你自己根据自己的的数据情况看吧,对于你提到的指标,我相信90%的文献都说是0.9以上为标准的,这个经验值还是很可信的,如果你不是正在写论文,那完全可以接受这个结果,如果你一定想要结果好,那就要么好好处理处理数据,重新做一下结构方程的分析,要么就找到相关的文献支持,以表明你用0.9以下的指标数值是合理的
如果是论文答辩或者发论文,只是0.8过一些那很可能要被答辩老师或者审稿人质疑的,接近0.9应该还勉强可以
Amos是一个多义词，一是（圣经）阿莫斯（公元前八世纪的希伯来先知）；二是(<<圣经·旧约>>中的)<<阿莫斯书>；三是中国80后摇滚乐队等。
基本介绍中文名 ：阿莫斯 外文名 ：Advanced MOrtar System 解释 ：常作男生英文名字 简写 ：Amos 代表人物 ：冼嘉宁、杨毅等 意思 ：任重道远的人 统计分析,基本词义,乐队信息,成员介绍,冼嘉宁,杨毅,黄凯昭,阿莫斯, 统计分析 SPSS AMOS 21.0是一款使用结构方程式，探索变数间的关系的软体轻松地进行结构方程建模（SEM）
快速创建模型以检验变数之间的相互影响及其原因
比普通最小二乘回归和探索性因子分析更进一步
使用Amos 21.0进一步改进您的分析
无论您评估程式，还是开发行为态度模型，您都有可能遇到传统分析技术无能为力的情况。那么，如果您能使用一些复杂的，同时却不需冗长的编程或者学习过程的建模技术，情况会如何呢？
Amos软体和结构方程模型（SEM）助您成功
结构方程模型（SEM）是一种多元分析技术，它包含标准的方法，并在标准方法的基础上进行了扩展。这些方法包括回归技术、因子分析、方差分析和相关分析。Amos21.0让SEM变得容易。它拥有的直观的拖放式绘图工具，让您快速地以演示级路径图定制模型而无需编程。
使用 Amos21.0，让您比单独使用因子分析或回归分析能获得更精确、丰富的综合分析结果，Amos21.0 在构建方程式模型过程中的每一步骤均能提供图形环境，只要在 Amos 的调色板工具和模型评估中以滑鼠轻点绘图工具便能指定或更换模型。通过快速的模型建立来检验您的变数是如何互相影响以及为何会发生此影响。
即使有缺失值也能达到精准
Amos 处理缺失值的最大特色就是拥有Full Information Maximum Likelihood ，即使资料不完整，Amos 也不会遗漏任何一个情况，并且会自动计算正确的标准误及适当的统计量，降低您的估算值偏差。
简易但功能强大
（1）AMOS具有的方差分析、协方差，假设检验等一系列基本分析方法。
（2）AMOS的贝叶斯和自抽样的方法套用，这个AMOS最具特色的方法，这个也算是比较前沿的套用，在一定程度上克服了大样本条件的限制，当样本低于200甚至是低于100时，贝叶斯方法的结果仍然比较稳定，尤其是MCMC的结果，该方法也可以提供路径分析间接效应的标准误，这在中介效应的使用方面特别有用，还可以观察估计参数的先验机率分布和事后机率分布，并进行人为设定。另外bootstrap也提供类似模拟的标准误，而且提供bootstrap的ADF、ML、GLS、SLS、ULS等参数估计的方法。另外也为时间序列数据提供自相关图用于侦察序列相关。
（3）AMOS提供方程检验的统计指标，不用说也是很丰富的，需要强调的是有些指标例如SRMR等需要自行设定才能提供，另外比较重要的指标如RMSEA的检验需要自己在figure caption里设定\pclose才能看到，请详情见手册。
（4）指定搜寻（specification search），不知翻译的对不对，这个功能在探索变数间的关系上很好用，关系太多，也没什么假设，使用这个功能看看数据本身是什么关系。一般如果关系很复杂，数据量也很大，使用逐步法能节省很多时间。
（5）AMOS可以实现曲线增长模型，这种模型主要用于追踪数据，研究随时间变化的规律，AMOS这方面的发展很好，包括高阶曲线增长及其衍生的模型。不过同样在基于多层线性模型的曲线增长模型上无法实现。
（6）其他的模型例如混合建模，非递归模型等在AMOS里均有实现。同时AMOS高版本提供程式的透明性、可扩展性，与VB、SAS等软体提供接口，使得其程式编写上带来很大的便利，也拓展了套用范围，而且至20版以后AMOS在程式方面也得到了加强，例如程式编写、程式的生成等，其套用前景更加明朗。
技术说明
图形化用户界面
o 通过一个路径图浏览器显示资料夹中所有路径图的描述和缩略图
o 只需用滑鼠点击就可选择编程选项
o 只需点击一下滑鼠，就可以显示一张包括多个组或者模型的图表
o 查看数据档案内容
o 从数据集中把变数名拖到路径图中
建模能力
o 创建带有观测和隐性变数的结构方程模型（包括特例，如路径分析和纵向数据模型）
o 使用一到两种方法定制候选模型：
－指定每一个候选模型为对模型参数的等同约束的一个集合
－以探索性的方式使用SEM。Amos会尝试许多模型，使用Aikaike信息标准（AIC）和Bayesian信息标准（BIC）统计方法比较模型，并找出最有前途的模型。
o 进行证实性的因子分析：方差分解、变数误差、度量模型和隐性变数
建模
o 使用路径图来定制模型
o 使用绘图工具改变路径图，从而更改模型
o 在路径图上图形化地显示参数估计和拟合测量
o 在路径图上绘图的任何时刻显示自由度
分析能力和统计功能
o 使用完全信息最大似然估计得到更有效、更小偏倚的缺失值估计
o 输入参数值，观察在特定时刻的效应，以及使用模型库的离散函式值的效应
o 使用快速自举模拟，对于任意实验分布下的任何模型参数估计，找到近似分布，包括标准化系数
－评估符合Bollen和Stine自举方式的模型
－计算百分比区间以及偏差修正百分比区间
输出
o 使用有条件的导航帮助；使用增强的文本输出显示选项和表格格式选项
－使用导航面板快速定位并显示输出的各个部分
－将导航面板里的各部分和表格标题连结至右键帮助
－将数值（例如导航面板中显示的p值）连结至"use-it-in-a-sentence"帮助，得到有关数字含义的简单明了的英语说明
Amos 21.0-使用结构方程式，探索变数间的关系
"Amos 使用路径图来定制模型的方法完美自然…Amos是毫无疑问的赢家。"
－J.J.Hox
《Amos，EQS and LISREL for Windows：a comparative review. Structural Equation Modeling》
轻松地进行结构方程建模（SEM）
快速创建模型以检验变数之间的相互影响及其原因
比普通最小二乘回归和探索性因子分析更进一步
使用Amos 21.0进一步改进您的分析
无论您评估程式，还是开发行为态度模型，您都有可能遇到传统分析技术无能为力的情况。那么，如果您能使用一些复杂的，同时却不需冗长的编程或者学习过程的建模技术，情况会如何呢？
Amos软体和结构方程模型（SEM）助您成功
结构方程模型（SEM）是一种多元分析技术，它包含标准的方法，并在标准方法的基础上进行了扩展。这些方法包括回归技术、因子分析、方差分析和相关分析。Amos让SEM变得容易。它拥有的直观的拖放式绘图工具，让您快速地以演示级路径图定制模型而无需编程。
使用 Amos让您比单独使用因子分析或回归分析能获得更精确、丰富的综合分析结果，Amos 21.0在构建方程式模型过程中的每一步骤均能提供图形环境，只要在Amos的调色板工具和模型评估中以滑鼠轻点绘图工具便能指定或更换模型。通过快速的模型建立来检验您的变数是如何互相影响以及为何会发生此影响。
系统需要 ：
Microsoft Windows 98，Me，NT○R 4.0（SP6），2000或XP
18MB 硬碟空间
系统为Windows 98和Me至少需要128MB记忆体；系统为NT 4.0，2000和XP至少需要256M记忆体
Inter Explorer 6 基本词义 Amos解释 常作男生英文名字。犹太人/希伯来人/以色列人：任重道远的人。 乐队信息 中国80后摇滚乐队。其音乐风格很难定义，虽然乐队成员给自己打上了Britpop的标签，但是乐队的歌曲涉足了Alternative Rock，Baroque ，Classical，Jazz等多种音乐风格。乐队曾用Heavensquare为乐队名，在2009年非常之音冬天幻想曲演出之后，正式改名为AMOS——在希伯来语里面意为任重而道远的人，以此来表达乐队对音乐的态度，并为之不断探索的精神。 成员介绍 冼嘉宁 声乐/吉他/钢琴/键盘 非典型广东人，国语标准，经常吐槽爱晒粤语的非广东人士，必杀是：“你讲的粤语我怎么一句都听不懂？”略带艺术家气质，但是自己极力否认。 平时做事过于沉稳，但在舞台上尤其人多的情况下会立刻变得狂野且具攻击性。 从国小习钢琴和吉他，立志成为著名音乐制作人，以优异地成绩考入中国传媒大学录音学院，师从爵士女伶张盈，大学期间潜心研究各流派的音乐，同时高效地产出大量优质音乐。大二的时候和同班同学，AMOS的Bass手杨毅组建了Heavensquare乐队，立刻活跃于各个Livehouse和大学的舞台。并在高校之间进行了一系列的巡演，在大学校园中积累了不少人气。 对游戏几乎绝缘，但是上手速度奇快。热爱电影，并对镜头和剧本颇有研究，计画著未来某天自己能够独立拍摄一部电影，比如僵尸题材的恐怖片。大学时候积极进行电影配乐，曾为影片〈危楼舞蹈会所〉配乐并制作原声碟，影片参与了韩国釜山大学生电影影展，获得多项大学生影展最佳配乐提名，2009年获得中国传媒大学第二届影展的最佳配乐的提名。同时参与由著名演员赵岭领导并由著名剧作家王海鸰老师剧作指导的音乐剧《梁祝》前期的音乐唱段创作，剧中的音乐唱段包括了中国风，交响，电子舞曲，Tango，Jazz，流行等。受到圈内资深人士的一致好评。 AMOS乐队灵魂人物，包揽乐队词曲创作。钢琴弹得比吉他好，偶尔打打鼓。 杨毅 贝斯/键盘 重庆出生，成长时期迁往福州，跟重庆人说重庆话，跟福州人说有严重港台口音的国语。比重庆人爱吃海货，比福州人会吃辣。 闷骚，做事极端，能好几天只吃同一道菜，很偏激地受不了文艺青年的状态，出远门必须随身携带游戏机和MP3，台上演出时候极少出错，但每次都被人指出现场演出像是在蹂躏琴，认为Bass手在乐队中只弹根音是很无聊而且及其没有前途的。 从国小习手风琴，小时候志向是成为一名职业经理人。意外地考进中国传媒大学录音学院，至今仍被周围人认定为几乎不可能发生事件。在大学最迷茫的时候被人鼓励去做乐队贝司手，从此便疯狂地爱上低音乐器，除了贝司以外，还能熟练演奏多种乐器，同时刻苦的专业学习让他能够熟练地编写各种风格的乐曲。大二时便为Yahoo中国房产频道家庭装修比赛活动主题歌创作和制作。沉迷动漫，偶尔收集动漫周边已经动漫OST。因此渐渐擅长动漫配乐，大学期间为卡通片《童谣》配乐，该片获得同年ANIWOW!第三届国际大学生动漫节最高奖金奖“白杨奖”，并在卡酷动漫频道多次播出。 AMOS乐队核心人物，掌控乐队大局，手风琴弹得比贝司好，不怎么打鼓。 黄凯昭 鼓手/打击乐器乐手 标准北京人，国语非常标准。首都师范大学音乐表演系毕业，爱好看美剧，恐怖电影，但是自己不敢一个人看。 新加入乐队不久，自幼学习古典打击乐，音乐功底扎实，学院派，爱好收集乐谱。大学时候接触摇滚乐，深受Travis Barker ,John Blackwell,Aaron Spears等鼓手影响。为人谦和稳重。打鼓状态稳定到了一定境界，但有时候会过于冷静，以至于第一次排练时候让另外两人产生“乐队需要暴走的时候他到底会不会暴走？”的困惑。但是随后的几次排练，困惑越来越少，反之带来的惊喜越来越多。小昭的加入，宣布AMOS频繁更换鼓手的动荡时代已经结束。他像一个稳定而又高效的发动机，让AMOS以从未有过的高速向前走着。AMOS乐队最后一块拼图，是乐队最坚实的基础，经常打鼓。 阿莫斯 AMOS是Advanced MOrtar System词组的英文缩写，意为"先进迫击炮系统"。它由瑞典阿尔维斯-赫格隆公司和芬兰的帕特里亚-万马斯公司联合研制。该炮一经推出便成了一颗耀眼的"明星"，其发展及出口前景十分看好。 "阿莫斯"最大特点是一个炮塔上安装了两门120毫米迫击炮，最大射程13公里，拥有计算机化的火控系统和半自动装填装置，能在15秒内发射6发弹，甚至有讯息说该炮可确保16发炮弹同时命中同一目标，]火力着实强悍。该系统的炮塔连同弹药在内的重量为4.4吨，可以非常方便地安装到不同的底盘和19吨以上的巡逻艇上，大大扩展了其使用范围。它由行驶到停止、开火的时间不超过30秒，10秒内即可完成射击并立即撤退，大大缩小了遭受敌方火力反击的可能，战场生存力相当高。 "阿莫斯"的另一个亮点是配装了"猫头鹰"(Strix)末制导迫击炮弹。"猫头鹰"新型迫击炮弹命中率高，破甲厚度达550毫米。"猫头鹰"由瑞典萨伯-博福斯动力公司研制。它外形与普通迫击炮弹相似，头部装有红外制导控制装置，中部装有电子装置，尾部装有固体燃料火箭发动机和折附在弹体上的固定翼。"猫头鹰"末制导迫击炮弹经"阿莫斯"发射后，炮弹尾部4片尾翼即打开，使弹丸稳定飞行。弹丸飞行由红外制导。红外制导装置具有识别目标能力。一旦从高处发现目标，红外制导装置就会输出捕获和攻击信号，弹体上的12个小火箭发动机便按处理器要求修正弹道，从而使炮弹像"猫头鹰"捕鼠那样快猛击中目标。由于弹体上还加装了续航发动机，"猫头鹰"便具有了攻击8公里远处装甲目标的能力。
基础模型的建立应尽量简洁，其中可以包括基本的 药代动力学参数 以及 个体间差异（IIV） 以及 残留误差 。
当这些参数符合模型诊断图后，基本上就可以认为达到稳定的基础结构模型。（base structural model）
一般来说，基础模型不应该包括协变量。但对于那些显著影响药代动力学参数（parameter）的协变量，在基础模型中就应该引入（比如儿童群体的体重）。
那么，该如何确定你的基础模型建立的是合适的呢？
一、通过结果表格
Stderr:
CV%:
CI置信区间：不要经过0
一、模型诊断图
几个概念：
DV：一个数据集中因变量（dependent）的数值。
PRED: 模型根据DV模拟的数值。
RES：DV与PRED的绝对差值。
WRES：加权后的DV与PRED的相对差值，一般可以认为加权后为均值为0方差为1的正态分布。一个好的模型WRES应该在-3到+3之间。
1. PRED vs. DV
图形点应该在截距为0，斜率为1的单位线的两侧对称随机分布。
像这个图就显示点在线两边的随机分布，但是线的斜率不为1，且横纵坐标不是一样的。当把坐标改为一样时就会发现预测值并不能全部覆盖真实值。预测值只覆盖了0到200，而真实值到了接近400。如下图。
2. WRES vs. PRED
当误差模型合理时，点应该在WRES=0的线上匀称分布。
3. RES vs. PRED
RES是预测值与实际值的实际差异，数据点应该在零位线的两侧均匀分布。由比例型误差模型得到的数据往往允许数据较大的点的误差大一些，这样算出来的相对误差才能一致化的最小，因此呈现出扇形。
4. WRES vs. TIME
可以了解这些残留误差是否随时间而变化。
二、随机效应的估计
选择个体间随机效应的原则是一开始先选择这个数据集可以描述的较小的参数的随机效应，然后再根据情况逐一加入其它的随机效应。即由少到多逐一添加。
比如说：如果一个数据集在谷浓度的点相对于峰浓度来得多，那么就应该先加入的是清除率的个体间差异η。
残留误差与随机效应可能会相互影响。有时候错误的残差模型的估计会导致ETA没有办法被合理估计，但是一旦残差模型设置合理后，这个ETA就可以成功估计了，以下是一些随机效应的诊断图。
几个概念：
IPRED：个体预测值，计算时包括了η。
IRES：个体预测值与实际值的差值。
IWRES：加权后的IRES。
1. IPRED vs. DV
由于考虑到了个体间差异η，因此图形拟合的会比 PRED vs. DV 好。图形差不多，就不放这里了
2. IWRES vs. IPRED and |IWRES| vs. IPRED
下面是一张|IWRES| vs. IPRED的图，由于是绝对值，因此纵坐标大于0，模拟良好的图应该是那条模拟的线基本呈一条水平光滑的直线，且大部分点落于小于3的位置上。
而在模型拟合中，加和型误差模型能够反映差值的绝对值。如果数据集的跨度范围过大，对于数据小的点来说，由于数值小，因此误差也会小，而对于数值大的点来说，由于本身的点就大，因此数值大的点误差也会大，导致加和型残留误差模型不足以解决这么大的差异，就会呈现出下图的模样。此时最好用比例型误差模型，即每个误差的绝对值再除以本身的值。这样就能形成相对误差。
错误的比例型误差模型应用时，由于小的数值的分母小，造成算出来的相对误差会增大，在图上显示出小的误差相对大的误差来得大，此时可能用加和型的误差模型会更好。
2. 推测参数估计的准确度
当协方差步骤完成后，THETA，OMEGA，SIGMA的标准误都可以得到。这个标准误除以估计值得到的是percent standard error of the mean(%SEM)或者是 percent relative standard error(%RSE)。
一般来说，对于固定效应参数的RSE应当在30%以下，而随机效应的参数应该在40~50%之间。
随机效应OMEGA or SIGMA也有其他的计算方法，比如OMEGA的RSE的计算通常是？完成。
一般来说，所有参数的相关性应该要小于0.9 ,这样的话每个估计值才能是独立的。
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）