搜索
amos实务上的要求、模型识别与适配度一，样本小样本容易导致收敛失败，不恰当的解，低估参数值，因此样本量规定如下：Loehlin(1992)提出，一个有2-4个因素的模型，至少100个样本，200个更好,因此小于100个样本也就不适合使用AmosBentleandChou(1987)提出样本数至少为估计参数的5倍（根据经验法则估计参数为观察变数的2倍）二，参数估计方法在SEM分析中，提供5种模型估计的方法如图：一般化最小平方法（generalizedleastsquares）未加权最小平方法（unweightedleastsquares）尺度自由最小二乘法（scale-freeleastsquares）渐进分布自由法（asymptoticallydistrubution-free）最广泛使用的估计模型为ML估计法。（kelloway,1998）只有是大样本并且假设观察数据符合多变量正态性，卡方检验才可以合理使用,但是当观察变量是次序性变量，且严重地呈现偏度或高狭峰等非正态性分布情形时，ML的估计值，标准误和卡方值检验的结果，都是不适当，不可信的，最好使用WLS法（余民宁，2006）或者使用bootstrap。WLS法不像GLS法与ML法，受到数据须符合多变量正态性的假定限制，但需要很大样本量，一般要1000以上（Diamantopoulos&Siguaw,2000)。,GLS与ML法一样。在估计方法与样本大小关系方面，Hu（1992）与其同事发现，若是样本数据符合正态性假定，则使用ML法的样本数最好大于500，如果样本数少于500，则使用GLS法来估计会获得较佳结果，Boomsma(1987,P.4)建议使用极大似然法估计结构方程模型时，最少样本为200，少于100会得出错误结果。ADF法样本数要大于1000（IntroductionLisrel-estimation）三，模型模型中潜在因素至少应为2个（Bollen,1989,）量表最好为7点尺度（Lubke&Muthen,2004）每个潜在构面至少要3个题目，5~7题为佳（Bollen,1989）每一个指标不得横跨到其他潜在因素上（cross-loading0.4）(Hairetal.,1998)问卷最好引用知名学者，尽量不要自己创造理论框架要根据学者提出的理论作修正模型主要构面维持在5个以内，不要超过7个综上问卷问题题数设置一般在20左右amos模型识别与适配度一，模型基本适配指标在模型基本适配指标验证方面，Bogozzi和Yi（1988）提出以下几个准则（1）估计参数中不能有负的误差方差（2）所有误差变异必须达到显著水平（t值1.96）（3）估计参数统计量彼此相关的绝对值不能太接近1.（4）潜在变量与其测量指标之间的因素负荷量，最好大于0.6（5）不能有很大的标准误（6）标准化参数1二，整体模型适配指标（模型外在质量的评估）检验模型参数是否有违规估计现象之后在检验整体模型适配，在AMOS中极大似然比卡方值，其报表会出现3个模型的卡方值，此3个模型为预设模型，饱和模型，独立模型，要检验理论模型与实际数据是否适配或契合，应查看预设模型的CMIN值，若是一个假设模型达到适配，最好能进行模型简约的估计。一个适配度加的假设模型较多自由度，表示此假设模型是简约与精简模型，反之不是。（一）绝对适配统计量卡方值卡方自由度比RMSEAGFI&AGFI（二）增值适配统计量（三）简约适配统计量实务上卡方值不是个很实用的适配度指标，p值在200个样本以上，几乎所有的研究都是显著的，很容易得到P0.05的假设，因此佐以其他的适配度指标协助判断Tanaka(1993)，Maruyama(1998)。IFI，TLI，CFI为最常报告的配适度指标，理想值0.9，甚至0.95,CMIN/DF,GFI,AGFI,RMSEA比较常用三，模型内在结构适配度的评估（模型内在质量的检验）Bollen（1989）将模型内在结构指标称为成分适配测量，他认为有时整体模型的适度得到契合，但是个别参数的解释可能是无意义的，因而深入探究每一个参数，对理论的验证更能获得保障。包括效度与信度，效度所反映的是指标变量对于其想要测量的齐娜在特质，信度指的是测量的一致性。关于信度与效度可参考(SPSS信度与效度)这篇文章(1）潜在变量的组合信度(CR)组合信度主要评价一组潜在构面指标的一致性，组合信度愈高，表示测量指标间有高度的内在关联，相反，关联程度比较低。构建信度检验每一个潜在变量的观察变量间内部一致性程度的高低。0.7是可接受门槛（Hair，1997）建议值为0.6以上（FornellandLarcker,1981）但多数学者采用以下分类观点（Kline,1998）信度系数值在0.9以上为最佳的；0.8附近时非常好的；0.7附近则是适中；0.5以上是最小可以接受的范围，若是信度低于0.5，表示有一半以上的观察变异来自随机误差。（2）潜在变量的平均方差抽取量(AVE)潜在变量的平均方差抽取值表示相较于测量误差变异量的大小，潜在变量构念所能解释指标变异量的程度。理想上标准值须大于0.5（FornellandLarcker,1981）,0.36~0.5为可接受门槛。适配度指标的限制（Kline,2011）良好的适配度不代表有良好的统计检定力及解释能力，变数之间相关愈低欲容易得到良好的模型适配度适配度指标不能用来解释成理论具有意义的只能说明模型与数据契合四，模型识别（1）估计（自由）参数数1.所有独立变数的变异数均是模型的参数2.所有外生变数之间的共变异数都均是模型的参数3.所有与潜在变项有关的因素负荷量均是模型的参数4.所有测量变项之间或潜在变项之间的回归系数都是模型的参数p:模型中所有观察变数dp=（p）*(p+1)/2t:自由估计的参数数目tdp：过度辨识t=dp：恰好识别tdp：不足识别因此单个CFA模型必须要3题以上，否则无法识别，如下图估计参数t（Numberofdistinctparameterstobeestimated）为6，样本协方差矩独特元素阵dp(Numberofdistinctsamplemoments)为6,t-dp=0恰好识别。amos的output窗口可查看参数。有时也会遇到一个潜变量只有2个观察变量却可以运行如下图，因为两个潜变量相关，需整体分析。如果两个潜变量之间相关系数小，模型就无法识别，所以最好还是一个潜变量要有3个以上的观察变量。（2）固定参数1.潜在变量与测量指标间的路径系数值设定为1如图5-442.误差变量的路径系数设定为1如图5-64或误差变量的方差设定为1如图5-57。设定e1的方差等于1，因为误差项的误差变异量与其路径系数互为函数，两个参数值不能同时界定，否则模型无法同时估计这两个参数。