结构方程模型的原理与应用

第一章 结构方程模型概说

  • 2020年10月28日
    GFI
    增量拟合
    NNFI,IFI,CFI,RMESA
    有问题的参数估计

第二章 结构方程模型的组成

  • 2020年10月29日

  • 内生变量(endogenous variables):模型中会受到任何一个其他变量影响的变量

  • 外源变量(exogenous variables):模型中不受影响但是影响其他变量的变量

  • 内生潜在变量,η(eta) 外源潜在变量,ξ(ksi)

  • 内生测量变量,y 外源测量变量,x

  • 潜在变量与测量变量的关联强度由λ(lambda)参数表示,又称为因素载荷(factor loading),所构成的模型即为测量模型。

  • 外源与内生潜在变量之间的关系用γ(gamma)参数反应,内生潜在变量之间的关系由β(beta)参数反映,由γ和β参数联结构成的模型即是结构模型。

  • 在SEM中,只有测量模型而没有结构模型的回归关系假设时,即为验证性因素分析

SEM模型的八种矩阵概念列表

第三章 参数估计与识别问题

  • 2020年10月30日

  • t法则,t值代表模型中只有估计参数数目

  • 前置原则,precedence rule,在具有因果的先后次序的变量中,干扰项协方差均设定为零

  • 直交法则,所有的内生变量的干扰项之间都不具有相关的假设

  • 四个与方差(协方差)计算有关的定理


    四个与方差(协方差)计算有关的定理
  1. 加权最小平方策略
    1.1 无加权最小平方法(ULS),求取∑矩阵与S矩阵的差异(残差矩阵)平方和的最小值
    1.2 一般化最小平方法(GLS),使用差异平方和的概念,但是在计算每一个差异值时,以特定的权数来加权个别的比较值。
  2. 最大似然法(ML)
    完全讯息最大概似法(full-information maximum liklihood),观察数据都是从总体中抽取得到的数据,且所抽出的样本必须是所有可能样本中被选择概率最大者,若能符合这一假设,估计的参数即能反映总体的参数。正态性假设对ML很重要
  3. 渐进分布自由法
  • 一般而言,使用ML参数估计,样本量需要到达500人,正态假设的共变结构分析才能够维系;在500人以下时,GLS方法较佳。

第四章 模型拟合评鉴

  • 2020年10月31日

  • SEM的拟合度评估与其他多变量统计(例如,对数线性模型分析、逻辑回归分析)的做法类似,都是以不显著的卡方值来反映理想的模型拟合度。

  • SEM模型适切性的初步筛选:逐一检查参数估计的结果,检查每一个参数的正负号、数值大小是否符合理论预期;或是检查测量误差的大小,分析这些残差项当红是否透露了某些变量的测量质量不佳的讯息。如果某些变量的测量误差过于严重,研究者应先行解决测量的问题,重新检讨参数的估计,而非进入模型评鉴的程序。

第五章 验证性因素分析

  • 2020年11月1日

第六章 高阶验证性因素分析

  • 2020年11月2日

第七章 路径分析

  • 2020年11月3日

第八章 结构方程模型:统合模型分析

  • 2020年11月4日

第九章 多样本结构方程模型

  • 2020年11月5日

第十章 平均数结构分析

  • 2020年11月6日

第十一章 潜变量增长模型

  • 2020年11月7日

第十二章 中介与调节

  • 2020年11月8日

第十三章 结构方程模型的正确运用

  • 2020年11月9日

你可能感兴趣的:(结构方程模型的原理与应用)