第19章 線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3. 線性結構關係模式的評估

Slides:



Advertisements
Similar presentations
工職數學 第四冊 第一章 導 數 1 - 1 函數的極限與連續 1 - 2 導數及其基本性質 1 - 3 微分公式 1 - 4 高階導函數.
Advertisements

©2009 陳欣得 統計學 —e1 微積分基本概念 1 第 e 章 微積分基本概念 e.1 基本函數的性質 02 e.2 微分基本公式 08 e.3 積分基本公式 18 e.4 多重微分與多重積分 25 e.5 微積分在統計上的應用 32.
index 目次 ( 請按一下滑鼠,解答就會出現喔 !) 接續下頁解答 3-1 極限的概念.
變數與函數 大綱 : 對應關係 函數 函數值 顧震宇 台灣數位學習科技股份有限公司. 對應關係 蛋餅飯糰土司漢堡咖啡奶茶 25 元 30 元 25 元 35 元 25 元 20 元 顧震宇 老師 台灣數位學習科技股份有限公司 變數與函數 下表是早餐店價格表的一部分: 蛋餅 飯糰 土司 漢堡 咖啡 奶茶.
單元九:單因子變異數分析.
張偉豪 三星統計服務公司執行長 Amos 亞洲一哥
實驗規劃--實驗因子設定, 效標選定與受測者選定
結構方程模式 陳寬裕.
問題 欲探討組織學習傾向與策略決策模式之關係 預測變數(X)—組織學習傾向構面 準則變數(Y)—策略決策模式 願景溝通 團隊學習 價值領導
資料分析:相關和迴歸 第十八章 「行銷研究人員必須持續檢視消費者認知和最終 購買決策之間的關係,因此,相關和迴歸技術為行
張偉豪 三星統計服務公司執行長 Amos 亞洲一哥
應用統計理論 編著:劉正夫教授 Reference:1) Wonnacott and Wonnacott. Introductory
行銷研究 單元二 行銷研究的程序.
保良局方王錦全小學 學校健康促進經驗分享    盧淑宜校長.
舊愛還是新歡—大學生繼續選擇就讀 原學校研究所之研究
17 類別資料的分析  學習目的.
Structural Equation Modeling
統計數量分析幾個重要的觀念 陳順宇 教授.
第15章羅吉斯與Probit迴歸分析 本章的學習主題  1.羅吉斯迴歸分析的概念 2.羅吉斯迴歸的假設 3.Logit 轉換
國際金融專題 亞太國家的股價和匯率之間的共整合關係 林秉毅 授課教師 :楊奕農老師.
迴歸分析 主講人:童超塵 實驗室網址 永久: 實驗室網址 永久: 目前:
第15章 羅吉斯與Probit迴歸分析 本章的學習主題  1.羅吉斯迴歸分析的概念 2.羅吉斯迴歸的假設 3.Logit 轉換
第四章 测试效度及其 验证方法(一) 湖南师范大学外国语学院 邓 杰 教授.
實驗計畫資料分析作業解答 何正斌 國立屏東科技大學工業管理系.
第十四章 SEM 結構方程模式 14-1 SEM結構方程模式 14-2 SEM的統計假設 14-3 模式的界定、設計和分析
Structural Equation Modeling 概念介紹
因果關係理論的建立 ─結構方程模型 報告學生:陳錏萱  授課教授:任維廉 教授.
1.問卷調查研究設計簡介 2.問卷資料分析~項目分析與信效度檢驗 3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析
第零章 統計學概論 0.1 統計學的定義 0.2 敘述統計學與推論統計學 0.3 測量尺度 0.4 資料、資訊與因果關係 ©2009 陳欣得
指導教授:李明聰 博士 研 究 生 :林佳璇 2012 年 05 月 26 日
圖解式結構方程模式軟體AMOS之簡介與應用
Simple Linear Regression -4
REGRESSION FOR ORDINAL OUTCOMES 「順序尺度依變項」的迴歸模型
衛生署公佈台灣地區約有5000人是屬單腳肢體殘障。已知台灣地區約有2,300萬人口。求台灣地區人民的平均腳數?
社交、適地、行動行銷對離線購買意願影響之研究 李月華 淡江大學企業管理學系 電子商務研究,2015 年春季 第 13 卷,第 1 期,頁
第14章 迴歸分析與複迴歸分析  本章的學習主題  1.使用迴歸分析的時機 2.最小平方法在迴歸分析上的意義 3.迴歸分析的假設
課程九 迴歸與相關2.
邏輯迴歸 Logistic Regression
楊志強 博士 多變量分析在測驗暨量表編製之應用 楊志強 博士
Methods 靜宜大學資工系 蔡奇偉副教授 ©2011.
第 14 章 簡單線性迴歸.
複迴歸分析-2 Multiple Regression.
第19章 線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3. 線性結構關係模式的評估 4. AMOS的使用 5. 報表分析.
指導老師: 蘇明俊 老師 組長:潘翠娥 組員:張惠雅 葉麗華
第四章 测试效度及其 验证方法(一) 湖南师范大学外国语学院 邓 杰 教授.
About me! 洪從恕(小恕) 交大運管碩士班 興趣:打排球、旅行…etc 座右銘 路是人走出來的 方法是人想出來的 交大運管系大學部
網路安全技術 OSI七層 學生:A 郭瀝婷 指導教授:梁明章.
第二章 機率概論 2.1 相對次數與機率 樣本空間、事件與隨機變數 抽樣與樣本空間 22
複迴歸分析-1 Multiple Regression.
統計學 指導老師: 郭燿禎 Date: 2/14/12.
第十章 順序資料之假設檢定 10.1 順序資料檢定概論 10.2 符號檢定 10.3 符號秩檢定(成對樣本檢定)
因果關係理論的建立 結構方程模型(Structural equation modeling,SEM)
Development of the Sales Locus of Control Scale
學習經濟模型五步驟 模型目的。 內生變數。 行為法則。 均衡。 外生衝擊 模型目的。 判斷是否為外生變數改變?
國立台灣體育學院 體育學系暨體育研究所 高明峰
Definition of Trace Function
有關於股票報酬及匯率變化對台灣醫療產業市場收益的分析
CH1 我的第一個App與變數宣告.
學習內容 概說 損失函數 雜音:造成品質變異的原因 訊號雜音比 直交表 回應表與回應圖 田口方法.
網路品牌社群認同與投入對消費者行為之影響 蔡明達 劉宇傑 電子商務學報 第十五卷 第二期 2013 年6 月 p.295~318
第五章 估計與信賴區間 5.1 估計概論 估計量的分配 信賴度、信賴區間與最大容忍誤差16
Chapter 4 迴歸分析. Chapter 4 迴歸分析 迴歸分析原理 迴歸分析的目的在於找出一條最能夠代表所有觀測資料(樣本點)的函數(迴歸估計式),用這個函數代表應變數和自變數之間的關係 多變量分析—管理上的應用.
楊志強 博士 國立台北教育大學系 教育統計學 楊志強 博士 國立台北教育大學系
第十四章名義資料的數字 描述:關連測量 © Copyright 版權所有:學富文化事業有限公司。本光碟內容僅提供教師於教學上使用,非經本公司許可,禁止複製 (給學生)。感謝老師的配合。
What is International Economics About?
4-1 變數與函數 第4章 一次函數及其圖形.
一 可靠度問題.
單元三:敘述統計 內容: * 統計量的計算 * 直方圖的繪製.
17.1 相關係數 判定係數:迴歸平方和除以總平方和 相關係數 判定係數:迴歸平方和除以總平方和.
第19章 線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3.驗證性因素分析之模型評估
Presentation transcript:

第19章 線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3. 線性結構關係模式的評估 第19章 線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3. 線性結構關係模式的評估 4. AMOS的使用 5. 報表分析 企業研究方法 第 19 章

19.1 LISREL的概念 1. LISREL (linear structure relation) 是一種可以用來處理因果關係模式 的方法。 2.在多變量分析方法中大多一次只能處理一組自變數與一個依變數之間的關係,LISREL 則能同時處理多組自變數與多組依變數間的關係。 3.簡單地說,LISREL 的目的在探討變數間的線性關係,首先針對可觀測的(顯性)變數與不可觀測的(潛在)變數間之關係進行檢定,接著就潛在變數與其他潛在變數間之因果關係模式做假設檢定。而 LISREL 之應用主要包含三個程序:建立因果模式、估計參數及模式評估。 企業研究方法 第 19 章

19.2 建立因果模式 研究者可根據已存在的某種現象,依經驗或理論確定出所有可能的變數間的關係。在LISREL中自變數稱為原因變數(causal variable),被影響的依變數稱為結果變數,再依據互相影響之方向建立模式的路徑圖(path diagram)。 企業研究方法 第 19 章

19.2 建立因果模式 在LSIREL模式中,原因變數本身的變異來自模式以外的變數,因此稱為外生變數(exogenous variable),以ξ表示;結果變數的變異量被模式內其他變數的線性組合所解釋,因此稱為內生變數(endogenous variable),以η表示。 在模式中若是無法直接被觀察的變數,稱之為隱藏變數(latent variable),所以隱藏變數須由外在可觀察的變數或指標(indicator)來加以衡量。 企業研究方法 第 19 章

圖 19—1 線性結構關係模型圖 企業研究方法 第 19 章

1. 以方格“□”表示可觀測變數;以圓圈“○”表示不可觀測變數。 2. 可觀測之外生變數以“X”表示;不可觀測外生變數以“ξ”表示。 3. 可觀測之內生變數以“Y”表示;不可觀測內生變數以“η”表示。 4. 內生變數之間影響係數以“β”(beta)表示;外生變數對內生變數之影 響係數以“γ”(gamma)表示;可觀測變數對不可觀測變數之標準化係 數以“λ”(lambda)表示。 5. 隱藏外生變數之誤差衡量以“δ”(delta)表示;隱藏內生變數之誤差衡 量以 “ε”(epsilon)表示;解釋內生變數之結構方程的誤差項以“ζ” (zeta)表示。 企業研究方法 第 19 章

19.3 估計模式參數 1. 結構方程式 結構方程式是用來表示模式中內生變數與外生 變數之間關係的數學式 。 企業研究方法 第 19 章

2. 衡量方程式 衡量方程式用以表示可觀測與隱藏變數之間的數學關係 2. 衡量方程式 衡量方程式用以表示可觀測與隱藏變數之間的數學關係 企業研究方法 第 19 章

19.4 模式適合度評估 1. 卡方值 卡方值愈小,表示模式的合適情形越好,一般採卡方值 是用來判定結構方程式是否合適之標準。 19.4 模式適合度評估 1. 卡方值  卡方值愈小,表示模式的合適情形越好,一般採卡方值 是用來判定結構方程式是否合適之標準。 2. GFI (goodness of fit index)  值在0與1之間,此值越大表示適合度愈佳,即模式之解 釋能力越高,通常採GFI>0.9。 3. AGFI (adjust goodness of fit index)   GFI與AGFI有相同的性質,但AGFI是經過自由度調 整,使不同自由度的模式能以相同的基礎進行比較, AGFI是將模式複雜度予以考慮後之GFI,通常採 AGFI>0.9。 企業研究方法 第 19 章

19.4 模式適合度評估 4. NFI (normed fit index) 模式基準合適尺度,即比較假設模型與獨立模型之卡方 19.4 模式適合度評估 4. NFI (normed fit index) 模式基準合適尺度,即比較假設模型與獨立模型之卡方 差異,通常採NFI>0.9。 5. CFI (comparative fit index)  模式比較合適尺度,假設模型與獨立模型之非中央性差 異,通常採CFI>0.95。 6. RMR (root mean square residual)  係推估後所剩下的殘差,愈小表示適合度愈佳,通常採 RMR<0.05。 企業研究方法 第 19 章

7.其它指標及判定標準 表 19 - 1 線性結構關係常用其他指標 指標 意義 判定標準 CMIN / DF 表 19 - 1 線性結構關係常用其他指標 指標 意義 判定標準 CMIN / DF ( mimimum value of discrepancy ) 調整後之模式最小變異 小於 3 F0 ( estimate of F0 ) 針對模式標準誤所作的缺口估計值 在 90% 的信賴區間內 RMSEA ( root mean square error of approximation ) RMR 的估計量 小於 0.05 RF1 ( relative fit index ) 模式相對合適尺度 > 0.9 IFI ( incremental fit index ) 模式擴大合適尺度 ECVI ( expect for a constant scale factor ) 模式因子期望值 ( 檢定模式被賦予的資訊是否充足 ) 企業研究方法 第 19 章

19.5 線性結構關係模式結果之解釋 在整體測量模型與資料的契合度(overall mode fit)方面,若經由卡方檢定模型與研究資料間之差異不顯著,表示我們所蒐集到的資料特性與整體測量模型足以吻合的,可稱此測量模型具有整體模型契合度。 為了避免卡方檢定在大樣本時會有過強之統計力所造成的一些問題。所以,本書採用改良式契合度指標中的「Chi-square/df ≦3」、「GFI>0.9」、「AGFI>0.9」、「RMR<0.05」等幾個常用的指標來評估模式之適合度。 企業研究方法 第 19 章

圖 19-2 線性結構圖示 企業研究方法 第 19 章

指標 數值 評估 卡方值 243.527 -- RMR 0.161 >0.05,差 自由度 211 GFI 0.915 大於0.9,可 p值 0.062 <0.05,差 AGFI 0.889 近於0.9,可 企業研究方法 第 19 章

AMOS 操作範例 圖 19-3 研究架構 企業研究方法 第 19 章

線性結構關係範例之報表說明 企業研究方法 第 19 章

線性結構關係範例之報表說明 (續) 企業研究方法 第 19 章

線性結構關係範例之報表說明 (續) 企業研究方法 第 19 章

線性結構關係範例之報表說明 (續) 企業研究方法 第 19 章

線性結構關係範例之報表說明 (續) 企業研究方法 第 19 章

線性結構關係範例之報表說明 (續) 企業研究方法 第 19 章

線性結構關係範例之報表說明 (續) 企業研究方法 第 19 章

範 例 驗 證 結 果 1. 模式適合評估 (一) 卡方值:243.527 自由度:211 p值:0.062 * 模式之卡方檢定未達顯著水準,表示該模式是良好的。 2. 模式適合評估 (二) 指標 數值 評估 RMR 0.161 大於0.05,差 GFI 0.915 大於0.9,可 AGFI 0.889 近於0.9,可 企業研究方法 第 19 章