结构方程模型全流程

这篇具有很好参考价值的文章主要介绍了结构方程模型全流程。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

结构方程模型全流程

案例与数据

某研究者想要研究关于教师懈怠感的课题,教师懈怠感是指教师在教育情境的要求下,由于无法有效应对工作压力与挫折而产生的情绪低落、态度消极状态,这种状态甚至会引发心理、生理的困扰,终至对教育工作产生厌倦,缺乏热忱与成就感。影响教师倦怠感的因素相当复杂,为了研究教师倦怠感的原因,研究者分发收集了1430份问卷,部分数据如下:

结构方程模型全流程

分析问题

想要研究关于教师懈怠感的课题,搜集了一些数据,其中work1和work2用于测量工作超负荷,ee1、ee2、ee3用于测量情感枯竭,dp1和dp2用于测量自我感丧失,pa1、pa2、pa3用于测量个人成就感,还有性别变量,从目的和变量上来看,其实也就是研究多个潜变量之间的影响关系情况,但是模型不单单是研究影响关系,还包括测量关系。所以案例使用结构方程模型sem进行分析。

模型构建

首先进行模型的构建,在模型估计之前,研究者先要根据理论或以往研究成果来设定初始的理论模型,一般构建模型需要了解因素的个数,以及因素之间的关系,然后根据假设的潜变量之间的关系画出路径图,针对各个变量组合路径图的方式可能会有很多种,且都会有某一种特定的含义,一般会选择尽可能简单的模型去解释更多的变量,以此表达更多的含义。所以利用潜变量之间的关系画出模型如下:

结构方程模型全流程

模型操作与评价

构建模型后,需要对模型进行评价,理论上在进行模型评价前,需要对模型参数进行估计(求解模型中各个参数的估计值),SPSSAU默认使用最大似然法ML进行模型估计。在得到参数的估计值后,需要对模型和数据间是否拟合进行评价,一般模型可用性越高,其拟合度自然越高,参数的估计值也越有意义,操作如下:

结构方程模型全流程

模型评价包括“影响关系和测量关系”以及“模型拟合指标”,首先对影响关系和测量关系情况进行说明。

影响关系和测量关系

结构方程模型全流程

“模型回归系数汇总表格”所展示潜变量的影响关系和测量关系情况,首先查看影响关系,发现“工作超负荷”对情感枯竭有正向影响关系(p值<0.05,标准化回归回归系数为0.673>0),类似的,情感枯竭对自我丧失感也产生正影响关系,但是情感枯竭对个人成就感产生负向影响关系。

该表格还可以展示测量关系,其中“work1、ee1、dp1、pa1”为参照项,所以不会输出指标值,可以从上表看出标准化回归系数均大于0.6,所测量关系良好。如果出现标准化回归系数小于0.6的测量项并且模型拟合效果不好,可以考虑将该项删除处理。具体拟合好坏应该查看模型拟合指标如下说明。

模型拟合指标

模型拟合指标有许多测量标准,一般在报告中对常用指标进行描述即可,部分指标说明如下:

结构方程模型全流程

SPSSAU提供许多指标这里仅展示常用指标进行说明,其中本例子中卡方自由度比小于5即可,如下:

结构方程模型全流程

由上述模型拟合指标可以看出,卡方自由度比为9.726大于5,其余指标均在可接受范围内比如RMSEA值为0.078小于0.1,RMR值为0.053接近0.05,同时GFI,CFI,NFI,NNFI值均大于0.9,所以对于卡方自由度比来讲,需要修正模型。

模型修正

如果模型不能很好的拟合数据,就需要修正,如果拟合指标好,则不需要该步骤,可以根据拟合指数来增加、删除,调整路径或者参数使模型达到更优,对于模型的修正最好基于一定的理论基础,比如:专业上不允许即使MI值很大也不能修正模型,或者增加路径无实际意义等。其中MI指标是用于调整模型的一个指标,一般MI大于20需要进行调整。

SPSSAU可以通过两种方法进行修正,一种是MI指标调整法一种是模型调整法。本例子用MI指标调整法进行修正。

MI指标调整法

MI指标调整法是指让SPSSAU输出MI修正指标建议值,然后结合该指标进行模型的优化,具体模型优化又包括建立协方差关系【协方差调整是指建立项之间的相关关系(非影响关系),MI指标越大,说明关联关系越强越应该建立关系】和建立影响关系,此种做法的目的在于优化‘测量关系不好’和‘模型不好’。多数情况下结合MI修正指标值是进行协方差关系调整。首先让SPSSAU输出MI指标,MI指标的选择有很多,一般选择“MI>10”进行输出。如下:

结构方程模型全流程

结果如下:

结构方程模型全流程

从图可以看到,ee1和ee2之间的MI值最大为53.260,也就是说如果ee1和ee2之间建立协方差关系,意味着预期可以减少卡方值为53.620,因而可考虑建立该两项之间的协方差关系。

建立协方差关系如下:

结构方程模型全流程

结果如下:

结构方程模型全流程

发现卡方自由度比仍然大于5,所以需要进一步修正。

进一步修正:

结构方程模型全流程

建立ee1与work1之间的协方差关系如下:

结构方程模型全流程

发现卡方自由度比仍然大于5,所以需要进一步修正。

进一步修正:

结构方程模型全流程

建立pa2与pa3之间的协方差关系,结果如下:

结构方程模型全流程

由上述模型拟合指标可以看出,卡方自由度比为4.669小于5,并且其余指标均在可接受范围内,因此说明模型构建良好,模型结果可靠。

经过反复修正模型,最后在原模型的基础上建立ee1与ee2、ee1与work1以及pa2和pa2三个协方差关系,最终模型如下:

结构方程模型全流程

模型调整法

模型调整法包括模型拆分法、路径分析法以及线性回归法。模型拆分法是指将模型进行简化,比如将一个模型拆分成2个甚至更多个,比如如下:

结构方程模型全流程

路径分析法是结构方程模型的一种特例,其完全不考虑‘测量关系’,意味着结构方程模型时少了一种考虑因素,也在简化模型。其处理分为两个步骤,第1步是将潜变量变成显变量,第2步是建立模型。比如工作超负荷由work1和work2表示,因而取该2项平均值,得到显变量,类似其它Factor也是一样的处理,最终利用显变量建立路径分析。关于‘取平均值’这一操作,SPSSAU系统中数据处理-》生成变量功能中有,比如:

结构方程模型全流程

结构方程模型全流程

如果路径分析法依旧不达标,意味着同时研究多个X与多个Y之间的影响关系时,模型不适合,因而可将路径分析分别拆分成比如‘1个模型中只有1个Y’,也或者直接使用线性回归重复多次进行分析即可。这里不过多赘述,感兴趣可以查看SPSSAU帮助手册。

总结

本篇案例通过结构方程模型对教师懈怠感的课题进行研究,首先对模型进行构建,然后对构建的模型进行评价,发现“工作超负荷”对情感枯竭有正向影响关系,情感枯竭对自我丧失感也产生正影响关系,但是情感枯竭对个人成就感产生负向影响关系。通过模型拟合指标发现卡方自由度比不达标,所以利用MI指标调整法进行调整,经过三次调整建立了三个协方差关系,最后模型拟合指标达标,模型拟合良好,结构方程模型的应用不仅能辨析作用路径,还为理清模型真正的作用机制提供了帮助。

更多信息请参考SPSSAU官方平台。文章来源地址https://www.toymoban.com/news/detail-414844.html

到了这里,关于结构方程模型全流程的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【算法与数据结构】--算法应用--算法和数据结构的案例研究

    一、项目管理中的算法应用 在项目管理中,算法和数据结构的应用涉及项目进度、资源分配、风险管理等方面。以下是一些案例研究,展示了算法在项目管理中的实际应用: 项目进度管理 : 甘特图算法 :甘特图是一种项目进度管理工具,它使用甘特图算法来展示项目任务

    2024年02月08日
    浏览(41)
  • Python 实现结构方程模型

    结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种统计方法,常用于探索因果关系和模型拟合等问题,在 Python 中 可以使用第三方库 semopy 实现结构方程模型的拟合,使用 semopy 前需确保其已经安装。 如下是使用 semopy 实现结构方程模型拟合的具体步骤: 导入

    2024年03月17日
    浏览(48)
  • 【机器学习】最经典案例:房价预测(完整流程:数据分析及处理、模型选择及微调)

    环境:anaconda+jupyter notebook 首先要明白一点: 数据决定模型的上限!数据决定模型的上限!数据决定模型的上限! (重要的事情说三遍。)对于数据的处理在一个完整案例中花费精力的比重应该占到一半以上。 以下分为:数据分析、数据清洗两部分。 数据分析主要包括:查

    2024年02月05日
    浏览(36)
  • R语言结构方程模型(SEM)

    详情点击链接:R语言结构方程模型(SEM)生态学领域应用 一, R语言SEM分析入门 : lavaan  VS piecewiseSEM 结构方程模型在生态学研究中的应用及模型 结构方模型估计方法:局域估计和全局估计的基本工作原理、主要区别及应用情景分析 群落物种丰富度恢复的直接及间接效应(

    2023年04月24日
    浏览(59)
  • R语言结构方程模型(SEM)教程

    详情点击链接:R语言结构方程模型(SEM)在生态学应用 结构方程模型(Sructural Equation Model)是一种建立、估计和检验研究系统中多变量间因果关系的模型方法,它可以替代多元回归、因子分析、协方差分析等方法,利用图形化模型方式清晰展示研究系统中变量间的因果网络

    2024年02月10日
    浏览(45)
  • 最新基于R语言lavaan结构方程模型(SEM)技术

    原文链接:最新基于R语言lavaan结构方程模型(SEM)技术 https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==mid=2247596681idx=4sn=08753dd4d3e7bc492d750c0f06bba1b2chksm=fa823b6ecdf5b278ca0b94213391b5a222d1776743609cd3d14bfbddf2623795f0a8edadf4e6token=20152544lang=zh_CN#rd 前沿  结构方程模型(Sructural Equation Modeling,SEM)是分析

    2024年03月09日
    浏览(37)
  • 基于R语言lavaan结构方程模型(SEM)技术教程

    原文链接:基于R语言lavaan结构方程模型(SEM)技术教程 https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==mid=2247596681idx=4sn=08753dd4d3e7bc492d750c0f06bba1b2chksm=fa823b6ecdf5b278ca0b94213391b5a222d1776743609cd3d14bfbddf2623795f0a8edadf4e6token=1464653739lang=zh_CN#rd 前沿  结构方程模型(Sructural Equation Modeling,SEM)是分析

    2024年04月14日
    浏览(31)
  • 分析多变量间因果关系的利器---结构方程模型(Structural Equation Modeling)

    结构方程模型(Structural Equation Modeling)是分析多变量间因果关系的利器,在众多学科领域具有巨大应用潜力。我们前期推出的《基于R语言结构方程模型》通过结构方程原理介绍、结构方程全局和局域估计、模型构建和调整、潜变量分析、复合变量分析及结构方程贝叶斯方法

    2024年02月06日
    浏览(29)
  • 目标检测YOLO实战应用案例100讲-道路场景下目标检测与分割模型的压缩研究与实现

    目录 前言 目标检测方法  语义分割方法 相关理论基础  2.1 YOLO

    2024年02月10日
    浏览(30)
  • 目标检测YOLO实战应用案例100讲-基于改进YOLOv3的目标检测模型研究与应用(下)

    目录  实验与结果分析  4.4.1 数据集描述  4.4.2 实验流程  4.4.3 结果分析 

    2024年02月09日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包