结构方程模型与stata
2023-03-01 16:05:09 0 举报AI智能生成
学习者笔记，不断更新中
作者其他创作
大纲/内容
基础统计学
研究对象
可以直接测量的显变量
研究方法
描述性统计分析
检验两个分类变量相关的列联表分析
检验分类变量和连续变量的方差分析
方差分析（analysis of variance）用于研究一个或多个分类型自变量与一个数值型因变量的关系。
方差分析通过检验多个总体的均值是否相等来判断一个或多个分类型自变量对数值型因变量是否由显著影响
检验连续变量和连续变量的相关分析
相关分析侧重于发现随机变量间的种种相关特性
相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。
糅合了方差分析和相关分析的回归分析
回归分析侧重于研究随机变量间的依赖关系，以便用一个变量去预测另一个变量
基础模块
回归模型
将基础统计学中的方差分析和相关分析推进到因果分析
结构方程中的每个路径都是回归分析
路径分析
路径模型使用相关系数、一组联立回归方程来构建更复杂的显变量路径关系模型
在结构方程中，路径分析的作用就是描述、勾画潜变量之间的结构关系，是整个模型的结构模型部分
路径模型就是使用多元显变量的结构方程模型
将潜变量结合起来
验证性因子分析
在结构方程中被用于构造潜变量，是SEM中的测量模型部分
是社会会调查数据进行的一种统计分析，测试一个因子与相对应的测量度之间的关系是否符合研究者所设计的理论关系
将潜变量和显变量结合起来
定义
结构方程模型是一种使用测量模型构造潜变量，再搭建反映潜变量之间关系路径的结构模型，构成一个完整的结构方程模型来估计、校验潜变量之间关系的多元多级分析方法
能够处理显变量、潜变量、潜显混合变量的一般性模型框架
步骤
构造测量模型
使用因子分析筛选一组显变量来构造潜变量的测量模型
显变量与潜变量的相关关系用因子载荷（factor loading）来标识
因子载荷代表该显变量对潜变量的策略程度或该潜变量对指标变量的影响大小
效度系数
因子分析的测量原理
被解释的显变量的取值中有一部分是对潜变量影响的反映，另一部分是各自的独特误差。利用相关系数（载荷系数）乘以被解释显变量的值，就可以将显变量中影响潜变量的公共值提取出来，而不相关的值则是误差。这样误差就被排除在外，反映潜变量的真实值被保留下来。之后在对这些真实测量值进行下一步的统计分析和估计运算。
解决的问题
所选择的指标变量能够很好的构造出（测量出）所需的潜变量
聚合效度
convergent
Coefficient-测量同一潜变量各个指标之间要有较高的载荷系数>0.4
各个指标能够聚拢在一起测量同一个因子
alpha
alpha>0.7
AVE
AVE>0.5
区分效度
discriminant
验证性因子分析
各个潜变量因子之间的相关系数不能太高<0.9
不同因子的指标之间要有区分度，能区分开
相关分析
即看AVE的平方根是否大于这个变量与其他变量的correlation，大于为好
logout,save (correlation) word dec(3) replace: pwcorr gender age edu eff fof res att intent, star(.05)
pwcorr 可用于计算一组变量中两两变量的相关系数，同时还可以对相关系数的显著性进行检验。
SEM中初级的方法是观测 或是模型的拟合程度（例如RMSEA、TLI、NFI、CFI、IFI等）评价其结构效度。但是，利用SEM方法，目前较为高级和流行的做法是使用CR和AVE两个指标来衡量组合信度和收敛效度。
搭建潜变量之间关系路径的结构模型structure coefficients
理论效度
预测效度
建模
测量模型
模型整体的拟合优度检验
绝对指数
χ2
越小越好
0代表拟合度为100%
用χ2/df后再判断
受样本量大小的影响
RMSEA
模型总体拟合指标
小于等于0.05可接受，越小越好
受变量个数的影响
GFI
大于等于0.9
SRMR
比较修正前后的值
小于等于0.05
相对拟合指数
NFI
大于0.9,越接近1越好
TLI
大于0.9,越接近1越好
CFI
大于0.9,越接近1越好
信息指数
AIC
越小越好
BIC
越小越好
命令
estata gof ,stats(all)
CR
组成信度
0.7以上可接受
组成信度(composite reliability)，是指一个组合变量(composite score,由多于一个变量的总和做成的新变量)的信度。
AVE
收敛效度
大于0.5
一个因子间各项对因子的集中程度，反应的是量表各个问题是否都是这个因子的问题
logout,save (correlation) word dec(3) replace: pwcorr gender age edu eff fof res att intent, star(.05)
通过相关系数获得
针对模型单个参数的显著性检验
子主题
模型修正
路径模型
定义
路径模型是回归模型自然而然的扩展，用于探索变量之间的直接效应、间接效应。可以使用任意多个被解释变量、解释变量，包含多个回归方程
路径模型最重要的就是探察和解析间接效应，核心是中介效应
中介效应
间接效应显著，是使用中介模型的前提条件
中介模型估计
回归模型
首先确保C显著，这是前提条件；第一，把intent对exp回归，得到系数c;第二，把eff对exp回归，得到系数a；第三把intent对exp和eff回归，得到b和c'。如果c'较小且不显著，则认为eff完全中介了intent；如果c'是显著的但是比c小，则认为eff部分中介了intent
sobel检验
检验a*b是否显著
Bootstrap检验
收藏
0 条评论
下一页
为你推荐
查看更多
