手把手教你畫一個簡單的結構方程|結構方程模型

2020-12-03 艾德醫訊

責編 | 阿拉煤油燈

作者 | 皮卡魚

通過上兩次的講解,我們已經了解了結構方程的基礎小知識,那這次呢,小編帶著大家來畫一個簡單的結構方程。

首先,小編先考大家一下還記不記得之前的知識。

Q1

潛變量在什麼情況下具有幹擾項?

點擊空白處查看答案

簡單來說就是,只有箭頭所指的潛在變量才有幹擾項。當潛變量被其他變量進行估計與代表,但其潛變量肯定不能全部被估計、代表,所以沒有被估計到、代表到的部分就變成了幹擾項。(詳見AMOS相關概念介紹及操作示意)

Q2

,這個標誌大家還記得是什麼意思嗎?

點擊空白處查看答案

這個是AMOS軟體中,為潛變量添加測量變量和殘差變量的「按鈕」。(詳見AMOS結構方程——界面介紹 )

大家是不是都記起之前的知識了呢?下面我們通過一個例子,畫一個簡單的結構方程圖。

例子:黃麗潔,劉永闖,郭麗娜,劉堃.心理一致感在老年患者睡眠障礙與心理健康的中介效應[J].護理學雜誌,2017,32(07):68-70.

第一步:分析變量

這個題目中,共有3塊內容,分別是心理一致性、睡眠障礙和心理健康,這三個變量都是不能直接藉助工具進行測量的,因此是潛變量,所以,我們在圖紙上畫上3個潛變量。

第二步:構建變量彼此間的關係

在這個題目中,有2層關係。

1.睡眠障礙直接影響心理健康。

2.睡眠障礙通過心理一致性間接影響心理健康。

對於1肯定是比較好話的啦,對於2,其實就是睡眠障礙「直接影響」心理一致性,心理一致性再「直接影響」心理健康。分析好變量間的關係,這個圖答題就畫好啦。

第三步:為潛變量添加測量變量與殘差

在第一部中我們也發現了,這三個變量不能直接被測量,因此被我們設置為潛變量,那潛變量,總是要被測量變量代表與估計的。

根據研究內容,我們在研究工具中提到,心理一致性使用心理一致性量表表示,共3個維度;心理健康用who心理健康量表表示,共5個條目;睡眠障礙用匹斯堡睡眠障礙量表表示,可合稱為7個維度。

這樣呢,我們運用問題2中提到的快捷鍵,為潛變量添加測量變量與殘差。

第四步:添加殘差

這一步中添加殘差,是檢查一下,我們這個圖形中是不是完整,是不是所有的殘差都添加好了。添加殘差的簡易原則呢,在問題1中也提到啦,就是被箭頭指到的潛變量都要添加殘差。

第五步:連結數據

到此為止呢,我們這個結構方程圖就構建好啦,現在就要連結數據啦,至於為什麼不命名呢,因為當你連結完數據的時候,測量變量的名字就自動變成了你數據中名字。

第六步:命名

當我們連結完數據後就會發現,潛變量和殘差都沒有名字,那現在開始為潛變量與殘差進行命名。小編在此建議,為潛變量命名時,建議用沒有空格的英文字符進行命名,因為小編之前用中文字符的時候會出現運算過程錯誤的情況呢,隨著我們用的人越來越多,小編相信他們公司會修補這個bug的。

關於殘差的命名呢,小編覺得一個個命名太麻煩啦,一般會使用快捷鍵,大家看視頻吧。

第七步:運行

至此呢,整個結構方程圖加數據就弄好啦,我們設置好輸出結果項後,運行一下就可以看結果啦。小編的數據因為是虛擬的,所以運行不出結果,大家的數據肯定是可以成功運行的啦。如果當點擊運行後出現錯誤的現象,說明某個部分設置的有問題,老師們在回過頭去檢查一遍整體過程。

關於結果分析,小編在後期,根據研究方向與內容的不同再對結果進行講解。

結束:整個過程結束啦!

小編已經帶著大家畫啦一個結果方程。老師們肯定也清楚結構方程的用途是多方面的,有中介效應,調節效應,驗證性因子分析,影響因素分析等等。但一般影響因素分析之類的,spss完全可以勝任的,小編建議還是用spss吧,spss不能勝任的,我們就來學習amos,用結構方程的方向思考問題。

那老師們,下次結構方程分享,想了解哪些內容呢?

聲明

本文所用部分素材來源於網絡

如涉及版權問題,請聯繫小編刪除

原創內容,歡迎轉載

(σ)σ..:*☆哎喲不錯哦!!

相關焦點

  • 為什麼建議結構方程模型新手首選Amos?
    AMOS是用於處理結構方程模型的軟體。AMOS的全稱是Analysis of Moment Structure,除了AMOS可用於結構方程模型分析外,還有LISREL和EQS等軟體。結構方程模型分析的軟體主要綜合了兩個統計分析功能:降維分析和線性回歸分析。
  • SEM 結構方程模型
    容許自變量和因變量含測量誤差:態度、行為等變量,往往含有誤差,也不能簡單地用單一指標測量。結構方程分析容許自變量和因變量均含測量誤差。變量也可用多個指標測量。用傳統方法計算的潛變量間相關係數與用結構方程分析計算的潛變量間相關係數,可能相差很大。
  • 揭秘結構方程模型(SEM)
    例子:我要跑一個潛變量調節模型,如下圖你現在已經知道檢查warning 要查看tech1,於是在OUTPUT 加一行命令: 然而,所有的結構方程模型:包括measurement model +structure  model, 都是用這幾個參數來設定的。所以,理解這些還是非常必要的。這篇文章將逐個解讀這些參數,讓你真正的理解這些參數和模型之間的關係(及自由度),正確解讀Mplus的輸出結果,以及當模型報錯時候找出錯誤的根源。
  • 簡單易懂,結構方程模型思路總結
    結構方程模型是結合了多種統計分析方法,可同時檢驗因子、分析項、誤差項間的關係,既可以測量也可以進行分析。本文將基於SPSSAU系統進行說明。結構方程模型1、方法辨別結構方程模型SEM包括測量關係和影響關係;既可以測量各因素內部結構及相關之間的關係情況
  • 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。
  • 什麼是結構方程模型(SEM)?
    當然,結構方程模型也可以估計常見的顯變量模型或潛顯混合模型(被解釋變量、解釋變量既可以是潛變量,也可以是顯變量)。並且,相比傳統的顯變量估計方法,結構方程模型具有更多更強大的功能,能獲得更好的估計結果。無論理論層面還是經驗統計層面,SEM技術都是一種更具優越性的方法(Iacobucci,2012)。
  • AMOS結構方程——界面介紹【二】| 結構方程模型
    運用結構方程進行探索分析時,打開軟體後,面對的是一個全新的頁面,今天給大家介紹一下AMOS結構方程軟體界面。當我們下載安裝後, 這個標識,就是AMOS結構方程軟體的標誌。為了方便大家下載安裝,已經把軟體安裝包放在百度網盤裡啦,後臺回復「結構方程」即可獲取資源(已失效)當AMOS結構方程軟體打開後,會出現這個頁面。
  • 結構方程模型簡介與應用
    ,但在實際研究中,「用戶體驗」往往是一個抽象而複雜的概念,難以被直接且單一的測量。為了弄清促進用戶體驗提升及產品各項指標增長的影響機制,我們將在這篇文章中介紹結構方程模型的概念及應用,供大家嘗試探索。結構方程模型(Structural Equation Modeling,SEM)是一般線性模型的擴展,並非單指某一種特定的統計方法,而是一套用以分析共變結構的技術整合。
  • 結構方程模型 VS 回歸方程模型,究竟有何不同?
    回歸方程模型是處理顯變量時最實用、應用最廣泛的定量方法,而結構方程模型則是處理潛變量的最主要、最實用的定量方法。兩者存在一定的聯繫和區別,具體如下:回歸模型是結構方程模型的基礎模塊之一(還有路徑模型、因子模型);結構方程模型可以視為估計潛變量之間複雜關係的回歸分析。
  • 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。
  • 結構方程模型簡介
    1、SEM 可以研究顯在變量與潛在變量以及潛在變量之間的關係;2、SEM 能明確地估計測量誤差等參數,並估計整個模型的擬合程度;原文1. Rosseel, Yves. "lavaan: An R Package for Structural Equation Modeling."
  • 結構方程模型出現問題如何辦?
    結構方程模型由測量模型和結構模型構成,如果進行結構方程模型構建時想達到良好的模型效果。那麼就需要保證測量模型和結構模型均有著良好的擬合性,否則最終結構方程模型擬合效果都不會太好。同時,結構方程模型有著非常多的擬合指標,比如卡方自由度比,RMSEA,CFA,RMR等幾十種,但在實際研究中會發現基本上很難所有指標均達標,而且很多指標都不達標。那怎麼辦呢?接下來針對結構方程模型的擬合指標、擬合效果不好時的3種解決辦法等分別進行說明,期許得到最佳模型。
  • 結構方程模型(SEM)簡介
    這一期分享的是張靜儒同學對SEM模型及其應用的簡單介紹。之後小編會每周定期推送北大旅研中心往期例會的精彩內容,敬請期待吧~結構方程模型(SEM)是一種多變量統計技術,用以驗證變量間的因果關係。它基於兩個統計技術:因子分析和路徑分析。目前,結構方程模型被廣泛地應用於心理學、社會科學等學科。SEM通常包括兩類模型:測量模型和結構模型。
  • 結構方程模型元分析:Web應用
    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(SEM)到底有多厲害?
    結構方程模型是高級定量方法中最常見的統計方法之一。
  • ​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。
  • 現場+直播 | MPLUS結構方程模型(SEM)實戰研討會
    結構方程模型(SEM, Structural Equation Modeling
  • 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。
  • 結構方程AMOS論文攻略
  • 拆分——線性微分方程的解的結構
    話不多說,這篇文章算是微分方程這一章難點的開頭了。我們現在來複習線性微分方程的解的結構。這裡主要討論二階線性方程,並且考試中也只會出現二階,不會考到三階及其以上線性方程的。接下來先講齊次方程的解的結構:y''+P(x)y'+Q(x)y=0補充:線性相關及無關就是說如果所有的k都為0,那麼就是線性無關,否則就是線性相關。