們已經(jīng)看到二者相關(guān)系數(shù)較大；年紀(jì)影響已經(jīng)工作時(shí)間以及以前工作經(jīng)驗(yàn)，因?yàn)槟昙o(jì)越大，（在本職位）已經(jīng)工作時(shí)間或者以前工作經(jīng)驗(yàn)會(huì)越長(zhǎng)；其次，年紀(jì)和受教育水平應(yīng)該存在負(fù)相關(guān)，這里不關(guān)注二者因果關(guān)系，僅僅簡(jiǎn)單假設(shè)二者相關(guān)。第64頁(yè)2024/8/1865

目錄上頁(yè)下頁(yè)返回結(jié)束

模型設(shè)定最終，初始工資、工作類別、已經(jīng)工作時(shí)間以及以前工作經(jīng)驗(yàn)都影響當(dāng)前工資，普通來(lái)說(shuō)，初始工資越高，工作類別越高（按1,2,3次序），以前工作經(jīng)驗(yàn)越多，時(shí)間越長(zhǎng)，當(dāng)前工資越高，這些變量間均應(yīng)有正因果關(guān)系。依據(jù)這些邏輯理由，我們假設(shè)路徑模型如圖10-8所表示，不妨稱此模型為模型1。很顯然，模型1為遞歸路徑模型，各外生變量不存在測(cè)量誤差，假設(shè)各路徑因果關(guān)系均為線性、可加，并深入假設(shè)各內(nèi)生變量之間不存在相關(guān)關(guān)系。第65頁(yè)2024/8/1866

目錄上頁(yè)下頁(yè)返回結(jié)束

模型設(shè)定第66頁(yè)2024/8/1867

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)預(yù)計(jì)采取Amos軟件對(duì)圖10-8進(jìn)行預(yù)計(jì)，輸出結(jié)果如圖10-9所表示。第67頁(yè)2024/8/1868

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)預(yù)計(jì)依據(jù)圖10-9，我們發(fā)覺年紀(jì)對(duì)已經(jīng)工作時(shí)間路徑系數(shù)僅為0.003，為0.001，方程擬合效果不好；同時(shí)，以前工作經(jīng)驗(yàn)對(duì)當(dāng)前工資路徑系數(shù)也很小。考慮刪除上面兩條路徑以及殘差項(xiàng)e6，并重新預(yù)計(jì)模型，結(jié)果如圖10-10。第68頁(yè)2024/8/18中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心69

目錄上頁(yè)下頁(yè)返回結(jié)束

模型調(diào)試和檢驗(yàn)假設(shè)圖10-9對(duì)應(yīng)模型是基準(zhǔn)模型，圖10-10對(duì)應(yīng)模型為待檢模型。下面分別計(jì)算基準(zhǔn)模型和待檢模型擬合指數(shù)和，對(duì)模型進(jìn)行調(diào)試：

第69頁(yè)2024/8/1870

目錄上頁(yè)下頁(yè)返回結(jié)束

模型調(diào)試和檢驗(yàn)

從而W統(tǒng)計(jì)量為：若基準(zhǔn)模型正確，W服從自由度為2分布。這里Wp值為0.1891，統(tǒng)計(jì)不顯著。能夠認(rèn)為圖10-10對(duì)應(yīng)模型正確。第70頁(yè)2024/8/1871

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解

表10-3是Amos軟件總效應(yīng)分解報(bào)表：表10-3路徑系數(shù)分解報(bào)表原因變量結(jié)果變量總影響直接影響間接影響受教育水平初始工資0.5700.5700.000工作類別0.5300.1290.401當(dāng)前工資0.6580.1960.462年紀(jì)以前工作經(jīng)驗(yàn)0.8010.8010.000工作類別0.1230.0000.123當(dāng)前工資0.0220.0000.022已經(jīng)工作時(shí)間當(dāng)前工資0.0840.0840.000以前工作經(jīng)驗(yàn)工作類別0.1540.1540.000當(dāng)前工資0.0280.0000.028初始工資工作類別0.7050.7050.000當(dāng)前工資0.7690.6400.129工作類別當(dāng)前工資0.1830.1830.000第71頁(yè)2024/8/1872

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解

能夠看出，受教育水平對(duì)當(dāng)前工資影響主要是經(jīng)過工作類別和初始工資傳遞間接影響，教育水平對(duì)初始工資（工作）含有很大影響作用，但隨即（直接）影響便較弱（0.196），這與我們常識(shí)相一致，初始工作可能取決于學(xué)歷，然而以后主要看工作經(jīng)歷及個(gè)人能力了。年紀(jì)對(duì)當(dāng)前工資影響主要經(jīng)過工作類別和以前工作經(jīng)驗(yàn)傳遞完成，它對(duì)當(dāng)前工資影響為正。其它分析類似，讀者不妨自己動(dòng)手分析。

下面再舉一個(gè)例子。第72頁(yè)2024/8/1873

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解

【例10.2】一家大型商業(yè)銀行在多個(gè)地域設(shè)有分行，其業(yè)務(wù)主要是進(jìn)行基礎(chǔ)設(shè)施建設(shè)、國(guó)家重點(diǎn)項(xiàng)目建設(shè)、固定資產(chǎn)投資等項(xiàng)目標(biāo)貸款。今年來(lái)，該銀行貸款額平穩(wěn)增加，但不良貸款額也有較大百分比增加，這給銀行業(yè)務(wù)發(fā)展帶來(lái)較大壓力。為搞清楚不良貸款形成原因，管理者希望利用銀行業(yè)務(wù)相關(guān)數(shù)據(jù)做些定量分析，方便找出控制不量貸款方法。圖10-11就是該銀行所屬25家分行年相關(guān)業(yè)務(wù)數(shù)據(jù)。第73頁(yè)圖10.11商業(yè)銀行所屬25家分行年相關(guān)業(yè)務(wù)數(shù)據(jù)2024/8/1874

目錄上頁(yè)下頁(yè)返回結(jié)束

第74頁(yè)2024/8/1875

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解

注：不良貸款（y）、貸款余額（x1）、累計(jì)應(yīng)收貸款(x2)、貸款項(xiàng)目個(gè)數(shù)(x3)和固定資產(chǎn)投資額(x4)依據(jù)經(jīng)驗(yàn)可知，各項(xiàng)貸款余額越高則不良貸款越高，但同時(shí)，各項(xiàng)貸款余額也會(huì)受其它變量影響，所以綜合考慮之下，本例應(yīng)該建立以下路徑分析模型：第75頁(yè)2024/8/1876

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解

下面考慮對(duì)該模型加以擬合，因?yàn)檎麄€(gè)模型是一個(gè)遞歸模型，能夠在SPSS中使用分別擬合回歸方程方法來(lái)實(shí)現(xiàn)對(duì)模型中各參數(shù)預(yù)計(jì)，首先對(duì)各項(xiàng)貸款余額回歸方程進(jìn)行預(yù)計(jì)，結(jié)果見表10-4和10-5：表10-4第76頁(yè)2024/8/1877

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解

表10-5可見，應(yīng)收貸款、貸款項(xiàng)目、固定資產(chǎn)均對(duì)各項(xiàng)貸款余額有影響。應(yīng)收貸款、貸款項(xiàng)目則各項(xiàng)貸款余額越高。下面對(duì)第二個(gè)方程進(jìn)行預(yù)計(jì)，參數(shù)結(jié)果見表10-6和表10-7：第77頁(yè)2024/8/1878

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解

表10-6表10-7第78頁(yè)2024/8/1879

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解

固定資產(chǎn)和各項(xiàng)貸款對(duì)不良貸款有影響，而應(yīng)收貸款、貸款項(xiàng)目對(duì)其影響不顯著。從上面分析可知，假如只是擬合第二個(gè)方程，則所得結(jié)果其實(shí)就是一個(gè)簡(jiǎn)單多重回歸方程結(jié)果，而且可知自變量間存在共線性。顯然，對(duì)于不良貸款而言，使用路徑分析并不會(huì)使得模型對(duì)最終止果變量預(yù)測(cè)愈加準(zhǔn)確。但經(jīng)過對(duì)自變量間復(fù)雜關(guān)聯(lián)刻畫，路徑分析模型能夠很準(zhǔn)確地預(yù)計(jì)出每一個(gè)自變量終究是經(jīng)過那些方式來(lái)作用于最終因變量，從而使得研究者對(duì)問題了解愈加深入和全方面。經(jīng)過上面分析，能夠?qū)⑸鲜瞿Ｐ图右院?jiǎn)化，去除那些無(wú)統(tǒng)計(jì)意義變量后重新加以擬合，分析結(jié)果見表10-8和表10-9：第79頁(yè)2024/8/1880

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解表10-8表10-9第80頁(yè)2024/8/1881

目錄上頁(yè)下頁(yè)返回結(jié)束

路徑系數(shù)分解可見方程決定系數(shù)基本未變，自變量都有統(tǒng)計(jì)學(xué)意義。顯然，化簡(jiǎn)后路徑分析模型對(duì)數(shù)據(jù)解釋程度與前一個(gè)模型相比無(wú)顯著差異，但愈加簡(jiǎn)練。本例所擬合路徑分析模型能夠使用標(biāo)準(zhǔn)化系數(shù)繪制出路徑如圖10-12.圖10-12第81頁(yè)結(jié)構(gòu)方程模型第82頁(yè)2024/8/1883目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型結(jié)構(gòu)方程模型SEM(structuralequationmodeling)是近二十年應(yīng)用統(tǒng)計(jì)學(xué)領(lǐng)域中發(fā)展最為快速一個(gè)分支。它是一個(gè)實(shí)證分析模型，經(jīng)過尋找變量間內(nèi)在結(jié)構(gòu)關(guān)系，去驗(yàn)證某種結(jié)構(gòu)關(guān)系或模型假設(shè)是否合理，模型是否正確，而且假如模型存在問題，能夠指出怎樣加以修改。結(jié)構(gòu)方程模型另一大特點(diǎn)是能夠?qū)﹄[變量(latentvariables)進(jìn)行分析。多元回歸分析、因子分析和路徑分析等都可看成是結(jié)構(gòu)方程模型一個(gè)特例?，F(xiàn)實(shí)生活中，有許多變量諸如健康、優(yōu)異、樂觀、智力、滿意、公正等概念即使是客觀存在，但因?yàn)槿苏J(rèn)識(shí)水平或事物本身抽象性、復(fù)雜性等原因，我們是無(wú)法直接測(cè)量，我們稱這么變量為隱變量。結(jié)構(gòu)方程能夠經(jīng)過一些可觀察變量對(duì)這些隱變量特征及其相互之間關(guān)系進(jìn)行描述，所以，有時(shí)也稱結(jié)構(gòu)方程模型為隱變量分析模型。第83頁(yè)2024/8/1884目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型結(jié)構(gòu)方程模型應(yīng)用始見于20世紀(jì)60年代發(fā)表論文中，1987年Loehlin用路徑分析模型和結(jié)構(gòu)方程模型對(duì)隱變量模型作了出眾介紹，兩年之后Bollen提出了處理測(cè)量誤差模型更專門化統(tǒng)計(jì)方法。到了90年代，結(jié)構(gòu)方程模型得到了廣泛應(yīng)用。當(dāng)前，結(jié)構(gòu)方程模型已發(fā)展成內(nèi)容非常豐富一個(gè)主要領(lǐng)域，在此，僅介紹結(jié)構(gòu)方程模型一些基本內(nèi)容，有興趣讀者能夠深入?yún)㈤喯嚓P(guān)書籍。第84頁(yè)2024/8/18中國(guó)人民大學(xué)六西格瑪質(zhì)量管理研究中心85目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型基本思想結(jié)構(gòu)方程模型是反應(yīng)隱變量和顯變量一組方程，其目標(biāo)是經(jīng)過顯變量測(cè)量推斷隱變量，并對(duì)假設(shè)模型正確性進(jìn)行檢驗(yàn)。結(jié)構(gòu)方程模型是模型驗(yàn)證技術(shù)。即利用結(jié)構(gòu)方程模型分析過程實(shí)際上是對(duì)假定模型驗(yàn)證過程。對(duì)于某個(gè)領(lǐng)域?qū)I(yè)人員依據(jù)本事域知識(shí)或常識(shí)建立反應(yīng)結(jié)構(gòu)關(guān)系模型，因?yàn)閷I(yè)人員認(rèn)識(shí)水平和各種原因限制，這一模型未必是客觀現(xiàn)實(shí)反應(yīng)，有可能存在偏差和主觀性，怎樣發(fā)覺模型問題，怎樣依據(jù)分析結(jié)果深入修正模型，這些正是結(jié)構(gòu)方程模型能夠處理問題。第85頁(yè)2024/8/1886目錄上頁(yè)下頁(yè)返回結(jié)束詳細(xì)來(lái)說(shuō)，結(jié)構(gòu)方程模型分析過程是：在設(shè)定結(jié)構(gòu)模型基礎(chǔ)上，為證實(shí)模型準(zhǔn)確性，首先要判斷這些方程是否可識(shí)別模型，對(duì)于可識(shí)別模型，經(jīng)過搜集顯變量數(shù)據(jù)，利用最大似然預(yù)計(jì)（maximumlikelihood）或廣義最小二乘預(yù)計(jì)（generalizedleastsquares）等預(yù)計(jì)方法對(duì)未知參數(shù)進(jìn)行預(yù)計(jì)。對(duì)于模型結(jié)果，需要對(duì)模型與數(shù)據(jù)之間是否擬合進(jìn)行評(píng)價(jià)。假如，模型與數(shù)據(jù)擬合得不好，就需要對(duì)模型進(jìn)行修正，重新設(shè)定模型，一個(gè)擬合很好模型往往需要重復(fù)試驗(yàn)屢次。在進(jìn)行模型預(yù)計(jì)之前，研究者需要依據(jù)專業(yè)知識(shí)或經(jīng)驗(yàn)設(shè)定假設(shè)初始模型。而結(jié)構(gòu)方程模型主要用途即為確定該假定模型是否合理。第86頁(yè)2024/8/1887目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型通常是借助路徑圖將初始模型描述出來(lái)，對(duì)于復(fù)雜模型尤其如此。這里從與結(jié)構(gòu)方程結(jié)合角度，對(duì)上一章內(nèi)容簡(jiǎn)單回顧一下，并在此基礎(chǔ)上看怎樣得出結(jié)構(gòu)方程模型。路徑圖中變量能夠是不一樣類型，按能否被直接測(cè)量，路徑圖中變量能夠分為顯變量(manifestvariable)和隱變量(latentvariable)。通常前者是能夠直接測(cè)量，在圖中用方框來(lái)標(biāo)識(shí)；而后者即使是客觀存在，但因?yàn)槿苏J(rèn)識(shí)水平或事物本身抽象性、復(fù)雜性等原因，我們無(wú)法直接測(cè)量，通慣用橢圓形框來(lái)標(biāo)識(shí)。

第87頁(yè)2024/8/1888目錄上頁(yè)下頁(yè)返回結(jié)束按照變量之間關(guān)系，又可分為外生變量（exogenousvariable）和內(nèi)生變量(endogenousvariable)，內(nèi)生變量是由隱變量決定變量，外生變量是由顯變量決定變量。變量之間關(guān)系用線條表示，能夠是直接作用也能夠是間接作用，當(dāng)二者之間有直接聯(lián)線時(shí)，稱為直接作用。假如變量之間沒有直接聯(lián)線則是假設(shè)變量之間沒有直接聯(lián)絡(luò)，但能夠經(jīng)過其它變量發(fā)生聯(lián)絡(luò)，稱之為間接聯(lián)絡(luò)。線條既能夠加單箭頭，也能夠加雙箭頭。單箭頭表示存在因果關(guān)系，雙箭頭則表示含有相關(guān)關(guān)系。

第88頁(yè)2024/8/1889目錄上頁(yè)下頁(yè)返回結(jié)束下面用一個(gè)詳細(xì)事例來(lái)看一下路徑圖，然后在此基礎(chǔ)上寫出結(jié)構(gòu)方程模型。這是Wheatonetal在1977年給出一個(gè)廣為人知例子。這是一個(gè)測(cè)度“神精錯(cuò)亂平穩(wěn)性”例子，在他給出數(shù)據(jù)集中使用了Illinois農(nóng)村地域932個(gè)人調(diào)查數(shù)據(jù)，調(diào)查了六個(gè)變量：y1：1967年異常程度；y2：1967年軟弱程度；y3：1971年異常程度；y4：1971年軟弱程度；x1：受教育情況（上年數(shù)）；x2：當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)指數(shù)。第89頁(yè)2024/8/1890目錄上頁(yè)下頁(yè)返回結(jié)束第90頁(yè)2024/8/1891目錄上頁(yè)下頁(yè)返回結(jié)束第91頁(yè)2024/8/1892目錄上頁(yè)下頁(yè)返回結(jié)束路徑圖實(shí)際上提供了一個(gè)假設(shè)模型，它表達(dá)了隱變量與隱變量之間、隱變量與顯變量之間（包含內(nèi)生隱變量與顯變量和外生隱變量與顯變量之間）可能存在關(guān)系，而且，這種關(guān)系詳細(xì)程度，能夠經(jīng)過路徑系數(shù)來(lái)反應(yīng)。在這些變量中，顯變量是能夠觀察，而每個(gè)隱變量都對(duì)應(yīng)著幾個(gè)顯變量，如上圖中隱變量“社會(huì)經(jīng)濟(jì)情況”就對(duì)應(yīng)著兩個(gè)顯變量“受教育情況”和“社會(huì)經(jīng)濟(jì)指數(shù)”。給出路徑圖后，我們就能夠?qū)@些假設(shè)結(jié)構(gòu)關(guān)系，利用顯變量數(shù)據(jù)，經(jīng)過建立結(jié)構(gòu)方程模型，深入檢驗(yàn)?zāi)Ｐ图僭O(shè)合理性并確定模型中路徑系數(shù)。第92頁(yè)2024/8/1893目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型結(jié)構(gòu)結(jié)構(gòu)方程模型普通由測(cè)量方程(MeasurementEquation)和結(jié)構(gòu)方程(StructuralEquation)兩部分組成。測(cè)量方程描述潛變量與指標(biāo)之間關(guān)系；結(jié)構(gòu)方程則反應(yīng)潛變量之間關(guān)系。指標(biāo)含有隨機(jī)誤差和系統(tǒng)誤差。前者指測(cè)量上不準(zhǔn)確性行為，后者反應(yīng)指標(biāo)同時(shí)測(cè)量潛變量以外特征。隨機(jī)誤差和系統(tǒng)誤差統(tǒng)稱為測(cè)量誤差，但潛變量則不含這些誤差。第93頁(yè)2024/8/1894目錄上頁(yè)下頁(yè)返回結(jié)束第94頁(yè)2024/8/1895目錄上頁(yè)下頁(yè)返回結(jié)束第95頁(yè)2024/8/1896目錄上頁(yè)下頁(yè)返回結(jié)束第96頁(yè)2024/8/1897目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型優(yōu)點(diǎn)(1)能同時(shí)處理多個(gè)因變量。結(jié)構(gòu)方程模型可同時(shí)考慮并處理多個(gè)因變量。而回歸分析中，只能處理一個(gè)因變量，假如有多個(gè)因變量需要處理，則需要分別計(jì)算，這么在計(jì)算一個(gè)因變量時(shí)，就忽略了其它因變量存在及影響。第97頁(yè)2024/8/1898目錄上頁(yè)下頁(yè)返回結(jié)束(2)允許自變量和因變量均包含測(cè)量誤差。從測(cè)量方程中可看到，很多變量如學(xué)業(yè)成績(jī)、社會(huì)經(jīng)濟(jì)地位等潛變量觀察值不能用單一指標(biāo)來(lái)測(cè)量，往往還包含了大量測(cè)量誤差。從結(jié)構(gòu)方程模型特點(diǎn)看出：結(jié)構(gòu)方程分析允許自變量和因變量均含有測(cè)量誤差。而回歸分析只允許因變量存在測(cè)量誤差，假定自變量沒有誤差。(3)預(yù)計(jì)整個(gè)模型擬和程度。在傳統(tǒng)路徑分析中，我們只預(yù)計(jì)每條路徑變量間關(guān)系得強(qiáng)弱。在結(jié)構(gòu)方程分析中，能夠經(jīng)過結(jié)構(gòu)方程軟件LISREL計(jì)算出多個(gè)擬和參數(shù)值，能夠判斷不一樣模型對(duì)同一個(gè)樣本數(shù)據(jù)整體擬和程度，從中選取最準(zhǔn)確模型描述樣本數(shù)據(jù)體展現(xiàn)特征。第98頁(yè)2024/8/1899目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型構(gòu)建

由上一節(jié)介紹結(jié)構(gòu)方程模型結(jié)構(gòu)模式能夠看出，結(jié)構(gòu)方程模型普通由測(cè)量方程(MeasurementEquation)和結(jié)構(gòu)方程(StructuralEquation)兩部分組成。要很好完成這兩部分結(jié)構(gòu)，關(guān)鍵是利用結(jié)構(gòu)方程模型中分析變量(包含顯變量和隱變量)關(guān)系，依據(jù)相關(guān)領(lǐng)域?qū)I(yè)知識(shí)和研究目標(biāo)，構(gòu)建出理論模型，然后用測(cè)得數(shù)據(jù)去驗(yàn)證這個(gè)理論模型合理性。下面以一經(jīng)典實(shí)例來(lái)說(shuō)明模型建立過程。第99頁(yè)2024/8/18100目錄上頁(yè)下頁(yè)返回結(jié)束第100頁(yè)2024/8/18101目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型構(gòu)建

（1）結(jié)構(gòu)方程建立依據(jù)模型假設(shè)條件能夠建立反應(yīng)隱變間關(guān)系路徑圖，見圖11-2。第101頁(yè)2024/8/18102目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型構(gòu)建

第102頁(yè)2024/8/18103目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型構(gòu)建

（2）測(cè)量方程建立。依據(jù)模型假設(shè)條件能夠建立反應(yīng)顯變量和隱變量關(guān)系路徑圖，如圖11-3、圖11-4、圖11-5所表示。第103頁(yè)2024/8/18104目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型構(gòu)建

第104頁(yè)2024/8/18105目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型構(gòu)建

第105頁(yè)2024/8/18106目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型構(gòu)建

至此，測(cè)量方程和結(jié)構(gòu)方程都得到了建立，整個(gè)結(jié)構(gòu)方程模型也得以建立。當(dāng)然，初始建立理論模型有可能不是較理想模型，需要在數(shù)據(jù)擬合過程中重復(fù)修改，直到建立較理想模型。第106頁(yè)2024/8/18107目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型預(yù)計(jì)

第107頁(yè)2024/8/18108目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型預(yù)計(jì)最常見預(yù)計(jì)方法有沒有加權(quán)最小二乘法（ULS）、廣義最小二乘法（GLS）和最大似然預(yù)計(jì)（ML）。每種計(jì)算方法都是要找到參數(shù)預(yù)計(jì)使得擬合損失函數(shù)到達(dá)最小。擬合損失函數(shù)是度量觀察樣本協(xié)差陣和參數(shù)預(yù)計(jì)給出預(yù)測(cè)協(xié)差陣之間差異程度函數(shù)。ML方法對(duì)于多數(shù)應(yīng)用問題尤其是考慮到統(tǒng)計(jì)問題時(shí)是首選方法。GLS通常得出與ML方法類似結(jié)論。ML和GLS這兩種方法在不考慮協(xié)差陣尺度時(shí)是適用，而且需要顯變量是連續(xù)和多元正態(tài)。這是因?yàn)樽兞科珣B(tài)或高峰度會(huì)造成很差預(yù)計(jì)及其不正確標(biāo)準(zhǔn)誤和較高卡方值。ULS方法適合用于僅當(dāng)這些變量是可比較尺度上被測(cè)量時(shí)得到協(xié)差陣，不然ULS方法使用相關(guān)陣。若預(yù)測(cè)或觀察協(xié)差陣是奇異，則不能使用ML和GLS這兩種方法，這時(shí)要么去掉線性相關(guān)變量，要么用ULS方法。第108頁(yè)2024/8/18109目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

當(dāng)前，國(guó)際上一些著名軟件企業(yè)都推出了利用結(jié)構(gòu)方程模型進(jìn)行統(tǒng)計(jì)分析計(jì)算機(jī)應(yīng)用軟件，比如瑞典阿帕薩拉大學(xué)（TheUniversityofUppsala,Sweden）喬瑞斯考格(KarlG.Joreskog)和索爾波姆(DagSorbom)專門為進(jìn)行結(jié)構(gòu)方程模型分析所編寫LISREL軟件、以及我們所熟悉SAS軟件中CALIS和SPSSAMOS等等，這么，我們就能夠很方便利用結(jié)構(gòu)方程模型來(lái)處理各領(lǐng)域問題。依據(jù)我國(guó)統(tǒng)計(jì)軟件應(yīng)用情況，在這里主要對(duì)國(guó)內(nèi)比較流行SAS軟件中CALIS和LISREL軟件進(jìn)行介紹。第109頁(yè)2024/8/18110目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

11.5.1結(jié)構(gòu)方程模型分析流程依據(jù)前面關(guān)于結(jié)構(gòu)方程模型分析過程分析，利用結(jié)構(gòu)方程模型進(jìn)行分析結(jié)構(gòu)流程圖以下，這是我們進(jìn)行計(jì)算機(jī)實(shí)現(xiàn)基礎(chǔ)：第110頁(yè)2024/8/18111目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

從這一流程圖能夠看出，在利用結(jié)構(gòu)方程模型進(jìn)行分析時(shí)，首先要對(duì)分析實(shí)際問題進(jìn)行模型設(shè)定，這一模型建立好壞直接影響深入分析。要想建立一個(gè)好模型往往需要研究人員對(duì)研究對(duì)象有比較透徹了解，搞清指標(biāo)之間關(guān)系，為了使模型建立更直觀，并深入寫出結(jié)構(gòu)方程模型，往往借助路徑圖；接下來(lái)，就需要對(duì)建立模型進(jìn)行模式識(shí)別，看建立模型屬于恰好識(shí)別結(jié)構(gòu)模型、識(shí)別不足結(jié)構(gòu)模型還是過渡識(shí)別結(jié)構(gòu)模型，只有可識(shí)別模型才能夠進(jìn)入下一個(gè)步驟；第111頁(yè)2024/8/18112目錄上頁(yè)下頁(yè)返回結(jié)束§11.5結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

對(duì)于可識(shí)別模型就能夠利用下面將要介紹相關(guān)軟件預(yù)計(jì)結(jié)構(gòu)方程模型中相關(guān)參數(shù)并給出相關(guān)檢驗(yàn)參數(shù)；利用這些參數(shù)，就能夠?qū)δＰ瓦M(jìn)行評(píng)價(jià)，依據(jù)相關(guān)指標(biāo)標(biāo)準(zhǔn)，評(píng)價(jià)模型是否需要深入修正；假如模型不需要修正，就能夠?qū)δＰ瓦M(jìn)行應(yīng)用。對(duì)于需要修正模型，需要回到模型設(shè)定階段，再按上面過程逐步進(jìn)行，直到模型不需要修正、能夠應(yīng)用為止。第112頁(yè)2024/8/18113目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

SAS中CALIS過程介紹SAS/STAT軟件6.06版本以后新增加了線性結(jié)構(gòu)方程組協(xié)方差過程CALIS（covarianceanalysisoflinearstructuralequation），該過程能夠經(jīng)過協(xié)方差結(jié)構(gòu)分析，來(lái)預(yù)計(jì)參數(shù)并檢驗(yàn)結(jié)構(gòu)方程正確性。在SASCALIS過程中，又提供了各種模型來(lái)建立結(jié)構(gòu)方程模型，如RAM模型、LINEQS模型、LISREL模型等，在此介紹RAM模型，其它模型請(qǐng)參看相關(guān)書籍。

第113頁(yè)2024/8/18114目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

1、路徑圖描述CALIS中RAM語(yǔ)句能夠方便地描述路徑圖，假定有n個(gè)顯變量，按它們?cè)赟AS數(shù)據(jù)集中次序用整數(shù)1，2，3，…，n編號(hào)。每個(gè)箭頭便可由路徑圖中它所連接兩個(gè)變量編號(hào)所確認(rèn)，RAM語(yǔ)句包含了路徑圖中全部箭頭說(shuō)明，說(shuō)明之間用逗號(hào)隔開，每一說(shuō)明項(xiàng)包含3或4個(gè)數(shù)字或可選擇一個(gè)名字，次序以下：第114頁(yè)2024/8/18115目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

(1)箭頭有幾個(gè)；(2)箭頭指向變量編號(hào)，若是雙箭頭則為任意變量編號(hào)；(3)箭頭出發(fā)變量編號(hào)，若是雙箭頭則取另一變量編號(hào)；(4)箭頭表示系數(shù)、（協(xié)）方差值；(5)若箭頭代表參數(shù)待估，這寫上名字，這時(shí)前一個(gè)數(shù)字表示參數(shù)初始值。若箭頭代表一個(gè)常量，能夠省略名字；若用名字，第4個(gè)數(shù)字能夠省略。第115頁(yè)2024/8/18116目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

2、選擇預(yù)計(jì)方法CALIS提供三種預(yù)計(jì)方法，能夠用選項(xiàng)METHOD＝來(lái)要求：ULS沒有加權(quán)最小二乘預(yù)計(jì)GLS廣義最小二乘預(yù)計(jì)ML多元正態(tài)分布最大似然預(yù)計(jì)

第116頁(yè)2024/8/18117目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

沒有尤其要求時(shí)（即缺省時(shí)）預(yù)計(jì)方法使用METHOD＝ML，因?yàn)镸L對(duì)于多數(shù)統(tǒng)計(jì)問題是首選方法。比如，對(duì)于前面我們已經(jīng)給出例子，假如選擇廣義最小二乘法作為預(yù)計(jì)方法時(shí)，可使用語(yǔ)句proccaliscovdata=wheatonmethod=glstech=lmedf=931;其中proccalis是調(diào)用SAS中CALIS過程，選項(xiàng)cov要求對(duì)協(xié)方差陣進(jìn)行分析，沒有cov選項(xiàng)時(shí)則計(jì)算和分析相關(guān)陣；而data=wheaton是調(diào)用我們分析所用數(shù)據(jù)庫(kù)（注：這是SAS自帶數(shù)據(jù)庫(kù)）；選項(xiàng)tech=lm代表是使用Levenberg-Marquandt或Newton-Raphson最優(yōu)化方法，這里使用是后者；選項(xiàng)edf=931指明了自由度個(gè)數(shù)，即931個(gè)樣本數(shù)據(jù)。

第117頁(yè)2024/8/18118目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

依據(jù)這些要求，表11-1語(yǔ)句給出了上例中“神經(jīng)錯(cuò)亂”數(shù)據(jù)RAM結(jié)構(gòu)模型（注意表11-1中第五列給出字母與圖11-1中稍有不一樣）。其中Vnames1F1-F3,2E1-E6D1-D3;給出了隱變量和誤差變量名字。拿ram語(yǔ)句第一行來(lái)說(shuō)明路徑圖描述，即該箭頭為單箭頭，從變量7出發(fā)，指向變量1，箭頭表示系數(shù)值為1。第118頁(yè)2024/8/18119目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

經(jīng)過運(yùn)行上面程序，輸出結(jié)果11-1（這里僅給出了檢驗(yàn)結(jié)果，讀者運(yùn)行時(shí)還會(huì)看到反應(yīng)變量關(guān)系其它結(jié)果，在此不一一列出），能夠經(jīng)過這一結(jié)果對(duì)模型正確性進(jìn)行判斷。第119頁(yè)2024/8/18120目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

LISREL軟件介紹LISREL（linearstructuralrelations）是專門為進(jìn)行結(jié)構(gòu)方程分析而編寫統(tǒng)計(jì)分析軟件。與SAS軟件中CALIS有所不一樣是，LISREL路徑圖能夠在輸出結(jié)果中直觀給出，并能夠在圖形窗口進(jìn)行編輯和修改。LISREL能夠在圖形窗口進(jìn)行編輯和修改路徑圖。用光標(biāo)點(diǎn)擊命令行pathdiagram或?qū)?yīng)圖標(biāo)，即進(jìn)入圖形窗口。在圖形窗口命令行點(diǎn)擊model，能夠選擇顯示不一樣圖形。對(duì)模板圖形進(jìn)行修改和變動(dòng)，能夠得到所需路徑圖。圖形窗口命令行其它命令用途分別是：exit退出該窗口，kind調(diào)出其它統(tǒng)計(jì)結(jié)果方便對(duì)路徑圖進(jìn)行修改，options修改統(tǒng)計(jì)數(shù)值得小數(shù)位顯示長(zhǎng)度，print打印路徑圖，zoom對(duì)路徑圖進(jìn)行放大和縮小，re-estimate是依據(jù)統(tǒng)計(jì)分析結(jié)果對(duì)路徑圖進(jìn)行修改之后再次運(yùn)行預(yù)計(jì)程序。第120頁(yè)2024/8/18121目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

首先，需要編寫并運(yùn)行程序命令。LISREL程序包含一子程序PRELIS，該子程序?qū)Y(jié)構(gòu)方程模型數(shù)據(jù)進(jìn)行預(yù)處理。該程序包含多個(gè)指令，指示原始數(shù)據(jù)出處以及變量信息和結(jié)果存入。表11-2以程序形式簡(jiǎn)略給出了PRELIS基本指令。第121頁(yè)2024/8/18122目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

原始數(shù)據(jù)經(jīng)過預(yù)處理能夠得到其協(xié)方差矩陣。依據(jù)協(xié)方差矩陣開始編寫LISREL程序。如表11-3所表示。第122頁(yè)2024/8/18123目錄上頁(yè)下頁(yè)返回結(jié)束§11.5結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

第123頁(yè)2024/8/18124目錄上頁(yè)下頁(yè)返回結(jié)束結(jié)構(gòu)方程模型計(jì)算機(jī)實(shí)現(xiàn)

LISREL能夠提供結(jié)果路徑圖而且能夠在圖形窗口進(jìn)行編輯和修改路徑圖。用光標(biāo)點(diǎn)擊命令行pathdiagram或?qū)?yīng)圖標(biāo)，即進(jìn)入圖形窗口。在圖形窗口命令行點(diǎn)擊model，能夠選擇顯示不一樣圖形（x模型、y模型和結(jié)構(gòu)模型）。因?yàn)槠蓿瑢?duì)LISREL介紹只限于此。有興趣讀者請(qǐng)參閱相關(guān)LISREL軟件書籍或該軟件命令行中help。第124頁(yè)2024/8/18125目錄上頁(yè)下頁(yè)返回結(jié)束一個(gè)實(shí)例

為了使讀者對(duì)結(jié)構(gòu)方程模型實(shí)際應(yīng)用過程有一個(gè)總體把握，本章引用了一個(gè)利用結(jié)構(gòu)方程模型處理問題真實(shí)案例供讀者參考。此案例是RichardRosenfeld;StevenFMessner;EricPBaumer等人將社會(huì)資本作為隱變量，考查社會(huì)資本（socialcapital）和社會(huì)謀殺率（homiciderate）之間結(jié)構(gòu)關(guān)系。第125頁(yè)2024/8/18126目錄上頁(yè)下頁(yè)返回結(jié)束一個(gè)實(shí)例

社會(huì)資本與謀殺率之間假定關(guān)系如圖11-7所表示，依據(jù)RobertPutnam對(duì)社會(huì)資本定義，社會(huì)資本指是社會(huì)組織特點(diǎn)，比如社會(huì)網(wǎng)絡(luò)、社會(huì)標(biāo)準(zhǔn)、信任、為共同利益而采取行動(dòng)和合作。所以Rosenfeldetal對(duì)社會(huì)資本評(píng)價(jià)著重考慮了兩個(gè)方面：人與人之間信任（trust）和公眾對(duì)公共事業(yè)參加（civicengagement）。為何社會(huì)資本與社會(huì)謀殺率之間存在聯(lián)絡(luò)呢？主要從經(jīng)典犯罪學(xué)三個(gè)方面來(lái)考慮：社會(huì)控制力度（informalandformalsocialcontrol）、道德水準(zhǔn)下降程度（anomie）和社會(huì)壓力（strain）。社會(huì)資本改變對(duì)上述三個(gè)原因產(chǎn)生影響，從而影響了謀殺率高低。對(duì)模型中人與人之間信任和公眾對(duì)公共事業(yè)參加兩個(gè)外生變量數(shù)量化采取了GSS（generalsocialsurvey）數(shù)據(jù)，如表11-4所表示。第126頁(yè)2024/8/18127目錄上頁(yè)下頁(yè)返回結(jié)束一個(gè)實(shí)例

第127頁(yè)2024/8/18128目錄上頁(yè)下頁(yè)返回結(jié)束一個(gè)實(shí)例

為了得到無(wú)偏預(yù)計(jì)，影響謀殺率其它原因必須考慮在模型之內(nèi)。依據(jù)以前關(guān)于謀殺率模型研究并經(jīng)過主成份分析，得到了兩個(gè)主要因子。第一個(gè)因子定義為“剝奪”（deprivation），對(duì)應(yīng)“人口結(jié)構(gòu)”（populationstructure）、年紀(jì)組成（agecomposition）、失業(yè)率（unemployment）、男性離婚率（maledivorce）和南方州（south）為其它幾個(gè)因子。第128頁(yè)2024/8/18129目錄上頁(yè)下頁(yè)返回結(jié)束一個(gè)實(shí)例

依據(jù)LISREL8.14,并采取極大似然預(yù)計(jì)對(duì)上述所討論模型進(jìn)行預(yù)計(jì)。文中比較了兩個(gè)模型：模型1沒有將隱變量社會(huì)資本加入模型；模型2則考慮了社會(huì)資本。如表11-5所表示：第129頁(yè)2024/8/18130目錄上頁(yè)下頁(yè)返回結(jié)束一個(gè)實(shí)例

從模型2擬合指數(shù)能夠看出模型擬合很好，均方根殘差RMSEM也表明模型擬合很好。將社會(huì)資本加入模型提升了謀殺率解釋方差。接下來(lái)做是考慮一個(gè)遞歸模型，即認(rèn)為社會(huì)資本和謀殺率之間作用是相互，而且在新模型中對(duì)老模型作了一些修改，將不顯著變量年紀(jì)組成和失業(yè)率去掉，結(jié)果如表11-6所表示。路徑圖如圖11-8所表示。第130頁(yè)2024/8/18131目錄上頁(yè)下頁(yè)返回結(jié)束一個(gè)實(shí)例

第131頁(yè)第132頁(yè)聚類分析第133頁(yè)聚類分析概述概念：聚類分析是統(tǒng)計(jì)學(xué)中研究“物以類聚”一個(gè)方法,屬多元統(tǒng)計(jì)分析方法.比如：細(xì)分市場(chǎng)、消費(fèi)行為劃分聚類分析是建立一個(gè)分類，是將一批樣本(或變量)按照在性質(zhì)上“親疏”程度,在沒有先驗(yàn)知識(shí)情況下自動(dòng)進(jìn)行分類方法.其中:類內(nèi)個(gè)體含有較高相同性,類間差異性較大.第134頁(yè)聚類分析概述兩類:(AB)(CDE)三類:(AB)(C)(DE)依據(jù)平均得分差距,差距較小為一類.分類過程中,沒有事先指定分類標(biāo)準(zhǔn).完全依據(jù)樣本數(shù)據(jù)客觀產(chǎn)生分類結(jié)果.第135頁(yè)親疏遠(yuǎn)程度衡量指標(biāo)相同性:數(shù)據(jù)間相同程度度量距離:數(shù)據(jù)間差異程度度量.距離越近,越“親密”,聚成一類;距離越遠(yuǎn),越“疏遠(yuǎn)”,分別屬于不一樣類定距型個(gè)體間距離：把每個(gè)個(gè)案數(shù)據(jù)看成是n維空間上點(diǎn),在點(diǎn)和點(diǎn)之間定義某種距離.普通適合用于定距數(shù)據(jù)歐氏距離(EUCLID)平方歐氏距離(SEUCLID)聚類分析概述第136頁(yè)品質(zhì)型個(gè)體間距離姓名講課方式上機(jī)時(shí)間選某門課程張三1

1

1李四110王五001聚類分析概述第137頁(yè)品質(zhì)型個(gè)體間距離簡(jiǎn)單匹配(simplematching)系數(shù):適用二值變量。個(gè)體j個(gè)體i101ab0cda為個(gè)體i與個(gè)體j在全部變量上同時(shí)取1個(gè)數(shù)；d為同時(shí)取0個(gè)數(shù)特點(diǎn)：排除同時(shí)擁有或同時(shí)不擁有某特征情況；取0和1地位等價(jià)，編碼方案改變不會(huì)引發(fā)系數(shù)改變。聚類分析概述第138頁(yè)品質(zhì)型個(gè)體間距離簡(jiǎn)單匹配(simplematching)系數(shù):適用二值變量。姓名講課方式上機(jī)時(shí)間選某門課程張三1

1

1李四110王五001（張三，李四）：a=2b=1c=0d=0d(x,y)=1/(1+2)=1/3（張三，王五）：a=1b=2c=0d=0d(x,y)=2/(1+2)=2/3張三距李四近聚類分析概述第139頁(yè)品質(zhì)型個(gè)體間距離依據(jù)臨床表現(xiàn)研究病人是否有類似病姓名性別發(fā)燒咳嗽檢驗(yàn)1檢驗(yàn)2檢驗(yàn)3檢驗(yàn)4張三男101000李四女101010王五男110000……..聚類分析概述第140頁(yè)品質(zhì)型個(gè)體間距離雅科比（Jaccard）系數(shù):適用二值變量個(gè)體j個(gè)體i1