结构方程模型与AMOS软件应用

connection
结构方程模型与AMOS软件应用

    在社会科学以及经济、市场、管理等研究领域，有时需要处理多个原因多个结果间的复杂关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不好解决的问题。二十世纪八十年代以来，结构方程分析迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具。

结构方程模型与AMOS软件介绍

  • 1.1 实例演示:AMOS数据处理流程
  • 1.1.1 数据清理
  • 1.1.2 导入数据
  • 1.1.3 建模
  • 1.1.4 结果解读
  • 1.2 结构方程模型的基本概念
  • 1.2.1显变量与潜变量
  • 1.2.2 内生变量与外生变量
  • 1.2.3 自由、固定与限定参数
  • 1.3 结构方程模型的特点
  • 1.3.1 结构方程模型具有的特性
  • 1.3.2 结构方程模型具有的优点
  • 1.4 结构方程模型建模步骤
  • 1.4.1 构建理论模型
  • 1.4.2 模型识别
  • 1.4.3 模型估计
  • 1.4.4 模型评价
  • 1.4.5 模型修正
  • 1.5 AMOS软件介绍
  • 1.5.1界面介绍
  • 1.5.2软件功能

AMOS软件建模（初级部分）

  • 2.1 方差估计与假设检验
  • 2.1.1估计变量方差与协方差
  • 2.1.2方差与协方差的假设检验

  • 案例1：互联网企业价值与客户关系的相关研究
  • 2.2 验证性因子分析
  • 2.2.1一阶验证性因子分析
  • 2.2.1.1 多因素直交模型
  • 2.2.1.2 多因素斜交模型
  • 2.2.1.3 修正指数与C.R.系数
  • 2.2.2 高阶验证性因子分析

  • 案例2：幼龄儿童的社会助长行为探讨
  • 2.3 路径分析
  • 2.3.1 递归模型
  • 2.3.1.1 显变量的路径分析
  • 2.3.1.2 潜变量的路径分析
  • 2.3.2 非递归模型
  • 2.3.2.1 非递归模型的设定
  • 2.3.2.2 稳定性系数检验

  • 案例3：农作物生长环境的路径关系
  • 2.4 中介效应模型
  • 2.4.1 中介效应与间接效应
  • 2.4.2 中介效应的模型设定

  • 案例4：胜任力、内外环境与员工绩效的实证研究
  • 2.5 调节效应模型
  • 2.5.1 调节效应与交互效应
  • 2.5.2 调节效应与调节效应图
  • 2.6均值结构模型

  • 案例5：快餐连锁企业顾客满意度、品牌感知与购买意愿问卷调查
  • 2.7处理缺失数据

AMOS软件建模（高级部分）

  • 3.1 多群组结构方程模型
  • 3.1.1 多重模型设定
  • 3.1.2 多群组分析
  • 3.1.3 多群组均数检验

  • 案例6：内控型与特质焦虑的关系研究
  • 3.2 自抽样技术
  • 3.2.1自抽样技术的应用
  • 3.2.2 自抽样技术的模型比较
  • 3.3 SEM的贝叶斯估计
  • 3.3.1 贝叶斯估计与MCMC模拟分析
  • 3.3.2 自定义的参数先验概率分布
  • 3.4 指定搜索过程
  • 3.4.1 "探索性"因子分析
  • 3.4.2 搜索过程的逐步法
  • 3.5 删失数据分析
  • 3.5.1 模型设定
  • 3.5.2 后验预测估计

  • 案例7：心脏手术病人的删失数据
  • 3.6 有序类别的数据处理
  • 3.6.1 拟合因子分析模型
  • 3.6.2 估计后验预测值的分布

  • 案例 8：关于环境问题态度的调查
  • 3.7混合建模
  • 3.7.1 探索数据
  • 3.7.2 混合建模

  • 案例9：fisher鸢尾花数据