【新書推薦】【2017.11】結構方程模型:AMOS的操作與應用(第2版)(吳明隆)

2021-12-31 MATLAB的科學與工程應用

《結構方程模型:AMOS的操作與應用(第2版)》是「萬卷方法統計分析方法叢書」之一,全書共分12個章節,主要對AMOS的操作與應用知識作了介紹,具體內容包括結構方程模型的基本概念、模型適配度統計量的介紹、amos graphics界面介紹、參數標籤與測量模型、驗證性因素分析等。該書可供各大專院校作為教材使用,也可供從事相關工作的人員作為參考用書使用。

 

內容簡介

《結構方程模型:AMOS的操作與應用(第2版)》詳細詳解和演示結構方程模型多種分析方法和操作步驟,是一本理想的AMOS與結構方程模型應用方面的指導讀物。  

《結構方程模型:AMOS的操作與應用(第2版)》前半部介紹結構方程模型(SEM)的概念與Amos G raphics窗口界面的基本操作;後半部以各種實例介紹Amos G raphics在各種SEM模型中的應用。全書採用AMOS圖像界面,完全沒有複雜的SEM理論推導和語法,的特點就是對利用AMOS進行結構方程模型各種分析的每一個步驟都有詳細的講解和圖示。這是一本「使用者界面」取向的書籍,即使是不懂傳統SEM語法使用者,也能在*短時間內學會用AMOS繪製各種SEM模型圖,並將模型估計、模型識別判斷、模型修正與模型驗證,實際應用於自己的研究領域中。  

《結構方程模型:AMOS的操作與應用(第2版)》的讀者對象是結構方程模型分析方法的學習者和使用者,適合社會科學各學科高年級本科生、碩博士研究生自學,也適合教師教學輔助參考。

目  錄

第一章 結構方程模型的基本概念
第一節 結構方程模型的特性
第二節 測量模型
第三節 結構模型
第四節 結構方程模型圖中的符號與意義
第五節 參數估計方法
第六節 模型的概念化
第七節 模型的修正
第八節 模型的覆核效化
第二章 模型適配度統計量的介紹
第一節 模型適配度檢核指標
一、模型基本適配指標
二、整體模型適配度指標(模型外在質量的評估)
三、模型內在結構適配度的評估(模型內在質量的檢驗)
四、模型統計檢驗力的評估
第二節 模型識別的範例
一、正好識別模型
二、過度識別模型
三、低度識別模型
第三章 amos graphics界面介紹
第一節 amos graphics窗口的介紹
一、開啟[amos graphic]應用軟體
二、工具箱窗口的圖像鈕操作介紹
第二節 圖像鈕綜合應用
一、繪製第一個測量模型
二、繪製第二個測量模型
三、繪製第三個測量模型
第四章 amos執行步驟與程序
第一節 路徑分析的程序與執行
一、建立路徑模型圖
二、開啟數據文件
三、設定觀察變量
四、設定誤差變量的變量名稱
五、設定文字報表要呈現的統計量
六、將路徑模型圖存檔與計算估計值
七、瀏覽模型的結果
第二節 路徑因果模型圖的設定
一、外因變量間沒有相關的設定
二、內因變量沒有界定殘差項
第三節 飽和模型與獨立模型
一、飽和模型
二、獨立模型
第四節 結構方程模型圖
一、結構方程模型圖的繪製步驟
二、執行結果的標準化參數估計值路徑圖
三、模型的平行檢驗
第五節 結構模型與修正指標
一、模型a:初始模型
二、模型b:修正模型1
三、模型c:修正模型2
四、模型d:修正模型3
第六節 單一文件多重模型的設定
第五章 參數標籤與測量模型
第一節 參數標籤的設定與特定樣本的分析
一、更改特定群體名稱與模型名稱
二、開啟數據文件選人指標變量
三、設定分析屬性與計算估計值
四、增列模型變量或對象的參數標籤名稱
五、增列參數標籤名稱的模型估計結果
六、全體群體假設模型的修正
第二節 特定群體的分析
一、分析男生群體
二、分析女生群體
第三節 測量模型參數值的界定
一、測量模型假設模型
二、限制不同測量指標的路徑參數a
三、低度辨識的模型
四、增列參數限制條件
五、誤差變量的界定
六、測量模型的修正
七、測量模型參數標籤名稱的設定
第四節 測量模型的平行測驗檢驗
第五節 多因子測量模型潛在變量的界定
一、初始模型
二、修正模型
三、斜交關係的測量模型
四、界定測量模型潛在變量間沒有相關
五、完全獨立潛在變量參數修正
六、單向度測量模型與多向度測量模型
第六章 驗證性因素分析
第一節 一階驗證性因素分析——多因素斜交模型
一、假設模型
二、輸出結果
第二節 一階驗證性因素分析——多因素直交模型
一、假設模型
二、模型適配度摘要表
第三節 二階驗證性因素分析
第四節 一階cfa模型多模型的比較
第五節 一階cfa模型測量不變性檢驗
一、描繪一階cfa假設模型圖
二、單一群組多個模型的設定
三、模型估計結果
第七章 路徑分析
第一節 路徑分析的模型與效果
第二節 路徑分析模型——遞歸模型
一、研究問題
二、採用傳統復回歸求各路徑係數
三、amos graphics的應用
四、模型圖執行結果l
五、文字報表輸出結果
第三節 飽和模型的路徑分析
一、飽和模型假設模型圖
二、參數估計的模型圖
三、參數估計及適配度結果
第四節 非遞歸模型的路徑分析一
一、假設模型圖
二、參數估計的模型圖
三、參數估計值
四、模型適配度摘要表
第五節 非遞歸模型的路徑分析二
一、設定回歸係數的變量名稱
二、設定回歸係數值w5=w6
三、參數估計的模型圖
四、參數估計值
五、設定兩個內因變量測量誤差的方差相等
第六節 模型界定搜尋
一、飽和模型圖
二、執行模型界定搜尋
第八章 潛在變量的路徑分析
第一節 潛在變量路徑分析的相關議題
一、原始數據文件變量排列
二、快速複製對象及參數格式
三、增列簡要圖像標題
四、增列參數標籤名稱
五、估計值模型圖參數移動
六、模型適配度的評估
七、模型的修正
八、pa—lv模型修正
第二節 數學效能pa—lv理論模型的檢驗
一、研究問題
二、aitl08 graphics窗口中的模型圖
三、計算估計的模型圖
四、參數估計相關報表
第三節 模型的修正
一、參數格式的模型圖
二、參數估計相關統計量
第四節 混合模型的路徑分析
一、路徑分析假設模型圖
二、增列模型圖像標題
三、路徑分析模型估計結果
四、採用潛在變量路徑分析模型
五、混合路徑分析模型範例二
六、混合路徑分析模型範例三
七、混合路徑分析模型——非遞歸模型
第九章 多群組分析
第一節 多群組分析的基本理念
一、繪製男生群體路徑分析模型圖
二、開啟數據文件及選擇目標群組變量
三、開啟數據文件界定觀察變量
四、設定參數標籤名稱
五、設定群組名稱
六、輸出結果
七、女生群體的分析模型圖
八、多群組分析
第二節 多群組路徑分析
一、繪製理論模型圖
二、讀取數據文件及觀察變量
三、設定群體名稱
四、界定群體的水平數值及樣本
五、界定群體模型圖的參數名稱
六、界定輸出格式
七、預設模型輸出結果
第三節 多重模型的設定
一、預設模型(未限制參數)
二、協方差相等模型
三、方差相等模型
四、路徑係數相等模型
五、模型不變性模型
六、多個模型的輸出結果
第四節 多群組驗證性因素分析
一、繪製理論模型圖
二、讀取數據文件及觀察變量
三、設定群體名稱
四、界定群體分組變量名稱及其水平數值
五、設定多群組分析模型
六、輸出結果
第五節 多群組結構方程模型
一、繪製amos理論模型圖
二、讀取數據文件並設定群組變量及水平數值
三、設定多群組分析模型
四、群組模型執行結果
五、模型註解說明
第六節 三個群組測量恆等性的檢驗
第七節 多群組路徑分析
一、繪製模型圖與讀人數據文件
二、增列群組及設定群組名稱
三、設定兩個群組數據文件變量與變量水平
四、執行多群組分析
五、計算估計值
六、輸出結果
第十章 多群組結構平均數的檢驗
一、spss數據文件
二、設定平均數參數
三、範例一模型a
四、範例一模型b
五、範例二模型a
六、範例二模型b
第一節 結構平均數的操作程序
一、繪製理論模型與設定模型變量
二、增列群組與群組的變量水平數值
三、增列平均數與截距項參數標籤
四、執行多群組分析程序
五、模型估計
第二節 增列測量誤差項間有相關
一、執行多群組分析
二、模型截距項、平均數相等模型評估
三、測量殘差模型的修正
第三節 結構平均數的因素分析
一、增列平均數與截距項參數標籤
二、更改女生群體共同因素平均數的參數名稱標籤
三、設定多群組分析模型
四、輸出結果
第十一章 sem實例應用與相關議題
第一節 社會支持量表測量模型的驗證
一、測量模型的區別效度
二、測量模型的收斂效度
第二節 缺失值數據文件的處理
一、觀察變量中有缺失值
二、增列估計平均數與截距項
三、數據取代
第三節 sem模型適配度與參數估計關係
一、模型a:初始模型
二、模型b
第四節 樣本大小與適配度卡方值
一、樣本數n為100
二、樣本數n為300
三、樣本數n為500
四、樣本數n為700
五、樣本數n為900
六、樣本數n為1100
七、樣本數n為1500
八、樣本數n為2000
第十二章 典型相關分析與結構方程模型關係
第一節 典型相關分析
一、cancorr語法指令
二、典型相關分析結果
第二節 sem執行程序
一、第一個典型變量
二、第二個典型變量
三、mimic分析結果
參考文獻

免費電子書下載及分享請加以下QQ群:

相關焦點

  • 【新書推薦】【2018.01】問卷統計分析實務——SPSS操作與應用(吳明隆)
    作者簡介吳明隆,教育學博士,臺灣高雄師範大學師資培育中心教授。量化研究方法與軟體應用方面資深專家,出版了《結構方程模式—SIMPLIS的應用》《結構方程模型—AMOS的操作與應用》《教育行動研究的理論與實務》《SPSS與統計應用分析》《SPSS操作與應用—問卷統計分析實務》等。
  • 應用語言學中的結構方程模型 -AMOS的實戰與演練
    結構方程模型(Structural Equation Modeling, SEM)的使用已成為全球學術界非常重要的一種量化研究方法,有研究表明:使用結構方程模型能夠提升論文質量和評審專家的推薦力度,增加發表概率。它一種融合了因子分析和路徑分析的多元統計技術,強勢在於對多變量間交互關係的定量研究。
  • 似乎用不到的結構方程模型
    前些天想做一些研究分析,忽然想到是否可以用結構方程模型來做一些分析,於是找了關於結構方程模型的書籍和資料。
  • ——一切只需從結構方程模型與Amos開始
    雖然SEM是一種強大的統計分析方法,但是僅僅了解方法是遠遠不夠的,還需要掌握SEM的運行軟體操作技術。Amos是目前結構方程模型最主流的應用分析軟體。因其具有上手容易、操作簡單及圖式化工作環境等優勢,使用人數和論文發表量增長迅速,因此成為初學者進入SEM領域必備的一款軟體。
  • 結構方程模型元分析:Web應用
    今天推薦的這篇文章作者是元分析R包metasem的開發者,也是元分析領域的大牛:Mike W.-L. Cheung。結構方程模型元分析(Meta-analytic structural equation modeling)是元分析的一個非常有潛力的方向,但是對於沒有使用過R和R包的初學者而言,做結構方程模型元分析還是比較困難的。基於此,我們也專門講解了結構方程模型元分析,感興趣的讀者可以聯繫小編QQ:3417492134獲取該課程。
  • 結構方程模型入門(純乾貨!)
    結構方程模型屬於多變量統計分析,整合了因素分析與路徑分析兩種統計方法,同時可檢驗模型中的顯變量(測量題目)、潛變量(測量題目表示的含義)和誤差變量直接按的關係,從而活動自變量對因變量影響的直接效果、間接效果和總效果。結構方程模型基本上是一種驗證性的分析方法,因此通常需要有理論或者經驗法則的支持,根據理論才能構建假設的模型圖。
  • 好書推薦 量化研究學習書單 從基礎到精通
    (就是經典的sage綠皮書的中文版)2、希爾德布蘭德等:《社會統計方法與技術》,社科文獻出版社,2005年版。3、溫忠麟:《調節效應和中介效應分析》,教育科學出版社,2012年版。4、安德斯·斯科隆多等:《廣義潛變量模型——多層次、縱貫性以及結構方程模型》,重慶大學出版社,2011年版。
  • 結構方程模型及 Mplus 軟體應用培訓班
    結構方程模型與Mplus軟體應用培訓班 邀請函 各企事業單位、高等院校及科研院所:結構方程模型不但能夠實現傳統的第一代多變量分析方法,如多元回歸、方差分析、路徑分析及多層次模型,同時還考慮了測量誤差、同步分析多個因變量模型、模型擬合度、直接與間接效果、處理特殊數據,如自相關、非正態、類別變量等,使得統計估計變得更為精確。
  • 結構方程AMOS論文攻略
  • 管理學統計研究書目推薦
    AMOS結構方程模型:AMOS的操作與應用,吳明隆著 3.STATA網上教程太多太多,可能是STATA較為流行的緣故。 4.MPLUSMplus user guide(已經更新到2017年,2018年應該也快了)An Introduction to Multilevel Modeling Techniques MLM and SEM Approaches Using Mplus(強烈推薦)潛變量建模與Mplus應用:基礎篇,王孟成著
  • 直播丨基於R語言的結構方程模型分析及應用
    的全過程,使學員能夠利用結構方程模型方法解決實際研究和工作中遇到的相關科學問題。、結構方程模型R實現的流程、潛變量和組成變量分析、混合效應模型及貝葉斯方法在結構方程模型中的應用等主要環節。課程目標(1)了解結構方程模型的基本原理(2)掌握利用R實現結構方程模型的步驟和流程; (3)掌握利用R實現潛變量和組成變量分析的原理和流程;(4)掌握混合效應模型和貝葉斯方法結構方程分析中的應用;(5)通過理論知識學習與上機實踐操作,讓學員具備根據自己的研究問題構建結構方程模型的能力
  • 科學研究與論文發表利器——結構方程模型
    今天給大家介紹一種適合小白髮刊的量化研究方法——結構方程模型。結構方程模型(SEM,Structural Equation Modeling)是目前量化論文最主流的統計方法之一,又稱為第二代多變量分析,其應用的領域涵蓋醫學、社會科學、人文、教育、生態、管理、營銷、人資、財會與信息等多領域,它能更快速、高效和科學地揭示複雜的社會現象。近年來受到國內外頂級期刊青睞。
  • SEM 結構方程模型
    近期想做一些宏觀方面的研究,上周聽業內的一位大佬講怎麼做分析,忽然想起了之前自己看過的關於系統中的反饋迴路和結構方程模型,於是重新來學習一下結構方程模型。幸運的是,SEM這個現在有python包了。希望能夠最終用到吧。一、基本內容SEM 廣泛應用與經濟學、社會學、心理學和生物信息學領域。
  • ​結構方程模型還傻傻學不會?說的就是你,看這裡!
    結構方程模型是一種建立、估計和檢驗因果關係模型的方法。模型中既包含有可觀測的顯在變量,也可能包含無法直接觀測的潛在變量。結構方程模型可以替代多重回歸、通徑分析、因子分析、協方差分析等方法,清晰分析單項指標對總體的作用和單項指標間的相互關係。結構方程彌補了傳統統計方法的不足,成為多元數據分析的重要工具。
  • 做量化研究,你為什麼需要學習結構方程模型?
    當我們不少的小夥伴還在為SPSS發愁的時候,不知道從何時起,SEM(Structural Equation Modeling,結構方程模型)突然變得風聲水起。學長發現,不少同學的論文都開始玩起高大上的SEM了,朋友圈也經常發現有人曬出精巧的結構方程。
  • 培訓公告:樹木年輪學/結構方程模型/小流域(農業)面染汙染APEX模型培訓
    培訓班將結合免費開源軟體,著重介紹樹木年輪學的基礎理論、方法及應用,傳授實戰技能,手把手演示軟體操作流程,分享論文發表經驗。該模型在生物學、生態學、社會科學、教育學、經濟學、市場與管理等領域都具有重要應用,目前已成為多元數據分析模型中應用最為廣泛的一種。隨著片段化結構方程模型的發展,SEM已經能夠與混合效應模型、譜系最小二乘回歸以及貝葉斯統計相結合,能夠方便處理非正態分布數據,納入隨機效應,考慮譜系相關等,極大地拓展了傳統結構方程模型處理多元數據的能力。
  • 搞定結構方程模型,這一門課就夠了!
    一項研究表明:使用結構方程模型(SEM)能夠提升論文質量和評審專家的推薦力度,增加發表概率。具體結論如下:論文使用SEM的拒稿率為70.2%,而沒有使用SEM的被拒率是84.1%,統計顯著(p=0.034)世界上最巧合的事情就是你想知道的,恰巧我們都懂!
  • 學習者因素與英語口語成績關係的結構方程模型研究
    回顧、現狀、思考與展望,《外國語》第 5 期。郭燕、秦曉晴, 2010 ,中國非英語專業大學生的外語寫作焦慮測試報告及其對寫作教學的啟示,《外語界》第 2 期。韓寶成, 2006 ,結構方程模型及其在語言測試中的應用,《現代外語》第 1 期。郝玫、郝若平, 2001 ,英語成績與成就動機、狀態焦慮的相關研究,《外語教學與研究》第 2 期。金豔、
  • 結構方程模型應用:驗證性因素分析
    問卷結構的來源有多個方面,主要的是:探索性因素分析的結果和理論模型。驗證性因素分析需要對多個結構進行分析,並從中選擇擬合度最優的作為結果。在本文中,我們以「自尊量表」的數據為例進行說明。自尊是心理學裡面的一個重要概念,Rosenbeng於1965年編制了的自尊量表是經典的自尊測量工具。自尊量表在編制的時候是一個單維度量表,但在研究者發現該量表是一個兩維量表。