使用结构方程的方法进行模型的验证

1、 替换缺失值

在读取数据文件之前，对数据的完整性问题做适当处理。利用SPSS进行数据缺失值的处理。操作过程：转换→替换缺失值

输出结果：形成新的数据集。从下表中可以看出，LXRZ1_1和GXRZ4_1有缺失值。从新的数据集中看出两个缺失值替补均为4。

结果变量
	结果变量	替换的缺失值数	非缺失值的个案编号		有效个案数	创建函数
			第一个	最后一个
1	LXRZ1_1	1	1	169	169	SMEAN(LXRZ1)
2	LXRZ2_1	0	1	169	169	SMEAN(LXRZ2)
3	LXRZ3_1	0	1	169	169	SMEAN(LXRZ3)
4	GYZSJ1_1	0	1	169	169	SMEAN(GYZSJ1)
5	GYZSJ2_1	0	1	169	169	SMEAN(GYZSJ2)
6	GYZSJ3_1	0	1	169	169	SMEAN(GYZSJ3)
7	GYZSJ4_1	0	1	169	169	SMEAN(GYZSJ4)
8	ZWXX1_1	0	1	169	169	SMEAN(ZWXX1)
9	ZWXX2_1	0	1	169	169	SMEAN(ZWXX2)
10	ZWXX3_1	0	1	169	169	SMEAN(ZWXX3)
11	ZSCG1_1	0	1	169	169	SMEAN(ZSCG1)
12	ZSCG2_1	0	1	169	169	SMEAN(ZSCG2)
13	ZSCG3_1	0	1	169	169	SMEAN(ZSCG3)
14	ZSJX1_1	0	1	169	169	SMEAN(ZSJX1)
15	ZSJX2_1	0	1	169	169	SMEAN(ZSJX2)
16	ZSJX3_1	0	1	169	169	SMEAN(ZSJX3)
17	ZSJX4_1	0	1	169	169	SMEAN(ZSJX4)
18	CXWH1_1	0	1	169	169	SMEAN(CXWH1)
19	CXWH2_1	0	1	169	169	SMEAN(CXWH2)
20	CXWH3_1	0	1	169	169	SMEAN(CXWH3)
21	GXRZ1_1	0	1	169	169	SMEAN(GXRZ1)
22	GXRZ2_1	0	1	169	169	SMEAN(GXRZ2)
23	GXRZ3_1	0	1	169	169	SMEAN(GXRZ3)
24	GXRZ4_1	1	1	169	169	SMEAN(GXRZ4)

2、 绘制模型

通过AMOS把模型画出。在AMOS中添加数据文件，对于未命名的变量，自行命名。

3、 数据分析

(1)设置“分析属性”，在“输出”中勾选如下，点击运行文件，点击“view text”查询结果。(内定临界指标修正值为4，修正指标大于4会出现)

非标准化的估计值：

标准化的估计值：

查看结果：

(2)正态性检验

skew表示偏度系数，kurtosis表示峰度系数，skew、kurtosis要接近于0最好，c.r.表示偏度系数或峰度系数除以标准误的临界值，违反多变量正态分布的条件会导致高估卡方及低估参数估计值的标准误。当c.r.值＞2时，暗示有些单变量可能具有异常值；当c.r.值＞1.96时，表明有些单变量违反正态分布的假设。由上表可知，可以发现有些单变量可能具有异常值。

(3)模型注解

首先查询是否违规估计，即检查估计系数是否超出了可接受范围。违规估计包括：

a) 某些误差的估计值为负(此结果中有两个估计值为负数)；

b) 标准化系数是否超过或者太接近1，一般以0.95为阀值(此组数据未出现)；

c) 估计值本身恰当，但其标准误很大，是数倍或者百倍的其他标准误(看regression weight里面的SE，此组数据未出现)。

说明：模型的自由度(样本矩提供的数据点数目与模型内容估计自由参数数目的差异)为246，适配度卡方值(再生协方差矩阵与原协方差矩阵的差异)为903.788，显著性概率值P=0.000＜0.05，发生了小概率事件，拒绝原假设，即再生协方差矩阵与原协方差矩阵有差异，表明观测数据与假设模型之间不适配；另外，卡方/自由度=3.67＞2，也表明模型与数据的拟合度较差。

(4)估计值

说明：该表为非标准化的回归系数及其显著性检验摘要表，非标准化系数是根据变量的原始分数或协方差矩阵求得。Estimate估计值为非标准化的回归系数，此值可比较相对影响力；S.E.为估计参数的标准误(不能太大)；C.R.为临界比率值，相当于t检验的t值，t＞1.96则P＜0.05，t＞2.28则P＜0.01；第四列P值为显著性，“***”表示P＜0.001，“**”表示P＜0.01，“*”表示P＜0.05。

在潜变量与标识变量之间的路径系数中(如“理性认识”与“LXRZ3”之间)有一个标识变量出现“1”，这个“1”表示识别性，也就是在非标准化的估计值中作为解释的基准。

说明：上表为标准化的回归系数值，即路径分析中的路径系数。

(5)拟合度检验

NPAR指估计的参数个数，在预设模型、饱和模型和独立模型中，NPAR与DF之和相等。

CMIN是差异的宏函数，表示卡方值，完全合适数据时，差异值为0，预设模型的卡方值为903.788，与数据的拟合度极不好。

P指显著性，显著性小于0.05，也表明该模型与数据有不良的拟合度。

CMIN/DF指卡方除以自由度，越接近0，表示模型与数据的拟合度越好，一般取值为2，此时CMIN/DF的值为3.674，大于2，表明模型与数据的拟合度不好。

RMR平均方根残值，越接近于0表示模型的拟合度越好，通常采用RMR＜0.05，预设模型的RMR=.242＞0.05，表明模型的拟合度不好。

GFI拟合优度指数，表示假设模型与独立模型之间的差异。越接近1表示模型拟合度越好，通常采用GFI＞0.9，预设模型的GFI=.741＜0.9，表明模型的拟合度不好。

NFI为规范拟合指数，表示预设模型与独立模型之间的差异。接近1表示模型拟合度越好，通常采用NFI＞0.9，预设模型的NFI=0.626＜0.9，表明模型的拟合度不好。NFI=1-预设模型的差异/独立模型的差异

CFI为比较拟合指数，表示预设模型与独立模型之间的差异。越接近1表示模型拟合度越好，通常采用CFI＞0.9，预设模型的CFI=0.693＜0.9，表明模型的拟合度不好。

4、 模型的修订

Covariances: (Group number 1 - Default model)

			M.I.	Par Change
共有知识基		创新文化	30.916	.134
感性认知		理性认知	67.993	.664
e14		共有知识基	35.765	.400
e13		理性认知	5.704	.141
e13		e25	7.478	.088
e13		e27	22.768	-.162
e12		共有知识基	7.671	.148
e11		感性认知	75.637	.698
e10		e14	7.040	-.211
e9		e12	7.503	-.190
e17		e12	11.968	.234
e16		e12	4.730	.136
e16		e9	5.169	.131
e15		e13	15.057	.207
e15		e12	5.115	-.147
e20		e9	6.489	-.160
e19		e13	5.242	.118
e18		创新文化	14.047	.134
e18		共有知识基	4.295	.113
e18		e26	5.496	.106
e18		e27	4.967	.094
e23		感性认知	5.052	.167
e23		e9	4.091	-.124
e23		e18	6.405	.172
e22		e13	10.153	-.169
e22		e12	7.135	.173
e21		感性认知	6.047	-.170
e21		e12	7.934	-.174
e21		e11	6.706	-.152
e8		感性认知	8.065	-.330
e8		e9	7.557	-.262
e7		e27	9.268	-.130
e7		e14	5.089	.224
e7		e13	5.876	.158
e7		e22	4.522	-.144
e6		e25	5.089	-.095
e6		e13	6.771	-.172
e6		e16	4.001	-.133
e6		e15	5.273	-.158
e6		e19	6.573	-.171
e6		e24	9.535	.208
e5		创新文化	11.606	.118
e5		e15	4.539	.138
e5		e24	4.920	-.140
e5		e23	7.238	.179
e5		e8	7.367	-.281
e4		理性认知	4.316	.108
e4		e11	8.841	.154
e3		e12	5.539	-.138
e3		e9	5.722	.129
e3		e4	6.604	-.107
e2		创新文化	4.391	-.055
e2		理性认知	10.944	.177
e2		e14	6.083	-.174
e2		e11	4.233	.110
e2		e10	14.554	.179
e2		e9	14.856	-.198
e2		e15	4.083	-.097
e2		e8	8.433	.224
e2		e5	12.772	-.201
e2		e4	10.016	.126
e1		e25	5.509	-.056
e1		e14	4.327	.120
e1		e11	4.559	.093
e1		e10	5.025	-.086
e1		e9	7.611	.116
e1		e8	16.797	-.258
e1		e5	11.126	.153
e1		e3	7.766	.093

在MI值中，理性知识感性知识最大(e7感性知识违反SEM假设)，因此建立其关联，表示建立理性知识和感性知识关联，将使其chi-square降低。

本次修正结果：

模型的自由度为245，适配度卡方值为725.148

经过多次修正的结果：

说明：模型中误差方差的测量误差值均为正，没有发生违反估计现象。模型的自由度为212，适配度卡方值为255.770，卡方/自由度=1.206＜2，表明模型与数据的拟合度较好。显著性水平概率值P=0.012<0.05，发生大概率事件，接受原假设，即再生协方差矩阵与原矩阵没有差异，表明观测数据与假设模型之间适配。

NPAR为估计的参数个数，在预设模型、饱和模型和独立模型中，MPAR与DF之和相等。

CMIN是差异的宏函数，表示卡方值，完全合适数据时，差异值为0，预设模型的卡方值为262.531

P指显著性，显著性小于0.05，表明该模型与数据没有良好的拟合度。

CMIN/DF指差异除以自由度，越接近0，表示模型与数据的拟合度越好，一般取值为2，此时CMIN/DF的值为1.206，小于2，表明模型与数据的拟合度良好。

RMR平均方根残值，越接近于0表示模型的拟合度越好，通常采用RMR＜0.05，预设模型的RMR=.092＞0.05，表明模型的拟合度不好。

GFI拟合优度指数，越接近1表示模型拟合度越好，通常采用GFI＞0.9，预设模型的GFI=.894，表明模型的拟合度不好。

RMSEA=总体差异/自由度，为近似误差均方根，此公式可以修正总体差异值受到估计参数值影响的缺点。RMSEA小于0.05时，可以判断模型的拟合度好， RMSEA大于0.1时，表示模型的拟合度差，0.05＜RMSEA＜0.1表示模型处于灰色地带，不满意但尚可接受。

NFI为规范拟合指数，表示假设模型与独立模型之间的差异。接近1表示模型拟合度越好，通常采用NFI＞0.9，预设模型的NFI=.894，表明模型的拟合度不好。

CFI为比较适配度指标，越接近1表示模型拟合度越好，通常采用CFI＞0.9，预设模型的CFI=.980，表明模型的拟合度好。

说明：该表为非标准化的回归系数及其显著性检验摘要表，非标准化系数是根据变量的原始分数或协方差矩阵求得。右边第一列估计值为非标准化的回归系数，此值可比较相对影响力；第二列为估计参数的标准误；第三列C.R.为临界比率值，相当于t检验的t值，t＞1.96则P＜0.05，t＞2.28则P＜0.01；第四列P值为显著性，“***”表示P＜0.001，“**”表示P＜0.01，“*”表示P＜0.05。

在潜变量与标识变量之间的路径系数中有一个标识变量出现“1”，而其他的没有，这个“1”表示识别性，也就是在非标准化的估计值中作为解释的基准。

修正后的非标准化结构模型：

修正后的标准化结构模型：

往期推荐

---

SPSS经典案例 | 小白必看！方差分析、T检验、相关分析、因子分析，上财博士手把手教你套模板！

stata经典案例 | 初学者必看！面板数据、广义矩估计、var模型、logit模型回归详细操作步骤

Eviews经典案例 | 初学者必看！AR-MA模型精讲

你不知道？！除了知网，还有这十个网站可以免费查重(内含10万字免费查重、100份简历模板和13种软件安装包和教程)

还在为毕业论文数据处理头秃?！喏，秘籍给你，红包也给你(文末有惊喜)

扫码关注小数，每天一篇精选干货!

---

[你长那么好看，文末点个在看再走呗】