结构方程模型+验证性因素分析过程指标.pdf

有的说每个观察变量最好有 10 个样本，有的说 200 到 500 之间比较好。在 SEM 中，与 一般的研究方法相同，样本量越大越好，但是在 SEM 中，绝对指标卡方容易受到样本 量的影响，样本越大，越容易达到显著水平。 在结构方程建模中， 在观察变量到潜在变量的路径系数中， 必须规定一条为 1 做标准求 的其他路径系数和潜变量的值。潜变量之间就不用规定为 1 了。 内衍变量和观察变量都要有一个误差量 e 。 指标变量包括观察变量和误差变量 如何让绘图区变宽：可以在 view 里面的 interface properties 中点击 landscape 在进入模型检验之前，首先检验是否出现违反估计： 负的误差方差存在 标准化系数超过或太接近 1 （通常以 0.95 ） 验证性因素分析 信度： 建构信度 等于标准化因素负荷量和的平方 / （标准化因素负荷量和的平方 +(1-标准化因素负荷量的平 方 )的和） 收敛效度： 平均方差抽取量： 是指可以直显示被潜在构念所解释的变异量有多少是来自测量 误差的， 平均方差变异量越大， 来自于测量误差越少， 即因子对于观察数据的变异解释越大， 一般是平均方差抽取量要大于 0.5，是一种收敛效度的指标。 等于标准化因素负荷量的平方之和 / 题目数目 验证性因素分析基本模型适配度检验摘要表 : 是否没有负的误差变异量 e1 e2 e3 因素负荷量（潜在变量与观察变量之间的标准化系数）是否介于 0.5 到 0.95 之间 Variances 是否没有很大的标准误 (路径系数的标准误 ) 整体模型适配度检验摘要表 : 绝对适配度指数 卡方值， p 大于 0.05 ，说明数据本身的协方差矩阵和模型的协方差矩阵是匹配的。 RMR 值小于 0.05 ， RMSEA小于 0.08 （小于 0.05 优良，若是小于 0.08 良好） GFI 大于 0.90，适配优度 AGFI 大于 0.90 （调整后的适配度 ） 增值适配度指数 NFI 大于 0.90 RFI 大于 0.90 IFI 大于 0.90 TLI(也称为 NNFI) 大于 0.90 CFI大于 0.90 简约适配度指数： PGFI 大于 0.50 PNFI 大于 0.50 PCFI大于 0.50 CN 大于 200 卡方自由度比小于 2.0 ，或者小于 3.0 AIC 理论模型值小于独立模型值且二者同时小于饱和模型值 CAIC 同 AIC 验证性因素分析的内在质量参数表 所估计的参数均达到显著水平 w e 所有项目的信度均达到 0.50 以上 潜在变量的平均抽取变量大于 0.50 潜在变量的建构信度（组合信度、构念信度）大于 0.60 标准化残差的绝对值小于 2.58 （标准化残差：协方差矩阵的残差） 修正指标： 修正指标表中 MI 小于 5.0 是否符合正态性检验，检验是否有异常值。 根据 P2 的指标删除变异的 case，先删除一个，逐步检验删除后的 P2 值。 直接效果和间接效果 如何操作