基于结构方程模型的大学生就业预期情况分析---很清晰明了

★作业(全模型3)：结构方程模型和路径分析的区别

★作业(全模型3)：结构方 程模型和路径分析的区别-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

★数据分析的类型 1、以变量为中心的分析（R研究）：探索性因子分析、验证性因子分析、回归分析、结构方程模型分析等 2、以人为中心的分析（S研究）：聚类分析、判别分析等 ★因子载荷 因子载荷a（ij）的统计意义就是第i个变量与第j个公共因子的相关系数，即表示X（i）依赖F（j）的份量（比重）。统计学术语称作权，心理学家将它叫做载荷，即表示第i个变量在第j个公共因子上的负荷，它反映了第i个变量在第j个公共因子上的相对重要性。 在因子分析中，通常只选其中m个(m

AMOS结构方程模型分析

A M O S结构方程模型分 析 文档编制序号：[KKIDT-LLE0828-LLETD298-POI08]

Amos模型设定操作 在使用AMOS进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。 1.绘制潜变量 使用建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties，为潜变量命名。 2.为潜变量设置可测变量及相应的残差变量 使用绘制。在可测变量上点击右键选择Object Properties为可测变量命名。其中Variable Name对应的是数据的变量名，在残差变量上右键选择Object Properties为残差变量命名。 3.配置数据文件，读入数据 File——Data Files——File Name——OK。 4.模型拟合 View——Analysis Properties——Estimation——Maximum Likelihood。 5.标准化系数 Analysis Properties——Output——Standardized Estimates——因子载荷标准化系数。 6.参数估计结果 Analyze——Calculate Estimates。红色框架部分是模型运算基本结果信息，点击View the Output Path Diagram查看参数估计结果图。 7.模型评价 点击查看AMOS路径系数或载荷系数以及拟合指标评价。 路径系数/载荷系数的显着性 模型评价首先需要对路径系数或载荷系数进行统计显着性检验。 模型拟合指数 模型拟合指数是考察理论结构模型对数据拟合程度的统计指标。拟合指数的作用是考察理论模型与数据的适配程度，并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考，还需要根据所研究问题的背景知识进行模型合理性讨论。 指数名称评价标准1 绝对拟合指2 (卡方)越小越好

完整版Mplus结构方程模型步骤入门

1数据格式转换 因为Mplus只能打开ASCII格式的文件（.dat和.txt文件），所以常规的SPSS数据库的数据不能被读取，所以数据分析之前先要将sav格式另存为dat格式。另存为选项里有两类dat格式，一般可选用“以制表符分隔”，当数据量较大时，可选“固定ASCII格式”。这两类并没 有明显特异的使用条件。 2打开mplus程序，建立新文件，即点击"new”。当然，新打开Mplus程序也会默认这个

TITLE: example 3.2然后表明我们引用的数据库来自于哪里，也就是刚刚那个DAT文件。命令为： DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程数据库.dat; 这里面需要注意的是：DATA: FILE IS （或者DATA: FILE=是固定句式，是必要的。之后 “C:\Users\dell\Desktop\MPLUS结构方程模型教程数据库.dat”这是DAT文件的保存路径。一般情况下，如果mplus语句文件和dat文件在同一个文件夹中，只需要DATA: FILE I黴据库.dat;但实际上很多情况下，两者即使在同一个文件中，也很可能读不出来，所以必要的话，可将该DAT文件的保存路径写全，这样肯定是没错的。 另外，一个命令结束后，必须必须加上“；”即英文格式下的分号（除外TITLE）° 3.3写出数据库中所有的变量名称以及本次分析需要的变量名称。这需要按照spss数据库中变量名称顺序来写。 VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; 当然这是最基本繁琐的写法，可以直接写为： VARIABLE: NAMES ARE a1-a9 b1-b4 c1-c4; USEVARIABLES ARES ARE a1-a9 b1-b4 c1-c4; 不同变量间有空格。 因为我们本次分析需要纳入该数据库所有变量，所以上下两行变量是一样的，否则需要哪些 变量，在USEVARIABLE里面纳入哪些变量。 3.4分析方法 因为MPLUS中针对连续型变量的结构方程模型的默认分析方法是最小二乘法即ML，所以 如果使用的方法是这个，那么分析方法语句可以不写，当然也可以写，即ANALYSIS: ESTIMATOR = ML; 如果采用其他方法，需要写出来，例如ANALYSIS:ESTIMATOR = MLR;或者ANALYSIS: ESTIMATOR = WLSMV;

Amos_验证性因子分析步步教程

应用案例1 第一节模型设定 结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。 一、模型构建的思路 本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。 二、潜变量和可测变量的设定 本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。 模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。 表 2.1、顾客满意模型中各因素的具体范畴 参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2。 1关于该案例的操作也可结合书上第七章的相关内容来看。 2本案例是在Amos7中完成的。 3见spss数据文件“处理后的数据.sav”。

表

三、关于顾客满意调查数据的收集 本次问卷调研的对象为居住在某大学校内的各类学生（包括全日制本科生、全日制硕士和博士研究生），并且近一个月内在校内某超市有购物体验的学生。调查采用随机拦访的方式，并且为避免样本的同质性和重复填写，按照性别和被访者经常光顾的超市进行控制。问卷内容包括7个潜变量因子，24项可测指标，7个人口变量，量表采用了Likert10级量度，如对 四、缺失值的处理 采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。最终得到401条数据，基于这部分数据做分析。 五、数据的的信度和效度检验 1．数据的信度检验 4正向的，采用Likert10级量度从“非常低”到“非常高”

AMOS结构方程模型分析

Amos 模型设定操作 在使用 AMOS 进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图， 并确定潜变量与可测变量的名称，以避免不必要的返工。 1.绘制潜变量 使用建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties，为潜变量命名。 2.为潜变量设置可测变量及相应的残差变量 使用绘制。在可测变量上点击右键选择对应的是数据的变量名，在残差变量上右键选择Object Properties为可测变量命名。其中 Object Properties为残差变量命名。 Variable Name

3.配置数据文件，读入数据 File—— Data Files—— File Name—— OK。 4.模型拟合 View—— Analysis Properties—— Estimation—— Maximum Likelihood 。 5.标准化系数 Analysis Properties—— Output—— Standardized Estimates——因子载荷标准化系数。

6.参数估计结果 Analyze—— Calculate Estimates。红色框架部分是模型运算基本结果信息，点击 View the Output Path Diagram查看参数估计结果图。 7.模型评价 点击查看 AMOS 路径系数或载荷系数以及拟合指标评价。 路径系数 /载荷系数的显著性 模型评价首先需要对路径系数或载荷系数进行统计显著性检验。 模型拟合指数 模型拟合指数是考察理论结构模型对数据拟合程度的统计指标。拟合指数的作用是考察理论模型与数据的适配程度，并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考，还需要根据所研究问题的背景知识进行模型合理性讨论。

AMOS-结构方程模型分析

Amos模型设定操作 在使用AMOS进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图, 并确定潜变量与可测变量的名称，以避免不必要的返工。 1. 绘制潜变量 使用*■建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties为潜变量命名。 2. 为潜变量设置可测变量及相应的残差变量 使用绘制。在可测变量上点击右键选择Object Properties为可测变量命名。对应的 是数据的变量名，在残差变量上右键选择Object Properties为残差变量命 名。 ￡炭Object Properties Test Par：iJTL 已七已工乞 | Colors | For mat ] Visibility | Set Default Undo 实施影 响 其中Variable Name Font size Font style Text | Parameters | Colors | Forniat | Visibility | Set Default

3. 配置数据文件，读入数据 File ----- Data Files ---- File Name ----- OK Edit View Diagram Analyze Tools Plugins Help ^ew New 空ith Template... Open... Retrieve Backup... 4. 模型拟合 View --- An alysis Properties ------ E stimation ----- M aximum Likelihood View Di 曰Analyze Tools Plugins Helf =3S Interface Properties,,, Ctrl+I 彳 &盟 ,3也齊 ________________ ￡trl^A ____ | u 〔口 d ；色严*。严尽六旨甘;日亡 厂丄c Est ijnation Numerical Bias | Output | Bootstrap | Permut at ions | Randan # | Tit le Discrepancy 厂 Estimate means intercepts C Generalized least squares 5. 标准化系数 An alysis Properties --- Output ------ S ta ndardized Estimate —因子载荷标准化系数。 0切Ed Properties T 辭dt |Paiajietei ：E | Colors | Fornat | Visibility | Font style Font size Variable nanne | Regular Variable label Save Save As... Save As Templat?... Ctrl+S Files.. Ctd + D |J * Maximujii lxkElihuucl arid n n Hr Analysis Pro 卩亡门咯

AMOS解释结构方程模型

AMOS输出解读 惠顿研究 惠顿数据文件在各种结构方程模型中被当作经典案例，包括AMOS 和LISREL。本文以惠顿的社会疏离感追踪研究为例详细解释AMOS的输出结果。AMOS同样能处理与时间有关的自相关回归。 惠顿研究涉及三个潜变量，每个潜变量由两个观测变量确定。67疏离感由67无力感（在1967年无力感量表上的得分）和67无价值感（在1967年无价值感量表上的得分）确定。71疏离感的处理方式相同，使用1971年对应的两个量表的得分。第三个潜变量，SES（社会经济地位）是由教育（上学年数）和SEI (邓肯的社会经济指数)确定。 解读步骤 1.导入数据。 AMOS在文件ex06-a.amw中提供惠顿数据文件。使用File/Open，选择这个文件。在图形模式中，文件显示如下。虽然这里是预定义模式，图形模式允许你给变量添加椭圆，方形，箭头等元素建立新模型

2.模型识别。 潜变量的方差和与它关联的回归系数取决于变量的测量单位，但刚开始谁知道呢。比如说要估计误差的回归系数同时也估计误差的方差，就好像说“我买了10块钱的黄瓜，然后你就推测有几根黄瓜，每根黄瓜多少钱”，这是不可能实现的，因为没有足够的信息。如何告诉你“我买了10块钱的黄瓜，有5根”，你便可以推出每根黄瓜2块钱。对潜变量，必须给它们指定一个数值，要么是与潜变量有关的回归系数，要么是它的方差。对误差项的处理也是一样。一旦做完这些处理，其它系数在模型中就可以被估计。在这里我们把与误差项关联的路径设为1，再从潜变量指向观测变量的路径中选一条把它设为1。这样就给每个潜变量设置了测量尺度，如果没有这个测量尺度，模型是不确定的。有了这些约束，模型就可以识别了。 注释：设置的数值可以是1，也可以是其它数，这些数对回归系数没有影响，但对误差有影响，在标准化的情况下，误差项的路径系数平方等于它的测量方差。 3.解释模型。 模型设置完毕后，在图形模式中点击工具栏中计算估计按钮 。输出如下。蓝色字体用于注解，不是AMOS输出的一部分。 Title Example 6, Model A: Exploratory analysis Stability of alienation, mediated by ses. Correlations, standard deviations and means from Wheaton et al. (1977). 以上是标题，全是英文，自己翻译去吧。 Notes for Group (Group number 1) The model is recursive. Sample size = 932 各组注释：它告诉你模型为递归模型，样本量为932。

AMOS操作

Amos软件操作 1.模型设定 结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos软件进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。 2.模型构建的思路 根据构建的理论模型，通过设计问卷对留学生学习汉语的学习动机、学习策略和焦虑调查得到实际数据，然后利用对缺失值进行处理后的数据进行分析，并对文中提出的模型进行拟合、修正和解释。 3.潜变量和可测变量的设定 模型中共包含2个因素(潜变量)：学习动机、学习策略，7个可测变量：融入型动机、工具型动机、焦虑、记忆策略、认知策略、情感策略和社交策略。 4.关于调查数据的收集 本次问卷调研的对象为不同国家的留学生 5.缺失值的处理 采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。数据的的信度和效度检验 1）．数据的信度检验 信度（reliability）指测量结果（数据）一致性或稳定性的程度。一致性主要反映的是测验内部题目之间的关系，考察测验的各个题目是否测量了相同的内容或特质。稳定性是指用一种测量工具（譬如同一份问卷）对同一群受试者进行不同时间上的重复测量结果间的可靠系数。如果问卷设计合理，重复测量的结果间应该高度相关。由于本案例并没有进行多次重复测量，所以主要采用反映内部一致性的指标来测量数据的信度。 Cronbach在1951年提出了一种新的方法（Cronbach's Alpha系数），这种方法将测量工具中任一条目结果同其他所有条目作比较，对量表进行内部一致性估计。

Amos实现 一、Amos模型设定操作 1．模型的绘制 在使用Amos进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。相关软件操作如下： 第一步，使用建模区域绘制模型中的2个潜变量。为了保持图形的美观，可以使用先绘制一个潜变量，再使用复制工具绘制其他潜变量，以保证潜变量大小一致。在潜变量上点击右键选择Object Properties，为潜变量命名。绘制好的潜变量图形。 第二步设置潜变量之间的关系。使用来设置变量间的因果关系，使用 来设置变量间的相关关系。绘制好的潜变量关系图。 第三步为潜变量设置可测变量及相应的残差变量(一定要设置残差)，可以使用绘制，也可以使用和自行绘制。在可测变量上点击右键选择Object Properties，为可测变量命名。其中Variable Name一项对应的是数据中的变量名，在残差变量上右键选择Object Properties为残差变量命名。最终绘制完成模型结果。 2．数据文件的配置 Amos可以处理多种数据格式，如文本文档（*.txt），表格文档（*.xls、*.wk1），数据库文档（*.dbf、*.mdb），SPSS文档（*.sav）等。 为了配置数据文件，选择File菜单中的Data Files，出现对话框，然后点击File name按钮，会再出现一个对话框，找到需要读入的数据文件“处理后的数据.sav”,双击文件名或点击下面的“打开”按钮，最后点击对话框中“ok”按钮就读入数据了。 二、模型拟合 1.参数估计方法选择 模型运算是使用软件进行模型参数估计的过程。Amos提供了多种模型运算方法供选择。可以通过点击View菜单在Analysis Properties（或点击工具栏的 ）中的Estimation项选择相应的估计方法。

AMOS结构方程模型修正经典案例

AMOS结构方程模型修正经典案例 第一节模型设定结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解 释四个步骤。下面以一个研究实例作为说明，使用 Amos7 软件1进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。 一、模型构建的思路 本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据2进行分析，并对文中提出的模型进行拟合、修正和解释。 二、潜变量和可测变量的设定 本文在继承 ASCI 模型核心概念的基础上，对模型作了一些改进，在模型中 增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。 模型中共包含七个因素 (潜变量 )：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素 是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍， 2000)。 表 7-1设计的结构路径图和基本路径假设 设计的结构路径图基本路径假设 超市形象 顾客抱怨质量期望 感知价值 顾客满意 质量感知 顾客忠诚超市形象对质量期望有路径影响 质量期望对质量感知有路径影响 质量感知对感知价格有路径影响 质量期望对感知价格有路径影响 感知价格对顾客满意有路径影响 顾客满意对顾客忠诚有路径影响 超市形象对顾客满意有路径影响 超市形象对顾客忠诚有路径影响 2.1 、顾客满意模型中各因素的具体范畴 1本案例是在Amos7 中完成的。 2见 spss数据文件“处理后的数据 .sav”。

手把手教AMOS结构方程模型

宋锋华编辑制作——更多内容请访问“统计之都”
AMOS 的使用
?
第一部分: 介绍
o o o o
关于文挡 访问 AMOS 文挡 获得 AMOS 帮助 SEM 概述 SEM 术语 为什么使用 SEM? 合理的样本量 连续和正态内生变量 模型识别（识别方程） 完整数据或缺失数据的适当处理 模型规范和因果关系的理论基础 结构方程——多重回归关系的说明 使用 AG 绘制模型 将数据读入到 AMOS 中 选择 AMOS 分析选项和运行模型 评估整体模型拟合 绝对拟合检验 相对拟合检验 修改模型获得较好的拟合优度 浏览路径图 独立参数的显著性检验
?
第二部分 : SEM 基础
o o o
?
第三部分: SEM 假设
o o o o o
?
第四部分: 使用 AG 建立和检验模型
o o o o
?
第五部分: AMOS 输出解释
o o o o o o
?
第六部分:摘要：结论的实质性解释
1

第一部分:介绍
关于文档
SEM=Structural Equation Modeling Amos=Analysis of Moment Structures
本课程使用 AMOS（距结构分析）软件对结构方程进行简单的介绍和概述。结构方程模型 (SEM) 包括多种统计技术，如路径分析，验证性因子分析，带潜变量的因果关系模型，甚 至方差分析和多重线性回归。 课程介绍 SEM 的逻辑，SEM 的假设和输入需求，怎样使用 AMOS 执行 SEM 分析。 到课程结束，能够使用 AMOS 拟合 SEM。也能给出 SEM 适合研究问题的评价和 SEM 方 法基本假设的概述。
You must do it
应该已经知道使用 SAS，SPSS 或类似统计软件怎样产生多重线性回归分析。也应该理解 怎样解释多重线性回归分析的输出。最后，应该理解基本微软视窗导航操作：打开文件和文 件夹，保存文件，重新调用先前保存过的文件，等等。
访问 AMOS
可以用下列三种方法访问 AMOS： 1. 个人计算机用户须从 SPSS 公司(SPSS 许可版本)或者 Smallwaters 公司(独立版本) 获得许可密码 2. 德克萨斯大学的教师，学生和职员经由 STATS 视窗终端服务器访问 AMOS。要使 用终端服务器，必须获得 ITS 计算机账号（或分类账号） ，然后在 NT 服务器上验证 账号。接下来下载和配置客户端软件使个人计算机，Macintosh，或 UNIX 工作站 能连接终端服务器。最后连接服务器，通过双击位于 STATS 终端服务组中 AMOS 程序肖像登陆 AMOS。如何获得 ITS 计算机账号的细节，账号使用的变更，下载客 户端软件和配置指导可以在 General FAQ #30: Connecting to published statistical applications on the ITS Windows Terminal Server. 中找到。 3. 从 AMOS development website 网站下载免费 AMOS 学生版到个人计算机上。 如果模型比较小，免费演示版能充分满足需求。对大型模型，需要购买 AMOS 软件 或通过校园网络访问 ITS 共享的软件副本。特别是如果决定利用服务器访问其它程 序软件（例如，SAS，SPSS，HLM，Mplus 等等） ，后一项选择最有效。
文档
2

作业：结构方程模型和路径分析的区别

★数据分析的类型 1、以变量为中心的分析（R研究）：探索性因子分析、验证性因子分析、回归分析、结构方程模型分析等 2、以人为中心的分析（S研究）：聚类分析、判别分析等 ★因子载荷 因子载荷a（ij）的统计意义就是第i个变量与第j个公共因子的相关系数，即表示X（i）依赖F（j）的份量（比重）。统计学术语称作权，心理学家将它叫做载荷，即表示第i个变量在第j个公共因子上的负荷，它反映了第i个变量在第j个公共因子上的相对重要性。 在因子分析中，通常只选其中m个(m

结构方程模型+验证性因素分析过程指标

有的说每个观察变量最好有10 个样本，有的说200 到500 之间比较好。在SEM中，与一般的研究方法相同，样本量越大越好，但是在SEM中，绝对指标卡方容易受到样本量的影响，样本越大，越容易达到显著水平。 在结构方程建模中，在观察变量到潜在变量的路径系数中，必须规定一条为 1 做标准求的其他路径系数和潜变量的值。潜变量之间就不用规定为 1 了。 内衍变量和观察变量都要有一个误差量e。 指标变量包括观察变量和误差变量 如何让绘图区变宽：可以在view 里面的 interface properties 中点击 landscape 在进入模型检验之前，首先检验是否出现违反估计： 负的误差方差存在 标准化系数超过或太接近1（通常以0.95 ） 验证性因素分析 信度：建构信度 等于标准化因素负荷量和的平方/ （标准化因素负荷量和的平方+(1-标准化因素负荷量的平 方 )的和） 收敛效度：平均方差抽取量：是指可以直显示被潜在构念所解释的变异量有多少是来自测量 误差的，平均方差变异量越大，来自于测量误差越少，即因子对于观察数据的变异解释越大， 一般是平均方差抽取量要大于0.5，是一种收敛效度的指标。

等于标准化因素负荷量的平方之和/ 题目数目 验证性因素分析基本模型适配度检验摘要表: 是否没有负的误差变异量e1 e2e3 因素负荷量（潜在变量与观察变量之间的标准化系数）是否介于0.5 到 0.95 之间Variances 是否没有很大的标准误 (路径系数的标准误 ) 整体模型适配度检验摘要表: 绝对适配度指数 卡方值， p 大于 0.05，说明数据本身的协方差矩阵和模型的协方差矩阵是匹配的。 RMR 值小于 0.05， RMSEA小于 0.08（小于 0.05 优良，若是小于0.08 良好） GFI 大于 0.90，适配优度 AGFI 大于 0.90（调整后的适配度） 增值适配度指数 NFI 大于 0.90 RFI 大于 0.90 IFI 大于 0.90 TLI(也称为 NNFI) 大于 0.90 CFI大于 0.90 简约适配度指数： PGFI 大于 0.50 PNFI 大于 0.50 PCFI大于 0.50 CN 大于 200 卡方自由度比小于 2.0，或者小于 3.0 AIC 理论模型值小于独立模型值且二者同时小于饱和模型值 CAIC同 AIC 验证性因素分析的内在质量参数表

结构方程模型估计案例

第一节模型设定 结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释 四个步骤。下面以一个研究实例作为说明，使用Amos7软件1 2进行计算，阐述在实 际应用中结构方程模型的构建、运算、修正与模型解释过程。 一、模型构建的思路 本案例在着名的美国顾客满意度指数模型（ASCI）的基础上，提出了一个新的 模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。 二、潜变量和可测变量的设定 本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1 o 模型中共包含七个因素（潜变量）：超市形象、质量期望、质量感知、感知价 值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素 是结果变量，前提变量综合决定并影响着结果变量（Euge ne W. An derson & Claes Fornell ，2000;殷荣伍，2000）。 表7-1 设计的结构路径图和基本路径假设 设计的结构路径图基本路径假设 1关于该案例的操作也可结合书上第七章的相关内容来看。 彳本案例是在Amos7中完成的。

超市形象对质量期望有 超市 、顾客满意模型中各因素的具体范畴 参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小 范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表 7-2 o 表7-2 模型变量对应表 形象 顾客 期望 顾客 价值 满意、 顾客 感知 忠诚 路径影响 质量期望对质量感知有 路径影响 质量感知对感知价格有 路径影响 质量期望对感知价格有 路径影响 感知价格对顾客满意有 路径影响 顾客满意对顾客忠诚有 路径影响 超市形象对顾客满意有 路径影响 超市形象对顾客忠诚有

Mplus结构方程模型步骤(入门)教学内容

M p l u s结构方程模型步骤(入门)

1数据格式转换 因为Mplus只能打开ASCII格式的文件（.dat和.txt文件），所以常规的SPSS 数据库的数据不能被读取，所以数据分析之前先要将sav格式另存为dat格式。另存为选项里有两类dat格式，一般可选用“以制表符分隔”，当数据量较大时，可选“固定ASCII格式”。这两类并没有明显特异的使用条件。 选择某一种dat格式后，“将变量名写入表格”这一项不要勾选。然后保存。一般将该数据文件和mplus语句文件放在一个文件夹。

2 打开mplus程序，建立新文件，即点击“new”。当然，新打开Mplus程序也会默认这个界面。 3 编辑命令。这是Mplus分析数据最核心的步骤 3.1 首先我们可以给该分析起个名字（该步骤可有可无），例如： TITLE: example 3.2 然后表明我们引用的数据库来自于哪里，也就是刚刚那个DAT文件。命令为： DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat; 这里面需要注意的是： DATA: FILE IS （或者DATA: FILE=）是固定句式，是必要的。之后“C:\Users\dell\Desktop\MPLUS结构方程模型教程\数据库.dat”这是DAT文件的保存路径。一般情况下，如果mplus语句文件和dat文件在同一个文件夹中，只需要DATA: FILE IS数据库.dat; 但实际上很多情况下，两者即使在同一个文件中，也很可能读不出来，所以必要的话，可将该DAT文件的保存路径写全，这样肯定是没错的。 另外，一个命令结束后，必须必须加上“;”即英文格式下的分号（除外TITLE）。 3.3 写出数据库中所有的变量名称以及本次分析需要的变量名称。这需要按照spss数据库中变量名称顺序来写。 VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; 当然这是最基本繁琐的写法，可以直接写为： VARIABLE: NAMES ARE a1-a9 b1-b4 c1-c4; USEVARIABLES ARES ARE a1-a9 b1-b4 c1-c4; 不同变量间有空格。 因为我们本次分析需要纳入该数据库所有变量，所以上下两行变量是一样的，否则需要哪些变量，在USEVARIABLES里面纳入哪些变量。 3.4 分析方法

IBM SPSS AMOS 结构方程模型教程

表

一、关于顾客满意调查数据的收集 本次问卷调研的对象为居住在某大学校内的各类学生（包括全日制本科生、全日制硕士和博士研究生），并且近一个月内在校内某超市有购物体验的学生。调查采用随机拦访的方式，并且为避免样本的同质性和重复填写，按照性别和被访者经常光顾的超市进行控制。问卷内容包括7个潜变量因子，24项可测指标，7个人口变量，量表采用了Likert10级量度，如对 1正向的，采用Likert10级量度从“非常低”到“非常高”

二、缺失值的处理 采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。最终得到401条数据，基于这部分数据做分析。 三、数据的的信度和效度检验 1．数据的信度检验 信度（reliability）指测量结果（数据）一致性或稳定性的程度。一致性主要反映的是测验内部题目之间的关系，考察测验的各个题目是否测量了相同的内容或特质。稳定性是指用一种测量工具（譬如同一份问卷）对同一群受试者进行不同时间上的重复测量结果间的可靠系数。如果问卷设计合理，重复测量的结果间应该高度相关。由于本案例并没有进行多次重复测量，所以主要采用反映内部一致性的指标来测量数据的信度。 折半信度（split-half reliability）是将测量工具中的条目按奇偶数或前后分成两半，采用Spearman-brown公式估计相关系数，相关系数高提示内部一致性好。然而，折半信度系数是建立在两半问题条目分数的方差相等这一假设基础上的，但实际数据并不一定满足这一假定，因此信度往往被低估。Cronbach在1951年提出了一种新的方法（Cronbach's Alpha系数），这种方法将测量工具中任一条目结果同其他所有条目作比较，对量表内部一致性估计更为慎重，因此克服了折半信度的缺点。本章采用SPSS16.0研究数据的内部一致性。在Analyze菜单中选择Scale下的Reliability Analysis（如图7-1），将数据中在左边方框中待分析的24个题目一 一选中，然后点击，左边方框中待分析的24个题目进入右边的items方框中，使用Alpha 模型（默认），得到图7-2，然后点击ok即可得到如表7-3的结果，显示Cronbach's Alpha系数为0.892，说明案例所使用数据具有较好的信度。 图7-1 信度分析的选择

★结构方程模型要点

★结构方程模型要点 一、结构方程模型的模型构成 1、变量 观测变量：能够观测到的变量(路径图中以长方形表示) 潜在变量：难以直接观测到的抽象概念，由观测变量推估出来的变量（路径图中以椭圆形表示） 内生变量：模型总会受到任何一个其他变量影响的变量（因变量；路径图会受 外生变量：模型中不受任何其他变量影响但影响其他变量的变量（自变量；路 中介变量：当内生变量同时做因变量和自变量时，表示该变量不仅被其他变量影响，还可能对其他变量产生影响。 内生潜在变量：潜变量作为内生变量 内生观测变量：内生潜在变量的观测变量 外生潜在变量：潜变量作为外生变量 外生观测变量：外生潜在变量的观测变量 中介潜变量：潜变量作为中介变量 中介观测变量：中介潜在变量的观测变量 2、参数（“未知”和“估计”） 潜在变量自身：总体的平均数或方差 变量之间关系：因素载荷，路径系数，协方差 参数类型：自由参数、固定参数 自由参数：参数大小必须通过统计程序加以估计 固定参数：模型拟合过程中无须估计 （1）为潜在变量设定的测量尺度 ①将潜在变量下的各观测变量的残差项方差设置为1 ②将潜在变量下的各观测变量的因子负荷固定为1 （2）为提高模型识别度人为设定 限定参数：多样本间比较（半自由参数） 3、路径图 （1）含义：路径分析的最有用的一个工具，用图形形式表示变量之间的各种线性关系，包括直接的和间接的关系。 （2）常用记号： ①矩形框表示观测变量 ②圆或椭圆表示潜在变量 ③小的圆或椭圆，或无任何框，表示方程或测量的误差 单向箭头指向指标或观测变量，表示测量误差 单向箭头指向因子或潜在变量，表示内生变量未能被外生潜在变量解释的部分，是方程的误差 ④单向箭头连接的两个变量表示假定有因果关系，箭头由原因（外生）变量指向结果（内生）变量

AMOS结构方程模型分析

Amos 模型设定操作 在使用AMO 进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图, 并确定潜变量与可测变量的名称，以避免不必要的返工。 1.绘制潜变量 使用H 建模区域绘制模型中的潜变量，在潜变量上点击右键选择 Object Properties ，为潜变量 命名。 2.为潜变量设置可测变量及相应的残差变量 使用绘制。在可测变量上点击右键选择 Object Properties 为可测变量命名。其中Variable Name 对应的是数据的变量名，在残差变量上右键选择 Object Properties 为残差变量命名。 囲：Object Propenes Text Paraiet ers a ▼ Variable label 3 F 匚ivt style I Regular 1ST T Variable Unco 珪鑼旨買政启

3. 4. 5. 配置数据文件，读入数据 File Name ----------- O K File 模型拟合 Data Files f^1 f1 rsTi ) - CH 口丁 View ------- An alysis Properties Estimati on Maximum Likelihood Dia g rarm Analyze Tools Plu-gins Help Interface Properties.- B > Ctrl- hl 需Anol戸is Properties”Ctrl A r+rij.n b 匕(A khiiciy~t Dircmqr1*；m￡ 标准化系数 An alysis Properties Output --------- S tan dardized Estimates 因子载荷标准化系数。

Mplus结构方程模型步骤(入门)

1数据格式转换 因为 Mplus 只能打开ASCII格式的文件（ .dat 和 .txt 文件），所以常规的SPSS数据库的数据不能被读取，所以数据分析之前先要将 sav 格式另存为 dat 格式。另存为选项里有两类 dat 格式，一般可选用“以制表符分隔” ，当数据量较大时，可选“固定 ASCII格式”。这两类并没有明显特异的使用条件。 选择某一种 dat 格式后，“将变量名写入表格”这一项不要勾选。然后保存。一般将该数据文件 和 mplus 语句文件放在一个文件夹。

2 打开 mplus 程序，建立新文件，即点击“ new”。当然，新打开 Mplus 程序也会默认这个界面。 3 编辑命令。这是Mplus 分析数据最核心的步骤 3.1 首先我们可以给该分析起个名字（该步骤可有可无），例如： TITLE: example 3.2 然后表明我们引用的数据库来自于哪里，也就是刚刚那个DAT文件。命令为： DATA: FILE IS C:\Users\dell\Desktop\MPLUS结构方程模型教程数据库.dat; 这里面需要注意的是：DATA: FILE IS （或者DATA: FILE=）是固定句式，是必要的。之后“C:\Users\dell\Desktop\MPLUS结构方程模型教程数据库.dat”这是DAT 文件的保存路径。 一般情况下，如果mplus 语句文件和dat 文件在同一个文件夹中，只需要DATA: FILE IS数据 库.dat; 但实际上很多情况下，两者即使在同一个文件中，也很可能读不出来，所以必要的 话，可将该 DAT文件的保存路径写全，这样肯定是没错的。 另外，一个命令结束后，必须必须加上“;”即英文格式下的分号（除外TITLE）。 3.3 写出数据库中所有的变量名称以及本次分析需要的变量名称。这需要按照spss 数据库中 变量名称顺序来写。 VARIABLE: NAMES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; USEVARIABLES ARES ARE a1 a2 a3 a4 a5 a6 a7 a8 a9 b1 b2 b3 b4 c1 c2 c3 c4; 当然这是最基本繁琐的写法，可以直接写为： VARIABLE: NAMES ARE a1-a9 b1-b4 c1-c4; USEVARIABLES ARES ARE a1-a9 b1-b4 c1-c4; 不同变量间有空格。 因为我们本次分析需要纳入该数据库所有变量，所以上下两行变量是一样的，否则需要哪些变量， 在 USEVARIABLES里面纳入哪些变量。 3.4 分析方法 因为 MPLUS 中针对连续型变量的结构方程模型的默认分析方法是最小二乘法即ML ，所以 如果使用的方法是这个，那么分析方法语句可以不写，当然也可以写，即ANALYSIS: ESTIMATOR = ML; 如果采用其他方法，需要写出来，例如ANALYSIS: ESTIMATOR = MLR; 或者ANALYSIS: ESTIMATOR = WLSMV;