資源描述：
《SEM原理、應用及操作講解》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。
1、SEM原理、應用及操作尹衛(wèi)兵同濟大學經(jīng)濟與管理學院主要內容PARTA：SEM原理PARTB：SEM應用PARTC：SEM上機操作SEM的定義PARTA結構方程模型（StructuralEquationModeling/StructuralEquationModel/StructureEquationModeling，簡稱SEM）是基于變量的協(xié)方差矩陣來分析變量之間關系的一種綜合性的統(tǒng)計方法，因此又稱為協(xié)方差結構分析。SEM的優(yōu)點PARTA同時處理多個因變量；容許自變量和因變量含有誤差，精確估計觀察變量與潛在變量之間的關系；同時估計因子結構和因子關系；可以估計整個模型和數(shù)據(jù)
2、的擬合程度。相關概念PARTA潛變量(latentvariable)：不能被直接測量的變量；內生潛變量:受其它潛變量影響的潛變量，也稱為因變量、內顯潛變量、內生因子（EndogenousFactors）等；外生潛變量:由系統(tǒng)外其他因素決定的潛變量，也稱為自變量、外顯潛變量、外生因子（ExogenousFactors）等；指標(observableindicators)：間接測量潛變量的指標，也稱為觀測變量；內生指標:間接測量內生潛變量的指標；外生指標:間接測量外生潛變量的指標。相關概念（續(xù)1）PARTA中介變量（Mediator）：考慮自變量X對因變量Y的影響，如果X通過
3、影響變量M來影響Y，則稱M為中介變量；中介效應（MediatorEffects;MediatingEffect）調節(jié)變量(Moderator)：如果變量Y與變量X的關系是變量M的函數(shù)，稱M為調節(jié)變量；調節(jié)效應（ModeratorEffects;ModeratingEffect）相關概念（續(xù)2）PARTA控制變量（ControlVariable;ControlVariables;ControlledVariable）：是指那些除了實驗因素(自變量)以外的所有影響實驗結果的變量,這些變量不是本實驗所要研究的變量,所以又稱無關變量、無關因子、非實驗因素或非實驗因子。題項(Ite
4、ms):具體操作問題結構方程模型的結構PARTA測量模型:測量指標與潛變量之間的關系x=∧xξ+δy=∧yη+ε其中，ξ：外生潛變量(xi)η：內生潛變量(eta)x：外生指標δ：x的誤差項(delta)y：內生指標ε：y的誤差項(epsilon)∧x：外生指標與外生潛變量的關系(lambda)∧y：內生指標與內生潛變量的關系結構方程模型的結構（續(xù)）PARTA結構模型對于潛變量間的關系，可用結構方程表示：η=Bη+Гξ+ζη：內生潛變量(eta)ξ：外生潛變量(xi)B：內生潛變量間的關系(bta)Г：外生潛變量對內生潛變量的影響(gamma)ζ：結構方程的殘差項(zet
5、a)SEM的八個矩陣PARTASEM主要參數(shù)PARTA結構方程模型的路徑系數(shù)圖PARTA在SEM中用直觀的圖形表達各變量之間的關系，這種圖形稱為路徑系數(shù)圖。SEM路徑系數(shù)圖圖形規(guī)則PARTA橢圓形表示潛變量綠色橢圓形代表外生潛變量；黃色橢圓形代表內生潛變量；長方形代表觀測指標灰色長方形代表外生觀測指標；亮藍色長方形代表內生觀測指標；長方形代表觀測指標SEM路徑系數(shù)圖圖形規(guī)則（續(xù)）PARTA單向箭頭表示單向影響或效應潛變量之間；潛變量與觀測指標之間；單向箭頭且無起始圖形表示測量誤差或未被解釋部分潛變量；觀測指標；雙向弧形箭頭表示相關關系潛變量之間；觀測指標之間；SEM擬合指
6、標PARTAχ2與χ2/df：χ2值越小，說明實際矩陣和輸入矩陣的差異越小，說明假設模型和樣本數(shù)據(jù)之間擬合程度越好。擬合優(yōu)度指數(shù)（GoodnessofFitIndex，GFI）和調整擬合優(yōu)度指數(shù)（AdjustedGoodnessofFit，AGFI）：反映了假設模型能夠解釋的協(xié)方差的比例，擬合優(yōu)度指數(shù)越大，說明自變量對因變量的解釋程度越高，自變量引起的變動占總變動的百分比越高。殘差均方根（RootMeansquareResidual，RMR）和近似誤差均方根（RootMeanSquareErrorofApproximation，RMSEA）：殘差均方根和近似誤差均方根是測
7、量輸入矩陣和估計矩陣之間殘差均值的平方根，數(shù)值越小則說明模型擬合程度越佳。規(guī)范擬合指數(shù)（NormedFitIndex，NFI）和增量擬合指數(shù)（IncrementalFitIndex，IFI）：規(guī)范擬合指數(shù)是測量獨立模型與假設模型之間卡方值的縮小比例。但其與卡方指數(shù)一樣，容易收到樣本容量的影響，為彌補其缺點，學者建議采用增量擬合指數(shù)來衡量模型優(yōu)度。比較擬合指數(shù)（ComparativeFitIndex，CFI）：比較擬合指數(shù)反映了獨立模型與假設模型之間的差異程度，數(shù)值越接近1，則假設模型越好。SEM擬合指標范例PARTADegre
