加载中…
个人资料
南心网SPSS与结构方程模型分析
南心网SPSS与结构
方程模型分析
  • 博客等级:
  • 博客积分:0
  • 博客访问:824,622
  • 关注人气:370
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
郑重声明
郑重声明:
  本博旨在服务学术研究,处理软件应用及数据分析技术问题。
不处理有关软件销售、数据搜集、公式撰写、表格整理、文字写作等工作。
  ——博主“南心” 
  2017.10.28日凌晨
联系我
搜博主文章
访客
加载中…
博文
标签:

路径模型

中介效应

spss

bootstrap

调节效应

分类: SPSS数据统计分析
      今天有个朋友问,我的数据不服从正态分布,所以不用结构方程模型来做中介分析,而用SPSS的Process插件,原因是这个插件基于Bootstrap,因此不要求正态分布。趁此机会跟大家一起分享关于Process和结构方程模型的一些区别。
    首先是估计法的区别。Process的参数估计基于OLS,而结构方程模型默认基于ML(当然还有其他估计法),二者在实际分析中的参数估计只有非常细微的差异,Hayes认为如果将参数保留三个小数位,那么这两种软件得到的回归系数是一样的。所不同的是,标准误的不同。此外,方差估计也有差异(经验结果)。
  其次,在显著性检验上,如果是小样本,那么OLS是基于t分布计算p值,而ML则基于正态分布计算p值,因此小样本下OLS和ML的显著性有所差异,大样本则差异很小。
   再者,Process插件的bootstrap与ML一样,不要求特定的分布形态。此外,Process的bootst
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

项目打包

结构方程模型

潜变量

维度

拟合指数

分类: Amos结构方程模型分析
      当我们构建结构方程模型时,在题目较多,样本量较少,不能支持使用最低级测量指标构建潜变量时,可以考虑题目打包法。题目打包法是指将某一组或某一维度题目打包计算得到某个分数,再用这个打包后的分数作为更高一级潜变量的测量指标。题目打包的方法有多种,其中一种是因子分析法,即对测量指标进行固定因子数目(如提取三个因子)的因子分析,然后按因子结构打包。这种方法看似很科学严谨,实际上存在严重的实践应用弊端,对于成熟量表或常用量表来说,不建议此法。
(南心老师)
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

项目分析

编制问卷

区分度

因子分析

鉴别力指数

分类: SPSS数据统计分析
      最近看到国内不少学者编制问卷量表时,都是先进行项目分析,比如删除与总分不相关的或区分度不佳的题目,然后再进行因子分析。实际上这种顺序并不恰当,应该先做因子分析,再做项目分析!!(南心老师长期从事心理、教育、管理领域的问卷量表数据统计分析,熟悉SPSS、Amos、Mplus、SmartPLS和Mplus、HLM等统计分析软件)
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

结构方程模型

amos

mplus

培训班

工作坊

分类: Amos结构方程模型分析
暑期即将开始,南心老师搜罗了2019年度结构方程模型方面的培训班供大家查了解、学习:
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

调节作用

有调节的中介作用

excel

简单斜率图

交互效应图

分类: SPSS数据统计分析
    经常看到一些文献在做调节效应或有调节的效应分析时,其简单斜率图或交互作用图出现直线相较于纵轴的负数部分,其上Y值也用负数标记。这种图有时候看起来不是很直观或美观。这种图主要是由于Y使用了标准化或转换后的得分,抑或者画图时使用了标准化回归方程,再或者是忽略了截距。(南心老师 SPSS Amos Mplus数据分析服务)
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

amos

mplus

拟合指数

拟合度

r方

分类: Amos结构方程模型分析
    最近有朋友咨询,做结构方程模型分析时有没有像回归分析那样的整体模型R方(决定系数)?答案是没有。为何这位朋友会这样问呢?主要原因在于不了解R方(R2)是基于结果变量或因变量而言的,是模型对某个因变量方差的解释比例,而不是对整个模型。但是,多元回归分析(如用SPSS)的确每个模型都有一个R方,这又是怎么回事呢?这是因为在一般的多元回归分析中,因变量只有一个,因而就只有一个R方了。但如果是结构方程模型,因变量有多个时,就会出现多个R方。结构方程模型有专门的整体拟合指数,不用R方。(南心老师,专业从事结构方程模型数据分析服务)
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
  

新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

新浪公司 版权所有