组间系数差异检验的结果怎么看

组间系数差异检验的结果：直接看最后一个表的Sig(双侧）,可以看到是.000，说明差异显著，一般Sig值小于.05就可以认为是显著了，这个配对T检验的结果表达的时候就说E1和E2在.01水平上差异显著即可。

SEM（包括AMOS）是通过比较男女样本的拟合度之差别来比较两组回归系数之间的等同性。不过，SEM的这种做法是有代价的：它将一个总样本分成两个小样本，结果是降低了Power of Analysis (统计分析效力)，从而在没有降低犯Type I的误差的同时又提高了犯Type II误差。

无效假设

显著性检验的基本原理是提出“无效假设”和检验“无效假设”成立的几率（P）水平的选择。所谓“无效假设”，就是当比较实验处理组与对照组的结果时，假设两组结果间差异不显著，即实验处理对结果没有影响或无效。经统计学分析后，如发现两组间差异是抽样引起的，则“无效假设”成立，可认为这种差异为不显著（即实验处理无效）。

结构方程模型适配度指标如下：

1、x2值：显著性概率值p>0.05（未达显著水平），x2使用样本数为100至200。

2、GFI值：>0.90。

3、AGFI值：>0.90。

4、RMR值：<0.05。

（SEM）的概念与Amos G raphics窗口界面的基本操作；后半部以各种实例介绍Amos G raphics在各种SEM模型中的应用。

全书采用AMOS图像界面，完全没有复杂的SEM理论推导和语法，最大的特点就是对利用AMOS进行结构方程模型各种分析的每一个步骤都有详细的讲解和图示。

这些统计量都是结构方程中用来检验你所建立的模型与数据的拟合程度的指标，称为拟合优度指数（goodness of fit index），简称为拟合指数。

不同学者提出了许多不同的拟合指数。

常用的指标一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似误差均方根）)，GFI（goodness-of-fit index, 拟合优度指数）, NNFI（non-normed fit index）和CFI(comparative fit index, 比较拟合指数)。

一般认为，如果RMSEA在0.08以下（越小越好），GFI、NNFI和CFI在0.9以上（越大越好），所拟合的模型是一个“好”模型。AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型拟合的较好，不过现在不常用。

卡方和自由度主要用于比较多个模型，卡方值越小越好，自由度反映了模型的复杂程度，模型越简单，自由度越多，反之，模型越复杂，自由度越少。总的来说，我们追求的是既简单又拟合得好的模型。

如果你要更详细的了解这些拟合指数，请参考侯杰泰等人的著作《结构方程模型及其应用》。

1、工作分工不同。

spss做前期数据描述和除结构线性模型外的多数统计工作，amos专做结构线性模型相关的统计。

2、使用对象不同。

对量表的区分效度（discrimination validity）检验时，发现有人用SPSS，主要是检验平均提取方差（Average variance extracted，AVE）与该因子与任何其他因子的共同方差（highest shared variance）的值。

而有人则用AMOS，检验修正指数（modification index，MI）的显著性，通过x2/df，NNFI，GFI，AGFI，CFI，RMSEA等拟合优度检验。

3、用途不同。

SPSS是探索性统计分析软件，AMOS是验证性统计分析软件。做探索性因素分析时用SPSS，探索性因素分析完成后，为了验证所得到的因子结构是否合理，就需要进行验证性因素分析。

现在的论文如果涉及因子分析的话，大多要求进行验证性因素分析，以及路径分析等等。这时候，AMOS就派上用场了，AMOS可以进行验证性因素分析、路径分析、群组分析等。

扩展资料

SPSS操作功能：

1、参数检验：单样本、两独立样本、配对样本。

2、方差分析：单因素、多因素、协方差分析。

3、非参数检验：X2、二项式分布、K—S检验。

4、相关分析和线性回归分析。

5、聚类分析。

6、因子分析。

7、信度分析。以上的内容是经常用到的，尤其是相关分析和线性回归分析。

---