Task5 | 结构方程 | “老年病”与身份的关系
Amos | 结构方程 | “老年病”与身份的关系
- 1 文章介绍
- 1.1 数据获取
- 1.2 论文内容
- 2 理论模型
- 2.1 文章主要验证的结构方程模型:
- 2.2 以上模型中的三个潜变量及其观测变量
- 3 结构方程:
- 3.1 测量模型CFA
- 3.1.1 结果摘要
- 3.1.1.1 因子负荷
- 3.1.1.2 拟合优度
- 结果
- 3.2 结构模型
- 3.2.1 结果摘要
- 3.2.1.1 模型注解
- 3.2.1.2 参数估计
- 3.2.1.3 修正指数与标准化载荷
- 3.2.1.4 拟合指标
- 结果
- 4 结论
1 文章介绍
1.1 数据获取
- 本次录屏(下载 | 在线观看)选取的论文(下载地址) Neurodegeneration and Identity,2015年发表Psychological Science,作者为Nina Strohminger and Shaun Nichols。数据及量表等材料公开在OSF网站上。
1.2 论文内容
- 无论是在科学界还是在普通大众中,都有一个普遍的观念,那就是,心智的衰退会剥夺个人的身份。然而,目前还没有系统的研究表明,是什么类型的认知损伤导致人们看起来不再是他们自己。
- 文章测量了三种神经退行性疾病患者的可感知的身份变化:额颞叶痴呆、阿尔茨海默病和肌萎缩性脊髓侧索硬化症。
- 结构方程模型表明,道德能力的损伤是身份不连续的主要原因。其他认知缺陷,包括健忘症,对身份的持久性没有可测量的影响。
2 理论模型
2.1 文章主要验证的结构方程模型:
(包含所有三种神经退行性疾病患者的)Main structural equation model:
结构模型将三种疾病类型的共同认知行为变化作为预测变量。其中5个预测变量(失用症、健忘症、失语、抑郁、病程,apraxia, amnesia, aphasia, depression, disease duration)可直接观测,另外2个建立的潜变量(人格和道德)。效标变量为潜变量,被感知到的身份(Identity)。
2.2 以上模型中的三个潜变量及其观测变量
3 结构方程:
全模型包括测量模型和结构模型。在全模型的建模过程中,通常先完成测量模型(即所有外源潜变量、内生潜变量之间两两相关,做CFA 模型)。在测量模型拟合效果较好的情况下,进一步分析外源潜变量和内生潜变量之间的结构模型。
- “因为不同的项目测量尺度不同,所以在分析之前,所有的变量都被标准化和中心化转化为z分数(在适当的情况下还需要反向计分)”
- 三因子测量模型如下:
3.1 测量模型CFA
3.1.1 结果摘要
在analysis property界面,output面板,选择输出的内容如下:
3.1.1.1 因子负荷
与原文结果基本一致,且每一项标准化 β 估计的 p 值都小于0.001。但个别项的回归系数与原论文中相差较远,如austerity(暂时搞不清楚原因)。
3.1.1.2 拟合优度
在通常情况下,希望RMSEA在0.08 以下(越小越好),NFI和CFI在0.9 以上(越大越好),RMR<0.05
结果
结果显示,除个别线之外,标准化后的每条线的载荷在0.5 以上或者接近0.5,拟合优度发现CFI 接近0.9,而RMSEA 接近于0,测量模型较好。
3.2 结构模型
接下来检验结构模型,加入另外5个可观测的预测变量,并增删单双箭头。还要注意为内生因子Identity增加负荷固定为1的误差项小圆。
另外,文中注明所有预测变量允许共变,因此所有预测变量之间都需要添加双向箭头。
3.2.1 结果摘要
3.2.1.1 模型注解
3.2.1.2 参数估计
- β
- R方
所有变量解释了identity61.7%的变化
3.2.1.3 修正指数与标准化载荷
3.2.1.4 拟合指标
- CMIN/DF
- CFI
- RMSEA
结果
结果显示,结构方程分析支持了我们的模型, χ(679) = 1254.903;CMIN/DF = 1.848,p<0.001;CFI = 0.855;RMSEA = 0.059。总共所有自变量加起来解释了身份(identity)变化方差的61.7%
4 结论
- 显然,最有力的预测变量是道德。即可感知的身份变化是道德的变化,β= 0.71,p < .001(见原文图2a和表4)。
- 失语的预测效果较弱但同样可靠,β= -0.17,p < . 01。
- 模型中的其他变量,如apraxia、抑郁、健忘、人格等,它们的变化似乎对感知到的身份没有可测量的影响。
Task5 | 结构方程 | “老年病”与身份的关系相关推荐
- 结构方程模型_简单易懂,结构方程模型思路总结
结构方程模型是结合了多种统计分析方法,可同时检验因子.分析项.误差项间的关系.本文将基于SPSSAU系统进行说明. 1.方法辨别 结构方程模型SEM包括测量关系和影响关系:既可以测量各因素内部结构及相 ...
- 获取用户之间关系——使用followerway
为什么80%的码农都做不了架构师?>>> 我的问题:上星期一直纠结的是怎样获取用户之间人际关系,今天和鲁博士讨论后发现用这种策略: 我先讲一下我的问题:我要获取一个event所 ...
- 识别和非识别关系之间有什么区别?
我无法完全掌握差异. 您能否同时描述两个概念并使用真实示例? #1楼 标识关系是两个强实体之间的关系. 非识别关系可能并不总是强实体和弱实体之间的关系. 可能存在一个情况,即孩子本身具有主键,但其实体 ...
- 异性相处,关系再好,也要懂得这些“分寸”
一个老生常谈的话题:异性之间有纯友谊吗? 这是一个仁者见仁,智者见智的问题,我很难给出一个肯定的回答. 但有一点我可以肯定的是:异性间要想保持纯友谊,保持好彼此间的距离.控制好彼此间的关系.不越界彼此 ...
- 差序格局与关系取向社会
差序格局编辑 本词条缺少名片图,补充相关内容使词条更完整,还能快速升级,赶紧来编辑吧! "差序格局"一词是费孝通老先生提出的,旨在描述亲疏远近的人际格局,如同水面上泛开的涟晕一般, ...
- 为什么加密货币投资者正在放弃他们的美国公民身份
点击上方 "蓝色字" 可关注我们! 暴走时评: Andrew Henderson是Nomad Capitalist的创始人,该公司帮助来自世界各地的人们搬到不同的国家,同时尽量减少 ...
- 微位科技李子阳:Knocknock諾客—从个人通讯录到区块链身份节点
移动互联网演进到今天,有三个最基础的通讯录,分别代表了沟通三种通讯形态:IM(Wechat.Whatsapp.Kakao.Line)通讯录,手机本地通讯录,邮箱联系人通讯录.这三种分别对应着IM.语音 ...
- Python运算符还有能这样用?
Python中得运算符主要分为:算术运算符.比较(关系)运算符.赋值运算符.逻辑运算符.位运算符.成员运算符和身份运算符共 7 大类 1.算术运算符 什么是算数运算符,跟你脑子里蹦出来的想法一样,加减 ...
- Hibernate in action阅读笔记-吵吵冷饭-ORM
Hibernate是很早的一个框架,ORM框架,我也是04年左右接触Hibernage框架的,也算是个老用户了,最近想熟悉Hibernate,便又开始看看hibernate in action.经典书 ...
- linux——文件权限的更改与管理
一.文件属性查看 ls -l filename - rw-rw-r-- 1 tutu tutu 0 Apr 6 23:43 file 文件类型 - #普通文件 d #目录 s #socket套接字 l ...
最新文章
- 6.python探测Web服务质量方法之pycurl模块
- CES2018:英特尔披露量子计算和神经拟态计算研究最新进展
- netty4.0.x源码分析—bootstrap
- oracle 11g rac asm磁盘组增加硬盘
- 在EXCEL指定SHEET页,指定文字位置,插入批注
- 如何节省 1TB 图片带宽?解密极致图像压缩
- Quick BI V4.0功能“炸弹”来袭,重磅推出即席分析、模板市场、企业微信免密登录等强势功能
- CreateCompatibleDC用法[转]
- JAVA中如何判断一个输入是数字(小数和整数)还是字符串?
- Ubuntu用ssh连接虚拟机
- 如何使用CDSN写博客
- svg 编辑器的点击事件兼容pc端和移动端方案
- 源型输入和漏型输入差别及其接线
- [AutoCAD.Net][事件] AUTOCAD 选择对象后触发事件
- 分析并解决SpringMVC返回406状态码
- 分子量(Molar Mass, ACM/ICPC Seoul 2007, UVa1586)java
- Twitter首席科学家离职 高层动荡仍持续
- 十一、海思HISI3556V200摄像头功能裁剪
- SVN修改提交后的文件名
- 自动更新Selenium驱动chromedriver
热门文章
- JAVA餐厅线上点菜系统计算机毕业设计Mybatis+系统+数据库+调试部署
- 计算机网络共享打不开,电脑只要打开共享提示“无法启用共享访问”如何解决...
- oracle常见单词_oracle认证考试中,常用单词汇总
- 99 年妹子开发吊打 x 度网盘的开源神器!
- 征信报告 加密文档_如何给PDF文档加密?PDF文档加密的方法
- Shell的解释和一些用法
- 【Python】正则表达式判断是否存在连续N个字母
- CVPR 2019 论文汇总(按方向划分,0514 更新中)-转载
- 【前端】你真的理解JavaScript中的变量和数据类型吗
- 微信红包随机算法转载