卡方值c 语言编程,amos的操作步骤与程序
Step 1. 建立路径模型图
注释：在amos模型分析当中，内因变量(因变量)均需增加一列误差项，此误差变量的参数设定起始值内定为1。
Step 2. 读取数据
Step 3. 设定观察变量
如图所示，将每一个观察变量拖入到方框中。
Step 4. 设定误差变量的变量名称
如图e1、e2所示，e1、e2为内因观察变量的潜在误差变量名称。
Step 5. 设定文字报表所要呈现的统计量
注：一般结果输出报表中要呈现的统计量如下图所示：分别为最小化过程、标准化估计值、多元相关的平方、观察样本的协方差矩阵、隐含协方差矩阵、残差矩阵、修正指标、间接效果
直接效果与总效果、协方差估计值、相关估计值、正态性检验等。
Step 6. 将路径模型存储与计算估计值
注：下图分别为为标准化和标准化的结果路径图。
Step 8. 浏览模型结果
输出结果主要包括：路径图存储名称、分析摘要报表、群组的注解、模型变量摘要报表、模型中参数摘要表、样本协方差相关矩阵、模型的注解、估计值、修正指标、最小化历程、成对参数比较、模型适配度等。下面详细解说
1. 分析摘要内容
Analysis Summary
Date and Time
Date: 2015年5月9日
Time: 11:57:23
Title
12: 2015年5月9日 11:57
2. 群组注解
Notes for Group (Group number 1)
The model is recursive.
Sample size = 210
注释：结果显示，样本数据有210个。
3. 变量摘要内容
Variable Summary (Group number 1)
Your model contains the following variables (Group number
1)
Observed, endogenous variables
家庭幸福
生活满意
Observed, exogenous variables
薪资所得
身体健康
社会参与
Unobserved, exogenous variables
e1
e2
Variable counts (Group number 1)
Number of variables in your model:
7
Number of observed variables:
5
Number of unobserved variables:
2
Number of exogenous variables:
5
Number of endogenous variables:
2
注释：内因观察变量为家庭幸福和生活满意，外因观察变量为薪资所得、身体健康和社会参与，外因潜在变量为e1和e2。模型中总变量数为7，其中观察变量有5个，即家庭幸福、生活满意、薪资所得、身体健康和社会参与；非观察变量有2个，即e1和e2；外因变量(自变量)有5个，即薪资所得、身体健康、社会参与、e1和e2；内因变量(因变量)有2个，即家庭幸福和生活满意。
4. 模型参数摘要报表
Parameter Summary (Group number 1)
Weights
Covariances
Variances
Means
Intercepts
Total
Fixed
2
0
0
0
0
2
Labeled
0
0
0
0
0
0
Unlabeled
6
3
5
0
0
14
Total
8
3
5
0
0
16
注释：参数摘要表中，固定值有2个，即e1和e2的路径系数固定值为1；回归系数有8个，分别用单箭头表示的部分，其中2个是固定的参数1，6个是待估计的参数；待估计的协方差有3个，双箭头表示部分；待估计的方差有5个，分别为观察变量上方数值。
5. 正态性检验
Assessment of normality (Group number 1)
Variable
min
max
skew
c.r.
kurtosis
c.r.
社会参与
24.000
82.000
.953
5.638
-.023
-.067
身体健康
12.000
66.000
.001
.007
-.677
-2.002
薪资所得
10.000
68.000
.295
1.746
-1.071
-3.167
家庭幸福
11.000
42.000
.279
1.652
-1.314
-3.888
生活满意
6.000
72.000
.420
2.487
-1.228
-3.633
Multivariate
4.083
3.536
注释：正态性检验分别列出了变量的最小值、最大值、偏度系数、偏度系数决断值、峰度系数和峰度系数决断值。在正态分布的情况下，偏度系数愈峰度系数数值应该接近0，其系数显著性检验未达到显著，若是达到0.05的显著性水平，表示偏度系数值或峰度系数值显著不等于0。
6. 样本协方差矩阵
Sample Moments (Group number 1)
Sample Covariances (Group number 1)
社会参与
身体健康
薪资所得
家庭幸福
生活满意
社会参与
228.239
身体健康
119.262
188.038
薪资所得
131.569
97.350
262.200
家庭幸福
64.034
63.290
98.272
89.010
生活满意
197.060
170.958
252.118
141.427
404.233
Condition number = 25.222
Eigenvalues
845.953 139.104 92.197 60.926 33.540
Determinant of sample covariance matrix = 22169879668.667
Sample Correlations (Group number 1)
社会参与
身体健康
薪资所得
家庭幸福
生活满意
社会参与
1.000
身体健康
.576
1.000
薪资所得
.538
.438
1.000
家庭幸福
.449
.489
.643
1.000
生活满意
.649
.620
.774
.746
1.000
Condition number = 20.426
Eigenvalues
3.386 .668 .467 .312 .166
注释：上表分别反映的是为标准化的样本协方差矩阵和标准化的相关矩阵。双箭头连接的两个外因变量在非标准化估计值模型图中呈现的是二者的协方差，在标准化估计值模型图中呈现的是二者的积差相关系数。
7. 模型注解
Notes for Model (Default model)
Computation of degrees of freedom (Default
model)
Number of distinct sample moments:
15
Number of distinct parameters to be estimated:
14
Degrees of freedom (15 - 14):
1
Result (Default model)
Minimum was achieved
Chi-square = .179
Degrees of freedom = 1
Probability level = .672
注释：卡方值为0.179，自由度为1，p值为0.672，未达到0.05显著性水平，表示数据与模型之间不存在显著差异，即观察数据与假设模型之间可以适配。
8. 估计值内容
Estimates (Group number 1 - Default model)
Scalar Estimates (Group number 1 - Default model)
Maximum Likelihood Estimates
Regression Weights: (Group number 1 - Default model)
Estimate
S.E.
C.R.
P
Label
家庭幸福
薪资所得
.309
.033
9.447
***
par_4
家庭幸福
身体健康
.176
.039
4.564
***
par_6
生活满意
薪资所得
.475
.057
8.290
***
par_5
生活满意
身体健康
.269
.062
4.334
***
par_7
生活满意
社会参与
.256
.058
4.417
***
par_8
生活满意
家庭幸福
.689
.096
7.209
***
par_9
注释：上表所示为非标准化回归系数及显著性检验，表中依次为非标准化估计值(即在非标准化路径模型图中单箭头表示部分)、估计参数标准误、决断值(相当于t值，当大于1.96时达到0.05水平显著，以此类推)、P值。
Standardized Regression Weights: (Group number 1 - Default
model)
Estimate
家庭幸福
薪资所得
.531
家庭幸福
身体健康
.256
生活满意
薪资所得
.383
生活满意
身体健康
.184
生活满意
社会参与
.192
生活满意
家庭幸福
.324
注释：上表为标准化回归系数值，属于路径模型图中标准化估计值图中单箭头所指部分的数据。即所谓的路径分析中的路径系数。
Covariances: (Group number 1 - Default model)
Estimate
S.E.
C.R.
P
Label
薪资所得
身体健康
97.350
16.770
5.805
***
par_1
身体健康
社会参与
119.262
16.535
7.213
***
par_2
薪资所得
社会参与
131.569
19.214
6.848
***
par_3
注释：该表为三个观察变量之间的协方差和协方差的显著性检验，此协方差估计值属于未标准化路径图中双箭头所指部分。于此相对应的是标准化的路径图中的三个观察变量之间的相关系数，即双箭头所指部分。
Correlations: (Group number 1 - Default model)
Estimate
薪资所得
身体健康
.438
身体健康
社会参与
.576
薪资所得
社会参与
.538
注释：该数据为标准化路径结构图中三个观察变量之间的相关系数，即双箭头所指部分，于此对应的是为标准化路径结构图中的三个观察变量间的协方差，即双箭头所指部分。
Variances: (Group number 1 - Default model)
Estimate
S.E.
C.R.
P
Label
薪资所得
262.200
25.649
10.223
***
par_10
身体健康
188.038
18.394
10.223
***
par_11
社会参与
228.239
22.327
10.223
***
par_12
e1
47.448
4.642
10.223
***
par_13
e2
90.618
8.865
10.223
***
par_14
注释：此表中数据为5个外因变量的方差及显著性检验，在amos中如果出现方差为负值，或是相关系数的绝对值大于1时，都属于不合理现象。
Squared Multiple Correlations: (Group number 1 - Default
model)
Estimate
家庭幸福
.467
生活满意
.775
注释：即所有自变量(薪资所得、身体健康)对因变量(家庭幸福)的影响，所有自变量(薪资所得、身体健康、家庭幸福和社会参与)对因变量(生活满意)的影响。
Matrices (Group number 1 - Default model)
Implied Covariances (Group number 1 - Default model)
社会参与
身体健康
薪资所得
家庭幸福
生活满意
社会参与
228.239
身体健康
119.262
188.038
薪资所得
131.569
97.350
262.200
家庭幸福
61.737
63.290
98.272
89.010
生活满意
195.477
170.958
252.118
140.840
403.425
Implied Correlations (Group number 1 - Default model)
社会参与
身体健康
薪资所得
家庭幸福
生活满意
社会参与
1.000
身体健康
.576
1.000
薪资所得
.538
.438
1.000
家庭幸福
.433
.489
.643
1.000
生活满意
.644
.621
.775
.743
1.000
Residual Covariances (Group number 1 - Default model)
社会参与
身体健康
薪资所得
家庭幸福
生活满意
社会参与
.000
身体健康
.000
.000
薪资所得
.000
.000
.000
家庭幸福
2.297
.000
.000
.000
生活满意
1.583
.000
.000
.587
.809
注释：数值越小，即表示假设的理论模型与实际数据愈适配。
Standardized Residual Covariances (Group number 1 - Default
model)
社会参与
身体健康
薪资所得
家庭幸福
生活满意
社会参与
.000
身体健康
.000
.000
薪资所得
.000
.000
.000
家庭幸福
.214
.000
.000
.000
生活满意
.063
.000
.000
.036
.020
注释：数值越小，即表示假设的理论模型与实际数据愈适配。
Total Effects (Group number 1 - Default model)
社会参与
身体健康
薪资所得
家庭幸福
家庭幸福
.000
.176
.309
.000
生活满意
.256
.391
.688
.689
Standardized Total Effects (Group number 1 - Default
model)
社会参与
身体健康
薪资所得
家庭幸福
家庭幸福
.000
.256
.531
.000
生活满意
.192
.267
.555
.324
Direct Effects (Group number 1 - Default model)
社会参与
身体健康
薪资所得
家庭幸福
家庭幸福
.000
.176
.309
.000
生活满意
.256
.269
.475
.689
Standardized Direct Effects (Group number 1 - Default
model)
社会参与
身体健康
薪资所得
家庭幸福
家庭幸福
.000
.256
.531
.000
生活满意
.192
.184
.383
.324
Indirect Effects (Group number 1 - Default model)
社会参与
身体健康
薪资所得
家庭幸福
家庭幸福
.000
.000
.000
.000
生活满意
.000
.122
.213
.000
Standardized Indirect Effects (Group number 1 - Default
model)
社会参与
身体健康
薪资所得
家庭幸福
家庭幸福
.000
.000
.000
.000
生活满意
.000
.083
.172
.000
9. 修正指标
Modification Indices (Group number 1 - Default model)
Covariances: (Group number 1 - Default model)
M.I.
Par Change
Variances: (Group number 1 - Default model)
M.I.
Par Change
Regression Weights: (Group number 1 - Default model)
M.I.
Par Change
注释：上述结果表示假设模型与实际数据可以契合，不需要进行修正。
10. 最小化历程
Minimization History (Default model)
Iteration
Negative
eigenvalues
Condition #
Smallest
eigenvalue
Diameter
F
NTries
Ratio
0
e
3
-.245
9999.000
470.681
0
9999.000
1
e
0
52.671
.952
93.602
18
.922
2
e
0
215.355
.317
92.369
5
.000
3
e
0
94.315
.304
38.416
2
.000
4
e
0
79.187
.256
7.179
1
1.219
5
e
0
66.968
.154
.714
1
1.156
6
e
0
63.814
.039
.186
1
1.068
7
e
0
63.939
.002
.179
1
1.010
8
e
0
63.779
.000
.179
1
1.000
11. 模型适配度摘要表(模型的外在质量评估)
Model Fit Summary
CMIN
Model
NPAR
CMIN
DF
P
CMIN/DF
Default model
14
.179
1
.672
.179
Saturated model
15
.000
0
Independence model
5
607.121
10
.000
60.712
注释：卡方值(CMIN)愈小，表示整体模型与实际资料愈适配，卡方值越小越好，当卡方值等于0时，表示整体模型与实际资料非常匹配。P值大于0.05，即卡方值未达到显著的时候表示整体模型与实际资料适配，而当P值小于0.05时，即卡方值达到显著，表示整体模型与数据不适配。卡方自由度之比(CMIN/DF)愈小，表示假设模型与观察数据愈适配，卡方自由度之比愈大，表示适配度愈差，通常通常要小于3较好。
RMR, GFI
Model
RMR
GFI
AGFI
PGFI
Default model
.765
1.000
.995
.067
Saturated model
.000
1.000
Independence model
118.434
.408
.112
.272
注释：RMR愈小愈好，通常小于0.05为可接受范围；GFI和AGFI愈大与好，通常大于0.9以上为可接受水平。
Baseline Comparisons
Model
NFI
Delta1
RFI
rho1
IFI
Delta2
TLI
rho2
CFI
Default model
1.000
.997
1.001
1.014
1.000
Saturated model
1.000
1.000
1.000
Independence model
.000
.000
.000
.000
.000
注释：增值适配度指数(NFI/RFI/IFI/TLI/GFI)愈大越好，通常要大于0.9以上为可接受水平。
Parsimony-Adjusted Measures
Model
PRATIO
PNFI
PCFI
Default model
.100
.100
.100
Saturated model
.000
.000
.000
Independence model
1.000
.000
.000
注释：简约适配度指数，PGFI/PNFI愈大愈好，通常要大于0.5以上为可接受水平。
NCP
Model
NCP
LO 90
HI 90
Default model
.000
.000
3.991
Saturated model
.000
.000
.000
Independence model
597.121
520.060
681.586
FMIN
Model
FMIN
F0
LO 90
HI 90
Default model
.001
.000
.000
.019
Saturated model
.000
.000
.000
.000
Independence model
2.905
2.857
2.488
3.261
RMSEA
Model
RMSEA
LO 90
HI 90
PCLOSE
Default model
.000
.000
.138
.743
Independence model
.535
.499
.571
.000
注释：RMSEA愈小愈好，通常小于0.08为可接受范围；
AIC
Model
AIC
BCC
BIC
CAIC
Default model
28.179
29.007
75.039
89.039
Saturated model
30.000
30.887
80.207
95.207
Independence model
617.121
617.416
633.856
638.856
ECVI
Model
ECVI
LO 90
HI 90
MECVI
Default model
.135
.139
.158
.139
Saturated model
.144
.144
.144
.148
Independence model
2.953
2.584
3.357
2.954
HOELTER
Model
HOELTER
.05
HOELTER
.01
Default model
4475
7729
Independence model
7
8
10. 重要注释：
SEM基本适配度检验项目与标准
(1)没有出现负的误差变异量
(2)因素负荷量介于0.5—0.9之间
(3)标准误很小
SEM内在适配度检验项目与标准
(1)所有估计的参数均达到显著水平，T绝对值大于1.96.
(2)指标变量个别项目信度高于0.5，R2大于0.5.
(3)潜在变量的平方差抽取值大于0.5
(4)潜在变量的组合信度大于0.6
(5)标准化残差值的绝度值小于2.58
(6)修正指标小于3.84，即MI小于3.84
卡方值c 语言编程,amos的操作步骤与程序相关推荐
- go语言编程之字符串操作
2019独角兽企业重金招聘Python工程师标准>>> http://www.beckbi.cn/?p=288 go语言编程之字符串操作 转载于:https://my.oschina ...
- 【c】C语言编程写的一个http下载程序
来自: 百度空间-软件工程师 大家都很熟悉HTTP协议的应用,因为每天都在网络上浏览着不少东西,也都知道是HTTP协议是相当简单的.每次用到FlashGet之类的下载软件下载网页,当用到那个" ...
- c语言中指针往内存写值,C语言编程常见问题解答之指针和内存分配
指针为C语言编程提供了强大的支持--如果你能正确而灵活地利用指针,你就可以直接切入问题的核心,或者将程序分割成一个个片断.一个很好地利用了指针的程序会非常高效.简洁和精致. 利用指针你可以将数据写入内 ...
- c语言 方程改main的值_C语言编程笔记丨编写第一个C语言程序hello world，我教你哇...
如果用C语言输出:Hello,world!,该如何编写程序? **代码如下:** #include//包含标准库的信息 main()//定义名为main的函数,不接受参数值 {//main函数的语句都 ...
- python分段函数输入x的值求y的值_C语言编程题 有一分段函数如下，要求用scanf函数输入整数x的值，求y值并在屏幕上输出。有分段函数如下，编程实现输入整...
C语言编程题 有一分段函数如下,要求用scanf函数输入整数x的值,求y值并在屏幕上输出. 有分段函数如下,编程实现输入整 www.zhiqu.org 时间: 2020-11-22 #include ...
- 列联表中的相关测量（卡方值与相关系数之间的转换）
1.相关系数Φ是描述2×2列联表数据相关程度最常用的一种相关系数.它的计算公式为: 2.列联相关系数,简称C系数,主要用于列联表大于2×2的情况.C系数的计算公式为: 3.V相关系数 鉴于相关系数Φ无 ...
- c语言编程中野指针错误,C程序中可怕的野指针
一.疑问点 指针是C语言一个很强大的功能,同时也是很容易让人犯错的一个功能,用错了指针,轻者只是报个错,重者可能整个系统都崩溃了.下面是大家在编写C程序时,经常遇到的一种错误的使用方法,也许在你的学习 ...
- c语言编程知识分享uc头条,资深程序员分享的C语言编程中的一些误用及知识总结...
我们是不是在写程序的时候错误很多,就算编译通过了也达不到我们预期的结果.之后自己还找不到错在哪儿.我觉得语言之所以能称之为语言,首先它肯定是一种工具.一种相互交流.相互通信.相互传达之间意图的工具.作 ...
- c语言入门小程序素数,C语言编程入门经典18个小程序
C语言是面向过程的,而C++是面向对象的 C跟C++的区别: C是一个结构化语言,它的重点在于算法和数据结构.C程序的设计首要考量的是怎样借助一个过程,对输入(或环境条件)进行运算处理得到输出(或推动 ...
最新文章
- 初面蚂蚁金服，java微积分第三方计算包
- Win2008 R2实战之只读域控制器部署(图)有修改
- c语言 复杂指针声明,C指针复杂声明
- STL stack 容器
- 认知NumPy数学运算库
- qt 打开html文件怎么打开文件夹路径,QT打开网页
- 随手记_ubuntu下配置vscode+cmake c++开发环境
- 【Codeforces Round #317 Div1 —— A】Lengthening Sticks【数学思维题】
- javascript 同时下载多个文件
- Win10自带微软输入法消失解决办法（无法显示输入法图标）
- 智能车入门——‘教程引导’ ＜新手从零做车＞
- LaTex公式使用（Word中的公式编辑，尤其是方程组等联合公式）
- (转)牛顿和哈雷的故事（重点看一下牛顿老时候）
- aws mongodb_在AWS上托管React flask mongodb Web应用程序第4部分
- CVE-2019-8451: Jira SSRF
- LPCD是如何做到稳定自动卡片侦测功能的,FM17550/FM17522替代方案
- 搭建自己的个人服务器（网络配置篇）
- 记录一次安卓app ssl证书绕过
- 锦江小学网络规划设计
- 无限流量服务器印设备,手机这样就能无限流量？我果然还是太年轻了
热门文章
- BIOS无法识别SSD，但希望用SSD启动系统的解决方法
- 【第170期】给@Steve的简历分析：不自卑，但我确实在仰望
- 安全网关性能更超群？新华三 SecPath M9000采用思博伦解决方案实测得验证！
- 如何查找网页中的源代码文件
- HP1007打印机死机打印队列出现‘’正在删除错误正在打印”错误
- 【GAN实战项目：DCGAN in Tensorflow生成动漫人物头像】代码学习
- 10种经典的错误提示信息
- Weakly-Supervised Crowd Counting Learns from Sorting rather than Locations 论文阅读笔记
- 小学生趣味C++编程第11课 尼克与强盗
- 【MYSQL中(@i:=@i+1)的使用】