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》。
组间和组内和的离差平方和与自由度的比值。
SPSS提供了从简单的统计描述到复杂的多因素统计分析方法,比如数据的方差分析、探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。
研究者可以在模块中轻松的实现从抽样设计、统计描述到复杂统计建模以发现影响因素的整个分析过程,方差分析模型、线形回归模型、Logistic回归模型等复杂的统计模型都可以加以使用,而操作方式将会和完全随机抽样数据的分析操作没有什么差别。
扩展资料
方差分析独立模块-AMOS
AMOS 是SPSS Statistics软件包中的独立产品,是功能强大的结构方程(SEM) 建模工具,通过对包括回归、因子分析、相关性分析和方差分析等传统多元分析方法的扩展,为理论研究提供更多的支持。
在AMOS 环境下,您可以在直观的路径图下指定、估计、评估以及设定模型,以展示假定的各变量之间的关系,来方便地地建立能真实反应复杂关系的行为态度模型。在AMOS 中,任何数值变量,不管是可观测的还是潜在的,都可以用来建模,预测其它数值变量。
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)