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