当前位置:
文档之家› 结构方程模型最简单易懂的教程
结构方程模型最简单易懂的教程
二、结构方程简介
简单来说, 简单来说,结构方程模型分 为: 测量方程(measurement equation) equation)测量方程描述潜变 量与指标之间的关系, 量与指标之间的关系,如工 作方式选择等指标与工作自 主权的关系; 主权的关系; 结构方程(structural
equation),描述潜变量之间的 equation),描述潜变量之间的 ), 关系, 关系,如工作自el, Structural Equation Model,SEM Modeling, Covariance Structure Modeling,CSM Linear Structural Relationship , LISREL 称中可以看出, 从上述名称中可以看出,结构方程模型的几 个本质特征是: 个本质特征是: 结构、协方差、 结构、协方差、线性
二、结构方程简介
简单来说,结构方程模型分 简单来说, 为: 测量方程(measurement equation)测量方程描述潜变 equation) 量与指标之间的关系, 量与指标之间的关系,如工 作方式选择等指标与工作自 主权的关系; 主权的关系;
工作方式选择 工作自主权 工作目标调整
目前工作满意度 工作满意度 工作兴趣 工作乐趣 工作厌恶程度
回归分析与结构方程模型
一个回归分析和结构方程比较的例子: 一个回归分析和结构方程比较的例子: 假如有五道题目来测量外向型性格, 假如有五道题目来测量外向型性格,还有四道题 目来测量自信。研究自信与外向型性格的关系。 目来测量自信。研究自信与外向型性格的关系。 假如是你,你将怎样来进行研究? 假如是你,你将怎样来进行研究? 回归分析的做法:先分别计算外向题目的总分( 回归分析的做法:先分别计算外向题目的总分( 或平均分)和自信题目的总分(或平均分), ),在 或平均分)和自信题目的总分(或平均分),在 计算两个总分的相关。 计算两个总分的相关。 这样的计算所得的两个潜变量(性格与自信) 这样的计算所得的两个潜变量(性格与自信)的 关系,恰当吗? 关系,恰当吗?
例子:员工工作满意度的测量 例子:
概念模型: 概念模型:
x
工作方式选择 工作自主权 工作目标调整 任务完成时间充裕度 工作负荷轻重 工作节奏快慢 工作内容丰富程度 工作单调性 工作多样性程度 工作负荷
ξ
y
η
工作满意度
目前工作满意度 工作兴趣 工作乐趣 工作厌恶程度
(2)模型拟合(model fitting) fitting) 模型拟合(
(二)结构模型
对于潜变量间(如工作自主权与工作满意度) 对于潜变量间(如工作自主权与工作满意度)的 关系,通常写成如下结构方程: 关系,通常写成如下结构方程:
η = Bη + Γξ + ζ
其中:B——内生潜变量间的关系(如其它内生潜 其中: 内生潜变量间的关系( 内生潜变量间的关系 变量与工作满意度的关系); 变量与工作满意度的关系); 外源潜变量对内生潜变量的影响( 外源潜变量对内生潜变量的影响 Γ ——外源潜变量对内生潜变量的影响(如 工作自主权对工作满意度的影响); 工作自主权对工作满意度的影响); ζ ——结构方程的残差项,反映了在方程中 结构方程的残差项, 结构方程的残差项 未能被解释的部分。 未能被解释的部分。
缺点:相关理论尚不完善,解释力较弱。 缺点:相关理论尚不完善,解释力较弱。
《王惠文,偏最小二乘法理论与应用,国防工业出版社》 王惠文,偏最小二乘法理论与应用,国防工业出版社》
针对3):指标赋予权重,进行综合评价, 针对3):指标赋予权重,进行综合评价,得出一 指标赋予权重 个量化的指标
缺点:权重设计,需要相当的技巧,通常的方法, 缺点:权重设计,需要相当的技巧,通常的方法,如 AHP,模糊综合评判等方法缺少信度与效度 AHP,模糊综合评判等方法缺少信度与效度
注:t检验值>1.96表示通过显著性检验,且在0.05的显著水平下
(3)模型评价(model assessment) assessment) 模型评价(
结构方程的解是否恰当,(相关系数应在+1和-1之间); 结构方程的解是否恰当,(相关系数应在+1和 之间); ,(相关系数应在+1
变量 工作自主权 工作负荷 工作单调性
针对4):没有办法解决 针对4):没有办法解决
结构方程模型(SEM)的优点 结构方程模型(SEM)的优点
同时处理多个因变量 容许自变量和因变量含测量[误差传统方法( 容许自变量和因变量含测量[误差传统方法(如 回归)假设自变量没有误差] 回归)假设自变量没有误差] 同时估计因子结构和因子关系 容许更大弹性的测量模型 估计整个模型的拟合程度[用以比较不同模型] 估计整个模型的拟合程度[用以比较不同模型] SEM包括:回归分析、因子分析( SEM包括:回归分析、因子分析(验证性因子分析 包括 探索性因子分析)、t检验 方差分析、 检验、 、 探索性因子分析)、t检验、方差分析、比 较各组因子均值、交互作用模型、 较各组因子均值、交互作用模型、实验设计
模型参数的估计
模型计算(lisrel 软件编程)
标准化路径系数( 表1 标准化路径系数(N=351) ) 变量 工作自主权 工作负荷 工作单调性 变量间关系 ε1—η1 ε3—η1 ε2—η1 工作满意度 标准化路径系数 0.206 -0.212 -0.378 t检验值 2.562 -1.575 -2.857
结构方程模型——Lisrel的的初级应用 结构方程模型——Lisrel的的初级应用
一、为何要用结构方程模型? 为何要用结构方程模型? 二、模型原理简介 三、模型建模 四、例子:员工流失动因模型 例子:
一、为何要用结构方程模型? 为何要用结构方程模型?
很多社会、心理研究中所涉及到的变量, 很多社会、心理研究中所涉及到的变量,都不能 准确、直接地测量,这种变量称为潜变量 潜变量, 准确、直接地测量,这种变量称为潜变量,如工 作自主权、工作满意度等。 作自主权、工作满意度等。 这时,只能退而求其次,用一些外显指标, 这时,只能退而求其次,用一些外显指标,去间 接测量这些潜变量。如用工作方式选择、 接测量这些潜变量。如用工作方式选择、工作目 标调整作为工作自主权(潜变量)的指标, 标调整作为工作自主权(潜变量)的指标,以目 前工作满意度、工作兴趣、工作乐趣、 前工作满意度、工作兴趣、工作乐趣、工作厌恶 程度(外显指标)作为工作满意度的指标。 程度(外显指标)作为工作满意度的指标。 传统的统计分析方法不能妥善处理这些潜变量, 传统的统计分析方法不能妥善处理这些潜变量, 而结构方程模型则能同时处理潜变量及其指标。 而结构方程模型则能同时处理潜变量及其指标。
(1)模型建构(model specification) 模型建构( specification) 一、观测变量(即指标,通常是题目)与潜 观测变量(即指标,通常是题目) 变量(即因子,通常是概念)的关系; 变量(即因子,通常是概念)的关系; 各潜变量间的相互关系( 二、各潜变量间的相互关系(指定那些因子 间相关或直接效应); 间相关或直接效应);
线性回归模型及其局限性
y = b0 + b1 x1 + b2 x 2 + ε
1)无法处理因变量(Y)多于一个的情况; 无法处理因变量( 多于一个的情况; 无法处理自变量( 之间的多重共线性; 2)无法处理自变量(X)之间的多重共线性; 无法对一些不可直接测量的变量进行处理, 3)无法对一些不可直接测量的变量进行处理,主 要是一些主观性较强的变量进行测量。 要是一些主观性较强的变量进行测量。如幸福感 组织认同感、学习能力等; 、组织认同感、学习能力等; 没有考虑变量(自变量、因变量) 4)没有考虑变量(自变量、因变量)的测量误差 ,以及测量误差之间的关系
潜变量间的关系,即结构模型,是研究的兴趣重点, 潜变量间的关系,即结构模型,是研究的兴趣重点, 所以整个分析也称结构方程模型。 所以整个分析也称结构方程模型。
三、建模过程
(1)模型建构(model 模型建构( 模型拟合( (2)模型拟合(model 模型评价( (3)模型评价(model 模型修正( (4)模型修正(model specification) specification) fitting) fitting) assessment) assessment) modification) modification)
工作自主权
工作满意度
满意度的关系。 满意度的关系。
(一)测量模型
对于指标与潜变量(例如两个工作自主权指标与工作自主权)间的关系, 对于指标与潜变量(例如两个工作自主权指标与工作自主权)间的关系,通常 写为以下测量方程: 写为以下测量方程:
x = Λ xξ + δ y = Λ yη + ε
其中: 外源指标( 其中:x——外源指标(如两个工作自主权指标)组成的向量; 外源指标 如两个工作自主权指标)组成的向量; 内生指标( y——内生指标(如四个工作满意度指标)组成的向量; 内生指标 如四个工作满意度指标)组成的向量; ξ ——外源潜变量(如工作自主权等)组成的向量; 外源潜变量( 外源潜变量 如工作自主权等)组成的向量; η ——内生潜变量(如工作满意度等)组成的向量; 内生潜变量( 内生潜变量 如工作满意度等)组成的向量; Λ x ——外源指标与外源变量之间的关系(如两个工作自主权指标与工作 外源指标与外源变量之间的关系( 外源指标与外源变量之间的关系 自主权的关系),是外源指标在外源潜变量上的因子负荷矩阵; 自主权的关系),是外源指标在外源潜变量上的因子负荷矩阵; ),是外源指标在外源潜变量上的因子负荷矩阵 Λ y ——内生指标与内生变量之间的关系(如四个工作满意度指标与工作 内生指标与内生变量之间的关系( 内生指标与内生变量之间的关系 满意度的关系),是内生指标在内生潜变量上的因子负荷矩阵; ),是内生指标在内生潜变量上的因子负荷矩阵 满意度的关系),是内生指标在内生潜变量上的因子负荷矩阵;