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.

Slides:



Advertisements
Similar presentations
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.
Advertisements

汇聚财智 共享成长 以正合,以奇胜 ——量化方法在投资中的作用.
制作:张大远 逯遥 指导教师:司书红 学校:兰州交通大学
2012年9月等级考试辅导 第二章 程序设计基础.
因素分析方法的整合 ---- 结构效度的一种计算方法.
Basic concepts of structural equation modeling
第 3 章 資料分類與蒐集 1.進行研究過程中最重要的步驟 2.資料收集與實驗設計具有關連性.
數據挖掘 課程 王海 深圳國泰安教育技術股份有限公司.
现代农业创业指导 广西省兴安县农广校.
ETF分级基金产品套利研究 数量分析组 2010年12月.
保良局方王錦全小學 學校健康促進經驗分享    盧淑宜校長.
期权价格解析.
初三家长会, 欢迎您的光临!.
汇聚财智 共享成长 趋势状态的影响力 ——宏观经济变量与股市关系的研究.
舊愛還是新歡—大學生繼續選擇就讀 原學校研究所之研究
空腹運動誤導.
多元迴歸 Multiple Regression
Structural Equation Modeling
欧亨利小说中的人物 云起小组 敬上.
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.
單因子實驗 設計 (Single­factor experiments)
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
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
丁 承 國立交通大學經營管理研究所教授 成大統計68級 民國103年6月14日
結構方程模式 結構方程模式由測量模型(measurement model)及結構模型(structural model)所組成。
項目分析與探索式因素分析 李茂能, 2007,成大 Fred Li, 2007.
指導教授:李明聰 博士 研 究 生 :林佳璇 2012 年 05 月 26 日
第七章 SPSS的非参数检验.
機率與統計 Introduction   講師:黃弘州.
第一章.
Stochastic Relationships and Scatter Diagrams
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
第六講 函數極值之求法與均值定理 (Extrema & The Mean Value Theorem)
簡單迴歸模型的基本假設 用最小平方法(OLS-ordinary least square)找到一個迴歸式:
第14章 迴歸分析與複迴歸分析  本章的學習主題 
Prelimiary results for the structure of neutron stars
第15章 新古典成長理論 經濟成長的原因 新古典成長模型 生產力成長的效果
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
如何做曲线拟合 本曲线有两个峰 故可选多峰拟合 X, Y 询问峰尖的坐标.
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
主講人 陳陸輝 特聘研究員兼主任 政治大學 選舉研究中心
交叉表格分析 庄文忠 副教授 世新大学行政管理学系 SPSS之应用(庄文忠副教授) 2011/7/13.
正交试验设计在网上购物选择时的应用 统计 高璇 黄婷 刘璐(组长)
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.
受欢迎的课堂具有什么特征 课堂观察研究 问卷调查研究
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
以每年參觀Lake Keepit的人數為例
MyLibrary ——数字图书馆的个性化服务
Development of the sales locus of control scale
因果關係理論的建立 結構方程模型(Structural equation modeling,SEM)
一、迴歸分析的基本概念 二、SPSS的線性迴歸分析 三、迴歸模型的檢驗與意義
社會制度與教育 林以凱.
Development of the Sales Locus of Control Scale
证书发放工作要点及流程 学院办公室.
日光燈製造業 勞工汞蒸氣暴露評估技術探討 勞工安全衛生研究所 謝俊明 林雲卿 4/18/2019.
課程十 迴歸3.
Customer Service Providers’Attitudes Relating to Customer Service and Customer Satisfaction in the Customer-Server Exchange Alex M. Susskind, Carl P. Borchgrevink,
备兑开仓策略的风险 洪波 CFA 金程教育资深培训师.
第二章 Wiener过滤和Kalman过滤
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
社会研究方法 第7讲:社会统计2.
第十三章 GPS控制网的数据 处理.
第四章 常用概率分布 韩国君 教授.
Logistic回归 Logistic regression 研究生《医学统计学》.
生物统计学 Biostatistics 第一章 统计数据的收集与整理
Part 3 初等統計與理論.
簡單迴歸分析與相關分析 莊文忠 副教授 世新大學行政管理學系 計量分析一(莊文忠副教授) 2019/8/3.
參考書籍:林惠玲與陳正倉(2002),應用統計學(第二版)。台北:雙葉書廊有限公司。
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 4. AMOS的使用 5. 報表分析

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(隱藏)變數間之關係進行檢定,接著就隱藏變數與其他隱藏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。

19.2 建立因果模式 研究者可根據已存在的某種現象,依據經驗或現有的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)。 因素分析+迴歸分析

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。

19.2 建立因果模式 圖 19—1 線性結構關係模型圖

19.2 建立因果模式 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。

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 。

19.3 估計模式參數 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

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) AGFI是對自由度調整的GFI,因為GFI會隨(模式中) 路徑增加而增加,因此學者提出模式配適度與複雜度 的平衡指標,稱為AGFI,通常採AGFI>0.9。

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) RMR是測量殘差的平均數,愈小表示適合度愈佳, 通常採RMR<0.05。

19.4 模式適合度評估 表 19 - 1 線性結構關係常用指標 指標 意義 判定標準 Chi-Square 模式合適情形 19.4 模式適合度評估 表 19 - 1 線性結構關係常用指標 指標 意義 判定標準 Chi-Square 模式合適情形 越小越好,P>0.05 GFI (Goodness of fit) 模式合適度 >0.9 AGFI (Adjust goodness of fit) 調整後模式合適度 RMR (Root mean square residual) 殘差平方根 <0.05 CMIN/DF (minimum 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0.08 NFI (normed fit index) 模式基準合適度 大於0.9 RFI (relative fit index) 模式相對合適度 IFI (incremental fit index) 模式擴大合適度 CFI (comparative fit index) 模式比較合適度 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) 在90%的信賴區間

19.5 驗證性因素分析 驗證性因素分析是因素分析的擴展,可用來對因素負荷量以及因素間的相關性做檢定工作,驗證性因素分析在線性結構模式中通常是用來評估建構效度的一個方法。在建構模式時,CFA模式允許因素間是有相關的,通常潛在變數(因素)間的相關是以雙箭頭連接,而做出的結果可以判斷某一問項是否在某一因素內,也可以對模式適合度做檢定。

19.6 線性結構關係模式結果之解釋 在整體測量模型與資料的配適度(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結構模型是 可以吻合的,可稱此結構模型具有整體模型配適度。 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,必須再補充包括「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。

19.6 線性結構關係模式結果之解釋 圖 19-2 線性結構圖示

19.6 線性結構關係模式結果之解釋 51.264 - 0.066 接近0.05,可 21 0.955 接近0.9,可 0.00 19.6 線性結構關係模式結果之解釋 指標 數值 評估 卡方值 51.264 - RMR 0.066 接近0.05,可 自由度 21 GFI 0.955 接近0.9,可 p值 0.00 <0.05,差 AGFI 0.903 接近0.9,差

19.6 線性結構關係模式結果之解釋 以下圖19—2之圖形來顯示多重動機對於信任、知識分享以及行為意圖之間關係之整體影響模式。由模型中可以看出多重動機對於信任(β=0.93),而成就動機(β=0.74)、權力動機(β=0.59),整體模式之配適度Chi-square/df=2.441,GFI=0.955,AGFI=0.903,RMR=0.066,大體上勉強符合標準

19.7 線性結構競爭模式 本範例以架構中之行為意圖將樣本分成高行為意圖和低行為意圖兩群進行競爭模式分析,做法如課本所示。 19.7 線性結構競爭模式 本範例以架構中之行為意圖將樣本分成高行為意圖和低行為意圖兩群進行競爭模式分析,做法如課本所示。 競爭模式是在探討將樣本分成兩群後,不同樣本對於整體模型的配適度是否有所不同,若以圖19-3研究架構來看,競爭模式是要探索不同樣本在進入求算各箭頭之影響力(即β值)時,是否β值會因為樣本群不同而不同。 透過競爭模式可以利用t檢定來測量兩組樣本之β值是否不同,通常t>1.96即視為顯著。

AMOS 操作範例 圖 19-3 研究架構

線性結構關係範例之報表說明

線性結構關係範例之報表說明 (續)

線性結構關係範例之報表說明 (續)

線性結構關係範例之報表說明 (續)

線性結構關係範例之報表說明 (續)

線性結構關係範例之報表說明 (續)

線性結構關係範例之報表說明 (續)

線性結構關係範例之報表說明 (續)

範 例 驗 證 結 果 1. 模式適合評估 (一) 卡方值:51.264 自由度:21 p值:0.000 *雖然p值未達到大於0.05的判別標準,但CMIN/DF=2.441小於3, 且GFI與AGFI皆大於0.9,模式勉強認定為適合的。 2. 模式適合評估 (二) 指標 數值 評估 RMR 0.066 接近0.05,可 GFI 0.955 接近0.9,可 AGFI 0.903