概念結(jié)構(gòu)方程模型是一種通用的線性統(tǒng)計建模技術(shù)。它主要是利用聯(lián)立方程組求解，但是沒有嚴格的假設限定條件，同時允許自變量和因變量存在測量誤差。

2023/6/91假設與其他分析方法相同的假設條件包括：（1）

觀察變量是相互獨立的；（2）

隨機抽樣；（3）

線性相關(guān)2023/6/92步驟模型設定模型識別模型估計模型評價模型修正2023/6/93模型設定：2個基本假設理論依據(jù)是增加或者刪除連線的依據(jù)，用最少的因果路徑或者相關(guān)關(guān)系來刻劃在理論上可行的模型線性關(guān)系

2023/6/94模型設定：2種變量潛在變量和顯示變量潛在變量——不可直接衡量的顯示變量（測量變量）——問卷中直接測量的

內(nèi)生變量和外生變量內(nèi)生變量——由模型內(nèi)其他變量作用所影響的變量外生變量——變量的影響因素在模型之外2023/6/95模型設定：2個模型測量模型

——表示潛在變量和觀測變量之間的關(guān)系

結(jié)構(gòu)模型（潛在變量模型）——表示潛在變量之間的關(guān)系

2023/6/96樣本容量一般而言，最保守的是一個變量要5個樣本來衡量，此時樣本服從多元正態(tài)分布，而且沒有奇異值。也有人認為一個變量由15個樣本來衡量比較好。最低的樣本要求是50。一般樣本量在100～200之間比較合適。

2023/6/97變量數(shù)量選擇多個指標表示潛在因子具有統(tǒng)計上和概念上的優(yōu)勢一般以3～4個指標表示1個因子比較合適當因子互相關(guān)聯(lián)的時候，可以減至2個2023/6/98前期工作可信度檢驗——SPSS中完成效度檢驗缺省值處理——SPSS中完成2023/6/99模型識別：概念1當一個未知參數(shù)至少可以由觀測變量的方差協(xié)方差矩陣中的一個或者多個元素的代表函數(shù)來表達，就稱這個參數(shù)可識別的。如果模型中的參數(shù)都是識別參數(shù)，那么這個模型就是可識別的。

2023/6/910模型識別：概念2過度識別——當一個模型中的參數(shù)都是識別的并且至少有一個是過度識別的，那么這個模型就是過度識別的

恰好識別——當一個模型中的參數(shù)都是識別的并且沒有一個是過度識別的，那么這個模型就是恰好識別的

不可識別——模型中至少有一個不可識別的參數(shù)

2023/6/911模型識別：不可識別的原因模型能否識別并不是樣本的問題

原因：1、自由度少

2、因子之間的相互作用，即雙向作用

2023/6/912模型識別：判斷方法數(shù)據(jù)點的數(shù)目不能少于自由參數(shù)的數(shù)目。數(shù)據(jù)點的數(shù)目就是觀測變量的方差和協(xié)方差的數(shù)目。自由參數(shù)的數(shù)目特指待定的因子載荷、通徑系數(shù)、潛在變量和誤差項的方差、潛在變量之間與誤差項之間的協(xié)方差的總數(shù)

必須為模型中的每一個潛在變量建立一個測量尺度。將潛在變量的方差設定為1；將潛在變量的觀測標識中任何的一個因子負載設定為一個常數(shù)，通常為1

2023/6/913模型識別：預防措施預防不可識別的模型主要是有關(guān)參數(shù)的設定，盡量減少自由參數(shù)的數(shù)目，讓模型簡約。當模型中的變量之間有循環(huán)或是雙向關(guān)系，那么這個模型就是非遞歸的，一般是不可識別的。

2023/6/914模型估計：方法選擇1最大似然估計和最小二乘估計假定：觀測變量是連續(xù)變量，具有多元正態(tài)分布。即使是在大樣本的情況下，觀測變量的偏態(tài)性，尤其是在很高的峰度下，會導致很差的估計以及不正確的標準誤和偏高的卡方值。

2023/6/915模型估計：方法選擇2對偏態(tài)分布的變量進行轉(zhuǎn)換；去除奇異值；采用加權(quán)最小二乘法

2023/6/916模型評價：不適合的參數(shù)估計誤差項有負方差標準化的相關(guān)系數(shù)大于或者接近于1某一相關(guān)系數(shù)有很大的標準差2023/6/917模型評價：解決辦法模型是否可以識別將誤差項固定在很小的正值減少結(jié)構(gòu)2023/6/918模型評價：3個方面絕對指標相對指標簡約性2023/6/919模型評價：絕對指標從設定模型的擬合和獨立模型擬合之間的比較得出的

卡方值與自由度的比值：1~3之間（p>0.05）GFI：>0.9AGFI：>0.9RMSEA：<0.082023/6/920模型評價：相對指標設定模型和特定模型的比較規(guī)范擬合指數(shù)（NFI）：設定模型和獨立模型的卡方值的比較（不能控制自由度，在小樣本的時候低估）

IFI：對NFI的修正

比較擬合指數(shù)CFI：設定模型和獨立模型的卡方值的比較，非中心的卡方分布

2023/6/921模型評價：簡約性阿凱克信指數(shù)

AIC模型的比較2023/6/922模型比較嵌套模型的比較非嵌套模型的比較2023/6/923模型比較：嵌套模型嵌套關(guān)系：在兩個模型中，其中一個模型是在另一個模型的基礎上加一定的限制得到的，一個模型的自由度是另外一個模型的子集似然比較檢驗：通過兩個模型擬合優(yōu)度的卡方檢驗值的差值和自由度的差值得到的新的卡方值和自由度結(jié)果顯著：模型中的變化并不是改善2023/6/924模型比較：非嵌套模型阿凱克信指數(shù)

AIC一致性阿凱克信指數(shù)CAIC期望交叉證實指數(shù)

ECVI這些值的數(shù)值越小，就說明模型簡約并擬合的很好，但是這些指標都不是統(tǒng)計值，因此沒有統(tǒng)計檢驗來確認兩個模型之間的差異是否顯著。在應用時，先估計每個模型，將它們按其中一個指標進行比較，然后選擇其中值最小的模型。

2023/6/925模型修正改變測量模型