AMOS软件使用介绍.pptx

《AMOS软件使用介绍.pptx》由会员分享，可在线阅读，更多相关《AMOS软件使用介绍.pptx（20页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、目目 录录1.AMOS是什么？2.结构方程模型SEM3.结构方程模型应用条件4.结构方程模型分析步骤5.使用AMOS软件分析SEM的过程第1页/共20页1.AMOS是什么？是什么？AMOS 是Analysis of Moment Structures Structures 的缩写，即矩结构分析，一种处理结构方程模型结构方程模型(SEM）的软件。第2页/共20页2.结构方程模型结构方程模型structural equationmodeling，SEM一种建立、估一种建立、估计和检验因果计和检验因果关系的模型。关系的模型。结构方程建模是验证变量结构方程建模是验证变量间间(包括观测变量和潜在包括观测

2、变量和潜在变量变量)潜在结构的过程。潜在结构的过程。第3页/共20页在理论研究过程中通常需要处理一些难以直接度量的变量，如智力、能力、自尊、偏见等，这些涉及社会、心理研究的变量，由于很难准确、直接的测量，通常被称为潜变量。由于难以度量，常常利用一些外显指标对其进行间接测量。传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型则在这方面表现出独特的优势。作为一种全面性的统计建模技术，它包含了回归分析、因子分析因子分析、路径分析和多元方差分析等一系列多元统计分析方法，既可以分析可观测变量之间的关系，又可以分析潜变量的作用。第4页/共20页因子分析主要有两种基本形式：探索性因子分析致力于找出事物

3、内在的本质结构；验证性因子分析是用来检验已知的特定结构是否按照预期的方式产生作用。第5页/共20页3.结构方程模型应用条件理论基础 SEM最重要的一个特性是它所进行的是验证性因子分析，因此，必须事先在理论分析的基础上提出理论模型。SEM是对理论分析基础上提出的概念模型的检验，而不是探索新的模型。样本分布 最大似然估计法（Maximum likelihood estimate method）是结构方程分析最常用的估计方法，不过 ML 使用时，有一个条件即变量是多元正态分布的，因此，使用结构方程模型进行验证性因子分析时，需要分析样本指标分布特征。如果指标是非正态分布的，可以事先对指标进行变换，将其

4、正态化。第6页/共20页样本量 与其他的统计技术一样，SEM分析所使用的样本规模越大越好，就样本量下限而言，一般认为，当样本低于100 时，几乎所有的结构方程模型分析都是不稳定的，大于200以上的样本，才称得上一个中型样本。若要得到稳定的结构方程模型结构，低于200 的样本数量是不鼓励的。有些学者将最低样本量与模型变量结合在一起，建议样本数至少应为变量的十倍，这一规则经常被引用。第7页/共20页4.结构方程模型分析步骤 结构方程模型的分析主要包括两个内容，即提出理论模型和利用软件进行模型验证分析。具体可通过以下步骤完成：第一步，提出理论模型。即研究者根据所研究问题，结合相关理论，提出假设模型。

5、假设模型包括：指标与潜变量的关系、各潜变量之间的关系。模型复杂时，根据需要限制因子负荷或因子相关系数等参数的数值或关系。第二步，执行结构方程分析。在提出理论模型后，研究者就可以利用搜集的资料，运用结构方程模型的分析软件，得到模型参数估计。第8页/共20页第三步，模型评价。根据结构方程模型的估计结果，分析各参数估计值是否在合理范围，同时，分析多个不同类型的拟合优度指数，衡量模型的拟合程度。第四步，模型修正。在进行结构方程模型的估计和评价过程中，分析软件通常会提供模型修正的信息，研究者可以根据这些信息，检验在理论推导过程中的疏忽和盲点，调整初始模型并重新进行参数估计和模型评价，推导出更有意义的假设

6、模型。第9页/共20页5.使用使用AMOS软件分析结构方程软件分析结构方程模型的过程包括：模型的过程包括：设定模型输入数据进行分析模型检验模型修正得到最终结果第10页/共20页5.1设定模型 结构模型是反映潜变量之间关系的方程，那我们首先要根据已有的经验或理论确定的关系，利用路径图直观表示各个潜变量的关系走向，这就是设定结构模型。第11页/共20页第12页/共20页第13页/共20页5.2输入数据 数据可输入的时候可在excel或spss里面预先输入好，amos支持.xls(excel)和.sav（SPSS）等多种的数据格式。第14页/共20页5.3模型评价我们需要对所建立的结构方程模型进行指

7、标评价。结构方程建模提供了多种模型拟合指标，常用的模型适配度指标检验指标包括：卡方指数(2)；2/df指标；近似误差均方根(RMSEA)；规范拟合指数（NFI）；修正拟合指数(IFI)；比较拟合指数(CFI)。第15页/共20页卡方指数(2)；2统计是一种差性适配指标差性适配指标，在某种自由度下所获取的一个显著2值，代表观察矩观察矩阵阵和理论估计矩阵理论估计矩阵之间是不是适配的，其值对样本数样本数相当敏感，即当样本越大时，2值越容易达到显著，从而导致理论模式被拒绝。为了减少样本规模对拟合检验的影响，多数学者建议采用2/df（自由度）指标。对于其取值，有学者认为小于2.0，则可以认为模型拟合较好

8、，但也有学者认为当2/df介于2.0到5.0时，也可以接受模型。本研究以不超过5.0作为标准，在此范围内认为模型是可以接受的。第16页/共20页近似误差均方根(RMSEA)；Steiger(1990)提出了近似误差均方根(RMSEA)，并指出，RMSEA低于0.1表示好的拟合；低于0.05表示非常好的拟合；低于0.01表示非常出色的拟合。规范拟合指数（NFI）；这个指数是通过对设定模型的2值与独立模型的2值比较来评价，其取值范围为0到1，NFI越接近于1，模型拟合程度越好。第17页/共20页修正拟合指数(IFI)和比较拟合指数(CFI)。这两个指数均是从设定模型的拟合与独立模型的拟合之间的比较中取得的，也被称为比较拟合指数。Bollen.KA(1989)指出，IFI能够降低指标的平均值对样本鼓膜的依赖，并考虑设定模型自由度的影响，与NFI相比具有一定改进。CFI则运用了非中心的分布与非中心的参数进行模型拟合，从而克服了指标的样本变异性。一般而一言，IFI，CFI值介于0与1之间，值越大表示模型适配越好。第18页/共20页5.4模型修正模型修正就是根据AMOS的输入结果，删除不合适的路径，调整变量之间的关系，使结果达到符合指标的要求。example第19页/共20页感谢您的观赏！第20页/共20页