1 / 38

LISREL 簡介和應用

LISREL 簡介和應用. 體育學系 許建民. 結構方程式 ( SEM ). 結構方程式 (structural equation modeling, SEM) 屬多變量統計的一環，其核心概念在 1970 年代初期才被學者提出。 目前坊間已有許多專門應用於結構方程式的統計套裝軟體，例如 LISREL 、 EQS 、 AMOS 等 邱皓政、林碧芳 (2004) 分析國內博碩士論文運用 SEM 的文獻計有 792 篇，最多為教育學門 (96 篇 ) ， 其次是體育學門 (85 篇 ) 。

sailor
Download Presentation

LISREL 簡介和應用

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. LISREL簡介和應用 體育學系 許建民

  2. 結構方程式(SEM) • 結構方程式(structural equation modeling, SEM)屬多變量統計的一環，其核心概念在1970年代初期才被學者提出。 • 目前坊間已有許多專門應用於結構方程式的統計套裝軟體，例如LISREL、EQS、AMOS等 • 邱皓政、林碧芳(2004)分析國內博碩士論文運用SEM的文獻計有792篇，最多為教育學門(96篇) ，其次是體育學門(85篇) 。 • 張家銘等人(2006)調查1999-2003年間運動與休閒領域的重要期刊，共有31篇SEM的論文，其中27篇使用LISREL套裝軟體。

  3. SEM的特性 • SEM具有理論的先驗性 • SEM同時處理測量與分析問題 • SEM以共變數的運用為核心 • SEM適用於大樣本的分析 • SEM包含了許多不同的統計技術 • SEM重視多重統計指標的運用

  4. SEM的組成 • SEM主要由兩個部份所組成，第一部分是測量模式(measurement model) ，反應出觀察變項與潛在變項之間的關係；第二部份是結構模式(structural model)，它讓潛在變項之間的關係可以透過路徑分析的概念來呈現。 • 觀察變項(observed variables) • 可以直接被測量的 • 潛在變項(latent variables) • 無法直接被測量 • 最好由2個或2個以上的觀察變項來衡量

  5. 測量模式(一) • 利用觀察變項來建構潛在變項的模式 • 驗證性因素分析(confirmatory factor analysis) • 外因(exogenous) 、內因(endogenous)觀察變項 • 1 1 • 2 2 δ1 X1 y1 1 ξ1 1 δ2 X2 y2 2 X1= ξ1＋ δ1 X2= ξ1＋ δ2 y1= 1＋ 1 y2= 1＋ 2

  6. 進退跑 基本步法 左右跑 低重心跑 速度 基本體能 爆發力 耐力 協調性 測量模式(二) • 一階(first-order)驗證性因素分析測量模式 • 21 11 • 21 • 31 • 21 • 42 • 52 • 62 δ1 X1 ξ1 δ2 X2 δ3 X3 δ4 X4 ξ2 δ5 X5 δ6 X6

  7. 測量模式(三) • 二階(second-order)驗證性因素分析測量模式 • 11 1 • 21 • 31 • 11 • 21 • 42 • 52 • 62 2 1 X1 1 2 X2 3 X3 ξ1 4 X4 2 5 X5 6 X6

  8. 服務品質 態度 行為 專業 氣氛 設計 社會因素 等候 有形性 價值性 服務品質 互動品質 環境品質 結果品質 環境 品質 結果 品質 互動 品質 態度 行為 專業 氣氛 設計 社會 等候 有形性 價值性 行為 態度 專業 氣氛 設計 社會 等候 有形性 價值性

  9. 結構模式(一) • 結構模式主要在建立潛在變項和潛在變項之間的關係 • 類似徑路分析 • 結構模式包含三個部份：外因潛在變項(ξ) 、內因潛在變項()及干擾() 。 • 11 • 1 外因潛在變項 ξ1 內因潛在變項 1 1＝ 11ξ1＋ 1

  10. 結構模式(二) • 兩個內因變項之間有互惠關係 (non-recursive) • 21 • 1 12 2 內因潛在變項 1 內因潛在變項 2 1＝  12 2＋ 1 2＝  21 1＋ 2

  11. 結構模式(三) • 兩個外因潛在變項預測一個內因潛在變項 • 11 • 21 • 12 1 外因潛在變項 ξ1 內因潛在變項 1 外因潛在變項 ξ2 1＝  11 ξ1＋  12ξ2＋1

  12. 結構模式(四) • 一個外因潛在變項預測一個內因潛在變項，此內因潛在變項再預測第三個潛在變項 • 1 1 • 11 21 • 調節變項 (moderator) • 中介變項(mediation variable) 內因潛在變項 1 內因潛在變項 2 外因潛在變項 ξ1 年資 組織承諾 1 員工績效 2 組織氣氛 ξ1

  13. 結構模式(五) • 一個外因潛在變項預測兩個內因潛在變項，其中一個內因潛在變項預測另一個內因潛在變項 • 21 • 2 • 11 21 • 1 內因潛在變項 2 外因潛在變項 ξ1 內因潛在變項 1 1＝  11 ξ1＋1 2＝  11 1＋  21 ξ1＋2

  14. 完整的結構方程式 • 教師創意教學行為調查 x1 x2 x3 y1 y2 y3 創意性格 創意行為 社會化 自我效能 x4 y5 x5 x6 y4 y6

  15. 模式的策略 • 嚴格性驗證(strictly confirmatory) • 設定model，看data fit • 選替模式(alternative models) • model 比較 • 模式生成(model generating) • 發現model和data不適配，重新修正

  16. 結構方程式的分析過程 • 階段一 階段二 • 模式發展 模式估計與評鑑 適 合 度 評 鑑 選 擇 測 量 變 項 及 蒐 集 資 料 理 論 模 式 界 定 模 式 識 別 模 式 估 計 解 釋 模 式 修 正

  17. 理論 • 一個好的理論須具備1.對客觀現象解釋力(power)要相當強2.理論必須是可驗證的(testable)3.理論必須具備簡單性(simplicity) • 因果關係 • 原因變項在時間上必須先於結果變項 • 兩變項間須有充分的連結 • 無關的影響變項必須被排除 • 因果關係必須具備相當的理論基礎

  18. 模式界定 • 將研究者的假設以SEM的形式來表達 • 理論基礎模式的發展 • 用理論模式中的假設建構因果關係徑路圖 • 將徑路圖轉換為一系列的結構方程式(structural equations)與測量方程式(measurement equations) 。

  19. 模式識別 • 模式識別(model identification)的步驟在確認研究者的假設是否能得到”解” 。 • 低識別(under-identified) • 正好識別(just-identified) • 過度識別(over-identified) • 11個觀察變項，它的共變數矩陣有66個母數 • 11×(11＋1)/2=66 • df＝母數-估計的方程式 • 每一個潛在變項至少3 個問項較不會低識別 x1 x2 x3 x4 x5 x6 x7 y1 y2 y3 y4 X1 X2 X3 X4 X5 X6 66個 X7 Y1 Y2 Y3 Y4

  20. x變項的測量模式 x1＝(x)11×1＋δ1 y變項的測量模式 y1＝11(y)×η1＋1 結構模式方程式 η1＝12× η2＋11× 1＋ 12× 2＋ζ 1 結構模式方程式 η2＝21× η1＋22× 2＋ 23× 3＋ζ 2

  21. 工作表現 η LISREL8-SIMPLIS程式語法 X1-x2= ξ1 … η=ξ1 ξ2 ξ3 δ1 x1知識1 工作知識 ξ1 δ2 x2知識2 y1表現1 ε1 δ3 x3價值1 工作價值 ξ2 ζ δ4 x4價值2 δ5 x5滿意度1 y2表現2 ε2 工作 滿意情形 ξ3 δ6 x6滿意度2

  22. LISREL8-SIMPLIS程式 測量模式 Relationships： X1-X2=ξ1 X3-X4=ξ2 X5-X6=ξ3 Y1-Y2=η 如果用因徑指令則用 Paths： ξ1 ->X1 X2 ξ2 ->X3 X4 ξ3 ->X5 X6 η ->Y1 Y2 LISREL8-SIMPLIS程式 結構模式 Relationship η=ξ1 ξ2 ξ3 如果使用因徑指令則用 ξ1 ξ2 ξ3 ->η

  23. 模式估計 • S()- ()=0 prefect fit • F(S,  ()) (樣本共變數矩陣S與理論假設模式 ()的最小化 • 常用的估計函數方式 • 最大概似法(maximum likelihood, ML) • 大樣本 • 觀察變項多變項常態分配 • 模式是有效的 • 連續變數

  24. 適合度評鑑 • 適合度：樣本的variance和估計矩陣variance的適配程度 • S()- ()=0完全適配 • better or best • 絕對適合度指標 • 2、NCP、GFI、RMR、SRMR、RMSEA、ECVI • 增值適合度指標 • AGFI、NFI、NNFI、CFI、IFI、RFI • 經濟適合度指標 • PNFI、PGFI、CN、NC

  25. 模式修正 • 模式在檢定之後，適配度不理想，或可接受但又不滿意 • 釋放參數 • 重回探索性 • 何處著手？何時停止？

  26. 模式解釋 • 解釋結構係數的意義將其視為「效果係數」(effect coefficients) • 直接效果 • 間接效果 • 總效果 • 標準化及非標準化參數估計值

  27. 實務操做

  28. 父母對孩子學校表現關注量表 3 1 2 • x1談論有關學校學習情形 • X2在聯絡簿簽名 • X3學校行為瞭解程度 • x4電話與老師聯繫 • X5到校拜訪老師 • X6協助完成作業 • X7督促準備考試 瞭 解 探 詢 學 校 接 觸 關 注 協 助 督 促 協 助 督 促

  29. Competing models • 父母對孩子學校表現關注量表單一因素CFA • 父母對孩子學校表現關注量表一階二因素CFA • 父母對孩子學校表現關注量表一階三因素CFA

  30. 青少年生活痛苦指標 • 教育：學校處遇、學校課業、學校行政 • 家庭：父母期望、家庭對待、家庭支持 • 休閒、休閒時間、休閒支持、休閒選擇 • 法治：社會失序、校園安全、法律保障、社會安全 • 生態環境：交通問題、環境美化、環保問題 • 兩性關係：性別意識、異性交往 • 未來期望：未來自我期許、未來社會期許

  31. 青少年生活痛苦指標二階驗證性因素分析

  32. 員工組織行為研究

  33. 員工組織行為研究-年資的調節效果

  34. X1 LA1 X2 LA4 Y1 X3 LA2 Y2 LA5 X4 Y3 LA3 X5 結構模式綜合

  35. 共變數矩陣 • 0.436810D+01 0.299652D+01 0.117649D+02 0.231392D+01 0.604321D+01 0.789610D+01 • 0.525739D+00 0.135108D+01 0.145755D+01 0.380250D+01 0.813721D+00 0.200669D+01 • 0.120403D+01 0.146620D+01 0.424360D+01 0.245583D+01 0.208187D+01 0.196655D+01 • 0.846612D+00 0.716386D+00 0.466560D+01 0.218284D+01 0.158981D+01 0.181762D+01 • 0.690924D+00 0.738386D+00 0.242948D+01 0.424360D+01 -.272337D+01 -.195304D+01 • -.389747D+00 -.141638D+01 -.208276D+01 -.231790D+01 -.130831D+01 0.133225D+02 • 4.36810 • 0.299652 11.7649 • 2.31392 6.04321 7.89610 • 0.525739 1.35108 1.45755 3.80250 • 0.813721 2.00669 1.20403 1.46620 4.24360 • 2.45583 2.08187 1.96655 0.846612 0.716386 4.66560 • 2.18284 1.58981 1.81762 0.690924 0.738386 2.42948 4.24360 • -2.72337 -1.95304 -0.389747 -1.41638 -2.08276 -2.31790 -1.30831 13.3225

  36. SYSTEM FILE from file 'D:\standardize\A.DSF' • Sample Size = 122 • Latent Variables La4 La5 La1 La2 La3 • Relationships • Y1 = 1.00*La4 • Y2 = La5 • Y3 = La5 • X1 = La1 • X2 = La1 • X3 = La2 • X4 = La2 • X5 = 1.00*La3 • La5 = La4 • La4 = La2 • La5 = La1 La3 • Set the Variance of La1 to 1.00 • Set the Variance of La2 to 1.00 • Set the Error Covariance of La5 and La4 Free • Set the Error Variance of Y1 to 0.00 • Set the Error Covariance of X5 and X4 Free • Set the Error Variance of X5 to 0.00 • Path Diagram • Wide Print • Print Residuals • Method of Estimation: Maximum Likelihood • End of Problem • Sample Size = 122

  37. 感謝聆聽，敬請指導

More Related