揭开LISREL的神秘面纱解读LISREL的报表.ppt
《揭开LISREL的神秘面纱解读LISREL的报表.ppt》由会员分享,可在线阅读,更多相关《揭开LISREL的神秘面纱解读LISREL的报表.ppt(27页珍藏版)》请在三一文库上搜索。
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 理論上 實務上 :樣本共變數矩陣 與() :未知母體共變數矩陣 :根據母體建構參數所複製出的估計共變數矩陣 SEM的基本檢定,是期望獲得不要拒絕虛無假設的檢定結果,也就是H0被接受的結果,或獲得不顯著的檢定結果。,整體配適度指標,卡方值( ) 希望未達顯著,容易受到樣本數(200)與資料偏離常態的影響 均方根近似誤(RMSEA)和非趨中參數(NCP) RMSEA0.10不良配適 NCP越小越好,檢驗其90%信賴區間是否涵蓋
2、0 RMSEA不受樣本大小與模型複雜度的影響 適配度指標(GFI)和修正適配度指標(AGFI) 類似迴歸分析判定係數的觀念,0.90良好配適 均方根殘差(RMR)和標準化均方根殘差(SRMR) RMR或SRMR0.5,比較配適度指標,非正規化適配指標(NNFI) 比較兩對立模式之間的配適度,門檻值為0.9 正規化適配指標(NFI)、增值適配指標(IFI)/ 比較適配指標(CFI)和相對非趨中性指標(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(ECVI) 可用來檢驗模式應用到同一母體的不同樣本是否仍
3、有效 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,正規化卡方值(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 13為理想適配值;3或5,表示模式需要修正 精簡正規化適配指標(PNFI)和精簡適配度指標(PGFI) 0到1之間,其值越高表示模式具有精簡性 Akaike訊息指標(AIC)和一致Akaike訊息指標(CAIC) 0,越小越好,樣本數200且資料符合多變量常態性假設 關鍵樣本數(CN) 基於統計檢定的考量,模式要獲得一個可被接受的適配程度,所需最低數量的樣本 建議:CN200,測量模式的配適指標,信度 測量觀察變數的平方值(收斂效度) 組
4、合信度(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 因素負荷量界於0.500.95之間 測量誤差無負值且達到顯著 參數間相關的絕對值不接近1 平均變異數萃取量(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 的量(百分比) AVE0.5,結構模式的配適指標,潛在變項彼此之間關係的路徑係數符號 正負方向是否與研究預期方向相同 路徑係數的參數估計值是否達到統計上的顯著 參數估計值的t值絕對值,至少須大於1.96 每一條結構方程式的R平方值是否達
5、到顯著 R平方值越大越好(最好大於0.5),各配適指標總整理,模型評估的策略,策略一:模型設定的合理性 SEM的模型與各項參數是否能被順利的辨識、收斂與估計 策略二:個別參數的檢視 檢查每一個參數的正負號、數值大小是否符合理論預期 檢查測量誤差的大小,分析這些殘差項當中是否透露某些變項的測量品質不佳的訊息 策略三:適配度指標(goodness-of-fit index)的運用 利用統計顯著性考驗檢驗假設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(specif
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 揭开 LISREL 神秘 面纱 解读 报表
链接地址:https://www.31doc.com/p-3149591.html