因徑分析/結構方程模型 建構
Path Analysis and SEM 2: Construction

神掌打通任督二脈‧易筋經以簡馭繁

多因子分析常用模型簡介多變項-多因子分析常用模型簡介

因徑分析/結構方程模型特性
理論必須與分析工具配合

Path Analysis 因徑分析

工作滿意度的因徑概念模型
因徑模型的聯立方程式組
因果關係:直接效果與間接效果

探索式因徑/SEM模型建構: SPSS 應用

篩選自變項
篩選相關變項
檢查中介效果與篩選中介變項
經由多元迴歸分析篩選中介變項
檢查標準化多元迴歸係數
檢查間接效果
建立因徑/SEM模型並檢定因果關係/總效果

驗證式因徑/SEM模型建構
因徑模型的詮釋
不好就打掉重作‧才是科學精神

SEM 結構方程模型: Amos 應用

概念模型意義

報表詮釋與模型驗證

反省1:β與e

反省2:因徑關係除了數字更要詮釋

反省3:框架知識與基礎知識/複雜模型與簡單模型

反省4:基礎知識/簡單模型的因子數

反省5:人類行為是線性或非線性? 

反省6:人類行為變量是純量或向量?


前置觀念:因徑分析/結構方程模型特性


因徑分析/SEM: SPSS 應用

如何 使用 SPSS SEM

當前有部分人士誤解,作SEM一定要使用 較如LISREL, SPSS Amos…等專用工具,其實不然,使用SPSS 一樣可以達成。

使用SEM專用軟體,可以節省許多程序,也可能會略過了許多思辨的過程,隨便亂拉、亂畫,也可以跑出模型圖形,更容易形成GIGO(垃圾進出)現象。

所以統雄老師以下將示範如何以SPSS 作因徑分析/SEM,一步一步分解建構模型,也更能反映模型建構的科學邏輯。

探索式、或驗證式因徑分析/SEM

因徑分析/SEM可分作探索式、或驗證式分析。

驗證式因徑分析目的,在重複實驗前人所提出的因徑模型。

本習題則先實作範圍較大之探索式因徑分析。


下載SPSS範例

下載SPSS範例資料下載SPSS高等統計範例資料(右鍵下載)Analy-SPSS-Teaching.exe

下載SPSS範例資料下載SPSS多變項分析範例資料(右鍵下載)Analy-SPSS-Teaching-Multi.rar

下載SPSS範例資料下載SPSS統計與多變項習題資料(右鍵下載)Analy-SPSS-Multi_Ex.7z

下載SPSS範例資料下載SPSS範例資料(教材專區)Analy-SPSS-Teaching.exe

下載SPSS範例資料下載範例資料(教材專區):Analy-SPSS-Teaching-Multi.exe


應用範例:使用網路時間

探索式因徑/SEM模型建構

問題:是否存在影響最近使用網路時間的因徑模型。

我們發現:最近使用網路時間因「性別」而產生差異。

但根據人類行為研究經驗,生理變項可能不是行為變項的完全自變項,可能存在其他行為的中介構念變項。

又根據對使用網路行為的因素分析,發現可萃取出5個因素-即5個構念變項,分別命名為:情色行為、交友行為、收集資訊行為、遊戲行為、禮儀行為。

故以性別[a1]與此5個構念變項[FAC1~FAC5],進行對建構「最近使用網路時間」[kb15]因徑模型的探索式分析。

探索式因徑/SEM模型建構的階段包括:

1.篩選自變項:使用相關分析

2.檢查中介效果與篩選中介變項:使用多元迴歸分析

3.建立因徑模型並檢定因果關係/總效果

1.篩選自變項:使用相關分析

檢查簡單相關矩陣

將以上5變項作兩兩變項之簡單相關分析。

探索式因徑分析

篩選相關變項

兩兩變項之簡單相關

發現以下兩兩變項之簡單相關到達顯著水準:

rak = -.214

rF3.k = .160

rF5.k = .270

同時,F3, F5為因素分析所萃取之構念變項,故

rF3.F5 = 0

亦即此兩者互為獨立變項。 

只存在多元迴歸模型,並無因徑/SEM模型。但假設顯著,繼續建構模型。

rF3.a = -.052

rF5.a = -.115

未達顯著水準,亦即實質為0,只存在多元迴歸模型,並無因徑/SEM模型。

但此處為習題,故假設顯著,繼續建構模型。 

2.檢查中介效果與篩選中介變項:使用多元迴歸分析

檢查是否存在中介作用

k 作應變項,a F3, F5 作自變項,進行多元迴歸分析。

選擇逐步迴歸。

探索式因徑分析

經由多元迴歸分析篩選中介變項

探索式因徑分析

發現存在從1~3個自變項的3組多元迴歸模型,且均到達顯著水準,故將採用第三組模式。

同時,可以觀察調整後判定係數的值。

檢查標準化多元迴歸係數

探索式因徑分析

發現:

βF5.k = .249

βak = -.183  <  rak

βF3.k = .150

性別的影響減少最多,但不為0,故發生了不完全中介現象。

而禮儀行為(F5)和收集資訊行為(F3)相互獨立,故知兩者都是性別的中介變項。

求取間接效果之因徑係數

再根據前述相關矩陣,取得間接效果之因徑係數為:

rF3.a = -.052

rF5.a = -.115

 

這2項係數未顯著,亦即其實為 0。
以上驗證,只能建構「多元迴歸模型」。

 

但此處為習題,假設這2項係數到達.05顯著水準以上,而繼續建構因徑/SEM模型。

 

3.建立因徑/SEM模型並檢定因果關係/總效果

建立因徑模型

建立因徑模型

因果關係/總效果檢定

模型的因果關係可以由總總效果檢定得知。

總效果就是自變項與應變項的簡單相關係數。

直接效果+間接效果﹦總效果

Gender → Time = -.183

Gender → Manner→ Time = .-115 * .249 = -.029

Gender → Search → Time = -.052 * .150 = -.001

-.183 +(-.029) +(-.001) = -.213 =  rak

故因果正確,本因徑/SEM模型成立。

註:前報表為 rak = -.214,係經多次運算,有效數字必然有誤差,實則相同。

驗證式因徑/SEM模型建構

驗證式因徑/SEM模型建構,只是將第一階段的:

1.篩選自變項。

改為:

1. 根據文獻研究列出以上待驗證模型:可以是完全複製,或是修正性驗證模型。

其他2階段的工作並沒有改變:

2.檢查中介效果與篩選中介變項

3.建立因徑模型並檢定因果關係/總效果

因素效度(CFA)檢定進階:因素效度(CFA)檢定

以上程序是假設各自變項、中介變項穩定存在的情況。

如果懷疑原來模型中的構念變項未必穩定存在,就要增加作因素效度(CFA)檢定


因徑模型的詮釋

一般研究作到這裡就結束了,包括所謂頂級國際期刊論文也不例外。

但就追求科學的「知識論」立場,只是資料結果,還沒有詮釋。

綜合考慮以下幾項:

判定係數為:.118,總解釋力才1成多,屬於低度重要性。

模型中最主要的「禮儀行為」影響使用網路時間,在知識邏輯上並沒有妥適之解釋。

許多研究顯示,男女在使用網路時間上沒有差異,本習題雖然男性使用時間較多,仍有可能是隨機性不足所造成的。

這項模型有可能只是這組樣本的結果,並不能推論全體行為,應予保留。

不好就打掉重作‧才是科學精神

忙了半天,最後決定廢棄,看來可惜,才是科學。

而建構模型的思考辯難,就是知識產生的過程。


SEM 結構方程模型


統計神掌 統雄數學樂學/統計神掌易經筋-問卷

 

回頁首 Up to page head 至頁尾 Down to page bottom
上一頁 Back to previous page 回頁首 Up to page head 下一頁 Go to nex page  

統雄數學神掌系列目錄
分享意見反映
統計教學的內涵與取向
高考統計考題的解析
微積分精華篇
微積分思想篇
微積分進階精華篇
統計/數學符號與其英語讀法
資料型態與視覺呈現
敘述統計
機率論與機率分配
推論統計學精華篇
t分配與 t檢定
推論統計‧理論建構
資料分析程序與SPSS基礎
SPSS 資料清理
SPSS 轉換:Recode 重新編碼
SPSS 轉換:Compute 建構新變項
SPSS 選擇觀察值_SPSS 資料庫管理
樣本代表性檢定
單變項:類別_二元資料/詮釋
單變項:類別_二元資料/應用
單變項分析:連續資料
單變項連續資料視覺檢視與清理
卡方分析(雙向)
多向卡方分析
單向卡方分析
變異數分析(單因子):詮釋
變異數分析(單因子):應用
簡單迴歸/相關分析:詮釋
簡單迴歸/相關分析:應用
對數/邏輯相關分析
測量工具信度/效度分析
量表信度 檢定
量表效標關聯效度 檢定
因素分析_EFA
因素效度分析_CFA:詮釋
因素效度分析_CFA:應用
多變項分析精華篇
多元迴歸分析:詮釋
多元迴歸分析:應用
一般線性模型精華篇
廣義線性模型
雙因子/多因子變異數分析
調節模型與交互作用詮釋
調節模型分析與建構
SPSS 統計圖應用:調節模型檢定
共變數分析/詮釋
共變模型建構/應用
因果模型與因果邏輯
中介模型分析
因徑/SEM:模型詮釋與因果邏輯
因徑/SEM:探索式因徑模型建構
因徑/SEM:驗證式結構方程解析
多變項分析實例SEM
多變項分析實例SEM+調節篇
因徑/結構方程SEM:反省
無母數統計
統計研討篇
專題-卜豐投針實驗
專題-機率與統計悖論
1類知識計量工具
2類知識計量工具
3類知識計量工具
非等機率知識體系建構
TX空時座標建構
一般取用測量
信仰取用測量
研究方法/民調市調系列
請點這裡看所有留言分類 Please click here to view categories of comments
同類別內相關主題