卡诺模型案例分析_AMOS案例分析 | 结构方程模型(二)
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】
卡诺模型案例分析_AMOS案例分析 | 结构方程模型(二)相关推荐
- python结构方程模型_结构方程模型:方法与应用_结构方程模型公式
讲解清晰,适合MPLus学习者!注意这是王济川的书! 第一章 绪论( Introduction) 11模型表述( Model formulation 1.11测量模型( Measurernent mo ...
- 格兰因果模型可以分析哪些东西_结构方程模型(SEM)和分段结构方程模型
结构方程模型(SEM)简介自然或社会现象是复杂的,但在研究中经常将其简化为简单的模型,类似y~x这样的形式.当然并不是说这种简单模型有什么问题,只是有些情况下y实际上并非x的直接作用结果,y通常受到许 ...
- R语言结构方程模型分析与应用
(R语言平台:模型构建.拟合.筛选及结果发表全流程:潜变量分析:组成变量分析:非线性关系处理.非正态数据.分组数据.嵌套数据分析与处理:混合效应模型:贝叶斯方法:经典案例练习及解读) 现代统计学理论和 ...
- 分析多变量间因果关系的利器---结构方程模型(Structural Equation Modeling)
结构方程模型(Structural Equation Modeling)是分析多变量间因果关系的利器,在众多学科领域具有巨大应用潜力.我们前期推出的<基于R语言结构方程模型>通过结构方程原 ...
- 结构方程模型的建立、拟合、评估、筛选和结果展示全过程
(R语言平台:模型构建.拟合.筛选及结果发表全流程:潜变量分析:组成变量分析:非线性关系处理.非正态数据.分组数据.嵌套数据分析与处理:混合效应模型:贝叶斯方法:经典案例练习及解读) 现代统计学理论和 ...
- 结构方程模型(SEM)高阶应用系列
结构方程模型(Structural Equation Modeling)是分析多变量间因果关系的利器,在众多学科领域具有巨大应用潜力.我们前期推出的<基于R语言结构方程模型>通过结构方程原 ...
- 数据分析技术:结构方程模型;想要“追求”,了解是第一步
基础准备 上篇推送,我们正式开启了AMOS软件应用的介绍.看过上篇文章的朋友知道AMOS软件是用于处理结构方程模型的,文章也简要介绍了结构方程模型可以细分成测量模型和结构模型,以及AMOS软件分析结构 ...
- 结构方程模型(SEM)高阶应用
说明:建模过程中经常特殊情况-数据的不独立问题(包括数据的嵌套结构.时间和空间自相关及系统发育相关).数据或变量的非正态.分类或分组数据以及变量间的互为因果关系(非递归模型) 结构方程模型(Sruct ...
- 结构方程模型(SEM)高阶应用及建模
更多资讯,关注公众号:Ai尚研修科研技术动态 说明:建模过程中经常特殊情况-数据的不独立问题(包括数据的嵌套结构.时间和空间自相关及系统发育相关).数据或变量的非正态.分类或分组数据以及变量间的互为因 ...
最新文章
- 算法设计思想(2)— 贪婪法
- java导出excel(easypoi)
- 二叉树的前序中序后序递归查找,深度,广度搜索C++实现(VS2017)
- 银河麒麟4安装MySQL8_2020-03-24 linux 安装mysql8.0
- android 让应用恢复前台显示_android – 当应用程序返回前台时出现问题
- python学习知识以及就业方向_Python需要学到什么技术 学完可以从事哪些行业
- JMeter入门合集
- 虚拟机文件系统混乱,导致编译失败
- 2017嵌入式软件行业现状及概述
- 离散数学计算机专业论文,【计算机专业《离散数学》教学研究】计算机专业离散数学...
- Word VBA自动排版(4)- 通过For循环批量替换
- 劳动合同书电子版范本word下载【收藏备用】
- 步进电机为何需要驱动器
- RK平台HDMI、喇叭音频同时输出
- teamviewer 远程控制linux,Linux远程控制软件-TeamViewer
- 腾达便携无线路由 无法建立到192.168.2.1的服务器连接,Tenda腾达路由器5G信号设置步骤...
- docker 开机自启动容器docker运行自启动
- 【逆向基础】常用逆向工具介绍
- compare()和compareTo()区别
- python猜字游戏猜三次_python 猜字游戏