1、揭開LISREL的神秘面紗解讀LISREL的報表,主講人： 蕭登泰,模式適配與修飾,配適度檢定 (test of goodness-of-fit),配適度檢定原理的虛無假設(shè) 理論上 實務(wù)上 ：樣本共變數(shù)矩陣 與() ：未知母體共變數(shù)矩陣 ：根據(jù)母體建構(gòu)參數(shù)所複製出的估計共變數(shù)矩陣 SEM的基本檢定，是期望獲得不要拒絕虛無假設(shè)的檢定結(jié)果，也就是H0被接受的結(jié)果，或獲得不顯著的檢定結(jié)果。,整體配適度指標(biāo),卡方值() 希望未達(dá)顯著，容易受到樣本數(shù)(200)與資料偏離常態(tài)的影響 均方根近似誤(RMSEA)和非趨中參數(shù)(NCP) RMSEA0.10不良配適 NCP越小越好，檢驗其90%信賴區(qū)間是否涵蓋0

2、 RMSEA不受樣本大小與模型複雜度的影響 適配度指標(biāo)(GFI)和修正適配度指標(biāo)(AGFI) 類似迴歸分析判定係數(shù)的觀念，0.90良好配適 均方根殘差(RMR)和標(biāo)準(zhǔn)化均方根殘差(SRMR) RMR或SRMR0.5,比較配適度指標(biāo),非正規(guī)化適配指標(biāo)(NNFI) 比較兩對立模式之間的配適度，門檻值為0.9 正規(guī)化適配指標(biāo)(NFI)、增值適配指標(biāo)(IFI)/比較適配指標(biāo)(CFI)和相對非趨中性指標(biāo)(RNI) NFI與IFI用來比較所提模式與獨立模式之間的卡方值差距 CFI與RNI則適用於一連串模式的比較 門檻值為0.9 期望交叉驗證指標(biāo)(ECVI) 可用來檢驗?zāi)Ｊ綉?yīng)用到同一母體的不同樣本是否仍有效

3、 越小越好，檢驗其值是否小於飽和模式與獨立模式下的ECVI值,精簡配適度指標(biāo),正規(guī)化卡方值(NC) 為卡方值/自由度，校正模型複雜的影響所造成的膨脹效應(yīng) 13為理想適配值；3或5，表示模式需要修正 精簡正規(guī)化適配指標(biāo)(PNFI)和精簡適配度指標(biāo)(PGFI) 0到1之間，其值越高表示模式具有精簡性 Akaike訊息指標(biāo)(AIC)和一致Akaike訊息指標(biāo)(CAIC) 0，越小越好，樣本數(shù)200且資料符合多變量常態(tài)性假設(shè) 關(guān)鍵樣本數(shù)(CN) 基於統(tǒng)計檢定的考量，模式要獲得一個可被接受的適配程度，所需最低數(shù)量的樣本 建議：CN200,測量模式的配適指標(biāo),信度 測量觀察變數(shù)的平方值（收斂效度） 組合信

4、度(composite reliability, CR) 一組測量觀察變項具有測量某個潛在變項的理想信度 CR0.6 效度 因素負(fù)荷量界於0.500.95之間 測量誤差無負(fù)值且達(dá)到顯著 參數(shù)間相關(guān)的絕對值不接近1 平均變異數(shù)萃取量(average variance extracted, AVE) 某各潛在變項相對於測量誤差，所能解釋到測量觀察變項變異數(shù)的量(百分比) AVE0.5,結(jié)構(gòu)模式的配適指標(biāo),潛在變項彼此之間關(guān)係的路徑係數(shù)符號 正負(fù)方向是否與研究預(yù)期方向相同 路徑係數(shù)的參數(shù)估計值是否達(dá)到統(tǒng)計上的顯著 參數(shù)估計值的t值絕對值，至少須大於1.96 每一條結(jié)構(gòu)方程式的R平方值是否達(dá)到顯著 R

5、平方值越大越好(最好大於0.5),各配適指標(biāo)總整理,模型評估的策略,策略一：模型設(shè)定的合理性 SEM的模型與各項參數(shù)是否能被順利的辨識、收斂與估計 策略二：個別參數(shù)的檢視 檢查每一個參數(shù)的正負(fù)號、數(shù)值大小是否符合理論預(yù)期 檢查測量誤差的大小，分析這些殘差項當(dāng)中是否透露某些變項的測量品質(zhì)不佳的訊息 策略三：適配度指標(biāo)（goodness-of-fit index）的運用 利用統(tǒng)計顯著性考驗檢驗假設(shè)模型與實際觀察資料的適配情形 策略四：模型修飾的運用 利用模型修飾的功能尋找更佳的替代模型,模式修飾 (model modification),意義：模式需要重新建立的一種界定搜尋(specificati

6、on searches)過程，以增進(jìn)模式精簡性、整體配適程度與解釋性，降低測量誤差與預(yù)測殘差的目的。 模型修飾使SEM分析失去了驗證性的特性，而帶有探索性的意味 模式修正方向 測量模式 放寬或限制潛在變項對觀察變項的連結(jié)參數(shù) 允許或限制測量誤差之間具有相關(guān) 結(jié)構(gòu)模式 放寬或限制外生潛在變數(shù)對內(nèi)生潛在變數(shù)的連結(jié)參數(shù) 允許或限制外生潛在變數(shù)之間具有相關(guān)存在 允許或限制內(nèi)生潛在變數(shù)的殘差之間具有相關(guān)存在,模式修飾技術(shù)與依據(jù),LISREL報表上的診斷指標(biāo) 殘差統(tǒng)計數(shù) (residual statistics) 優(yōu)先修正標(biāo)準(zhǔn)化殘差值之絕對值最大者 標(biāo)準(zhǔn)化殘差絕對值大於1.96，表示該殘差值達(dá)到顯著 修正

7、指標(biāo) (modification indices, MI)與期望參數(shù)改變量(expected parameter change, EPC) 表示重新估計參數(shù)，所能降低整個模式卡方值的數(shù)量與期望參數(shù)改變量 優(yōu)先修正MI與EPC之值較大的參數(shù) 修正指標(biāo)3.84時，表示該參數(shù)已大到值得被修正 模式修正最好有理論文獻(xiàn)支持,模式修飾的建議,卡方差異檢定,檢驗修飾後的模型的卡方值是否顯著的優(yōu)於未修飾前的模型卡方值，也就是計算修飾前與修飾後的卡方值的差異量，進(jìn)行顯著性考驗後來決定模型修飾的適當(dāng)性 卡方差異檢定的先決條件是兩個模型必須為巢套模型（nested model），也就是某一個模型必須是另一個模型的簡

8、約模型,專家學(xué)者建議,先檢定測量模式是否成立，再檢定結(jié)構(gòu)模式中的潛在關(guān)係是否存在 建議寫入研究報告的適配度指標(biāo) Diamantopoulo & Siguaw (2000, p.88) 卡方值、正規(guī)化卡方值、RMSEA、ECVI、SRMR、GFI/AGFI、CFI Hoyle & Panter (1995, pp.165-169) 卡方值、正規(guī)化卡方值、GFI/AGFI、NNFI、IFI、CFI、RNI,解釋報表與撰寫報告,Example: Theory of Planning Behavior,標(biāo)準(zhǔn)化估計值,值,適配度,LISREL報表的主要內(nèi)容(1),參數(shù)估計值 未標(biāo)準(zhǔn)化參數(shù)估計值：適用於比

9、較跨樣本相同模式的參數(shù) 標(biāo)準(zhǔn)化參數(shù)估計值：適用於同樣本中比較自變項對相同依變項的相對貢獻(xiàn)力大小 估計標(biāo)準(zhǔn)誤 T值 誤差變異數(shù)(error variances) 測量誤差 殘差 多元相關(guān)平方(squared multiple correlation, SMC, R2) 自變項的共變數(shù)矩陣(covariance matrix of independent variables),LISREL報表的主要內(nèi)容(2),潛在變項的共變數(shù)矩陣(covariance matrix of latent variables) 相關(guān)變項之間的效果分割 整體效果(total effects) 間接效果(indirect effects) 適配共變數(shù)矩陣(Fitted Covariance Matrix) 殘差矩陣(residual matrix) 模式適配度指標(biāo)(model fit) 修正指標(biāo)(modification index),撰寫結(jié)果,樣本大小 所有測量變相的平均數(shù)及標(biāo)準(zhǔn)差 變異數(shù)-共變異數(shù)矩陣或相關(guān)矩陣 模式中各自由參數(shù)的估計值、標(biāo)準(zhǔn)誤及其顯著性 各種模式適配指標(biāo)值 模式雛型圖和最後完整路徑圖,研究報告所需包含的內(nèi)容,概念模式和統(tǒng)計模式的描述 資料的明白表述 共變數(shù)矩陣或相關(guān)矩陣(包括平均數(shù)與標(biāo)準(zhǔn)差) 多變量常態(tài)性檢定：偏態(tài)與峰態(tài)指數(shù) 分析結(jié)果的描述 估計方法和適