问题二：如何进行路径分析 您好，我目前想做一个路径分析，但不知道程序应该怎么写，也找不到相关资料。想跟您请教一下，
用Lisrel或是Sas怎么做呢？
我的外生变量很多（超过25个），包括一些个人背景的、家庭和同伴特征的，请问是否能通过主成分来缩减指标呢？
如果两个内生变量之间是相关的关系，那么在写方程时是否也要把相关关系写上呢？
庄主@2007-03-13:
为了便于其他读者的理解，我先交待一下路径分析 (path *** ysis) 的简单背景。
路径分析可以用作多种目的：一是将因变量之间有关系的的若干个回归模型整合在一个模型里，以助分析和表达的完整和简洁；二是在该整合模型中的各自变量对各因变量的“总影响”(total effects) 分解为“直接影响“(direct effects) 和“间接影响”(indirect effects)，如果发现间接影响较大，那就有理论价值了（当然，如下所示，很难发现大的间接影响）；三是通过直接影响和间接影响的比较来验证一个自变量是否为“中介变量”(mediating variable)，即其直接影响不显著而间接影响显著（上面已说过，不容易发现间接影响、如果同时又要其直接影响不显著，那就更难了）。
如此看来，路径分析是个好东西（不好意思，赶了一回时髦）。其从1960年代兴起，1970-80年代已十分流行。我在Indiana念博士时，学院里的老师常用路径分析做研究。后来学了SEM（结构方程模型），才知道路径分析有“含测量误差”和“不含测量误差”两种。前者只研究自变量和因变量之间因果关系，即SEM中的structural model（结构模型）那部分（见图一），而后者则加上了各变量的CFA（验证性因子分析)，也即SEM中的measurement model（测量模型）那部分（图二）。
如何写路径分析的指令（转载） 如何写路径分析的指令（转载）
好了，现在直接回答你的问题。问题1从字面上看，只涉及结构模型那部分，所以比较简单、容易。这种路径分析，不仅可以用LISREL、SAS或其它SEM软件，其实也可以用SPSS等通用统计软件，其结果是一样的。先说在SPSS中如何做。图一是我日前在“Confirmatory regression vs. hierarchical regression 一文中举的例子相仿（当时只用了三个公式，没有此图）。如前文中所说，因为该模型中有两个因变量（或内生变量，endogenous variables），所以需要建立两个回归模型，分别为公式一和二，其中变量名和系数名有些改动，系数分别记为b和g，是为了与LISREL用法一致，b表示一个内生变量（如W）对另一个内生变量（如Y）的影响、g表示一个外生变量（如X）对一个内生变量（如W或Y）的影响：
Y = b0 + g1X + b2W （公式一）
W = g0 +g2X （公式二）
在SPSS中，就按上述两个公式分别做一个回归分析。如果你习惯用SPSS指令的话，其syntax分别为：
Regression Dependent=Y/Enter X, W.
Regression Dependent=W/Enter X.
然后将两个回归分析所得到的回归系数填入图一，此时要用standardized Beta（即 B1、B2、G1分别为公式一和三中b1、b2、g1的标准化值），......>>
问题三：路径分析的介绍 路径分析是常用的数据挖据方法之一， 是一种找寻频繁访问路径的方法，它通过对Web服务器的日志文件中客户访问站点访问次数的分析，挖掘出频繁访问路径。LBS不仅需要能确定目标的地理位置，还需要能实现对地理环境的有效分析。网络分析是地理环境分析中的一个重要技术，包括最短路径分析、网络流分析等内容。在网络分析中，最短路径分析是最基本的，也是最关键的技术，一直是计算机科学、运筹学、交通工程学、地理信息学等学科的一个研究热点。如今，最短路径分析算法已经非常成熟，如以Dijkstra算法为代表的宽度搜索方法、动态规划方法等。
问题四：软件测试中路径分析法是什么 熟悉测试理论的人都知道，路径覆盖是白盒测试中一种很重要的方法，广泛应用于单元测试。那么基于路径覆盖的分析方法是不是只能应用于单元测试呢，能不能将其推而广之呢。一般而言，在单元测试中，路径就是指函数代码的某个分支，而实际上如果我们将软件系统的某个流程也看成路径的话，我们将可以尝试着用路径分析的方法来设计测试用例。采用路径分析的方法设计测试用例有两点好处：一是降低了测试用例设计的难度，只要搞清了各种流程，就可以设计出高质量的测试用例来，而不用太多测试方面的经验；二是在测试时间较紧的情况下，可以有的放矢的选择测试用例，而不用完全根据经验来取舍。下面就具体的介绍一下如何用路径分析的方法编写测试用例。
首先是将系统运行过程中所涉及到的各种流程图表化，可以先从最基本的流程入手，将流程抽象成为不同功能的顺序执行。在最基本流程的基础上再去考虑次要或者异常的流程，这样将各种流程逐渐细化，这样既可以逐渐加深对流程的理解，还可以将各个看似孤立的流程关联起来。完成所有流程的图表化后就完成了所有路径的设定。
找出了所有的路径，下面的工作就是给每条路径设定优先级，这样在测试时就可以先测优先级高的，再测优先级低的，在时间紧迫的情况下甚至可以考虑忽略一些低优先级的路径。优先级根据两个原则来选取：一是路径使用的频率，使用越频繁的优先级越高；二是路径的重要程度，如果失败对系统影响越大的优先级越高。将根据两个原则所分别得到的优先级相加就得到了整个路径的优先级。根据优先级的排序就可以更有针对性的进行测试。
为每条路径设定好优先级后，接下来的工作就是为每条路径选取测试数据，构造测试用例。一条路径可以对应多个测试用例，在选取测试数据时，可以充分利用边界值选取等方法，通过表格将各种测试数据的输入输出对应起来，这样就完成了测试用例的设计。
问题五：结构方程模型 和路径分析的区别，原理是否一样？ 路径分析是结构方程模型的一部分，完整的结构方程模型包含两部分：1、测量模型，研究因子和指标的关系，也就是一般我们说的验证性因子分析；2、因果模型，也就是路径分析，研究的是因子之间的关系。另外提一下，狭义上的路径分析指的是把显变量直接当做潜变量的因果模型。
因此，结构方程模型和路径分析其实是概念与子概念的关系。他们所涉及的统计学原理自然是一样的，只不过如果是狭义上的路径分析，那么默认变量无测量误差，其计算的精确度及误差的控制是不如完整的结构方程模型的。
问题六：路径分析的最优路径分析模型 最优路径分析是地理网络分析中最常见的基本功能，也是LBS需要具备的功能。地理网络中的最优路径是指在地理网络中满足某些优化条件的一条路，包括距离最短或最长、通行时间最短、运输费用最低、行使最安全、容量最大等。
问题七：SPSS如何做路径分析 路径分析用amos，amos以前是spss的一个模块，现在分离出去了，要单独安装，现在出最新的spss21.0和amos21.0，先装spss，再装amos，装amos的时候还会提醒安装最新的.NET Framework，先装好就ok了。
SPSS AMOS 21.0是一款使用结构方程式，探索变量间的关系的软件 ，轻松地进行结构方程建模（SEM） 。快速创建模型以检验变量之间的相互影响及其原因，比普通最客服乘回归和探索性因子分析更进一步 。
Microsoft .NET Framework是用于Windows的新托管代码编程模型。它将强大的功能与新技术结合起来，用于构建具有视觉上引人注目的用户体验的应用程序，实现跨技术边界的无缝通信，并且能支持各种业务流程。
问题八：因果路径分析用什么软件 两款比较流行的软件是lisrel和Amos
问题九：如何做用户行为路径分析 用户行为一直是网站优化关注的重点，分析网站用户行为，对提高网站的转换率帮助很大，至少你知道用户需要什么，接下来你应该怎么去满足这些行为。目前几乎90%上的网站几乎都销售为主，无论是产品还是服务，都的为了销售。当然还有一些是需要用户参与网站的某些调查，但是一般专门为这些行为做的网站还是比较少， seo培训下面主要分析用户的购买行为。在做SEO的朋友当中，可能有50%不会卖东西，但是我相信100%的都会买，我们这里也是研究购买者的行为，所以每个人都很可以平等参与，从购买者的角度去分析。如果你对某一些方面的产品感兴趣。但是不知道拥有这种功能的产品名称甚至具体型号，这在营销专家来看，是属于“初级需求”，他们使用经济术语“需求” 来描述当一个购买者对某物质的需要，处于这一阶段的用户遇见了问题，但是不知道是否有相关产品或服务可以帮助他们解决；或者在很多方案中却不知道如何选择 （选择性需求）；甚至是知道某一产品能解决自己的问题，正在需找某一喜好的品牌或适合自己的某一型号。这就是购买者行为。初级需求用户行为一个处于“初级需求”的用户，在他准备进入“选择性需求”之前，他可能正在努力寻找关于可以解决他目前问题的有效方法，这个时候他对产品并不敏感，而对信息特别喜好。
p值就是路径系数的显著性水平，路径系数固定为1，只是设置了一个参考路径，并不影响标准化路径系数的估计。SPSS AMOS 21.0是一款使用结构方程式，探索变量间的关系的软件
轻松地进行结构方程建模（SEM）
快速创建模型以检验变量之间的相互影响及其原因
比普通最客服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
无论您评估程序，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软件和结构方程模型（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鼠标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量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应用，这个AMOS最具特色的方法，这个也算是比较前沿的应用，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概率分布和事后概率分布，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等需要自行设置才能提供，另外比较重要的指标如RMSEA的检验需要自己在figure caption里设置\pclose才能看到，请详情见手册。
（4）指定搜索（specification search），不知翻译的对不对，这个功能在探索变量间的关系上很好用，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高版本提供程序的透明性、可扩展性，与VB、SAS等软件提供接口，使得其程序编写上带来很大的便利，也拓展了应用范围，而且至20版以后AMOS在程序方面也得到了加强，例如程序编写、程序的生成等，其应用前景更加明朗。
技术说明
图形化用户界面
o 通过一个路径图浏览器显示文件夹中所有路径图的描述和缩略图
o 只需用鼠标点击就可选择编程选项
o 只需点击一下鼠标，就可以显示一张包括多个组或者模型的图表
o 查看数据文件内容
o 从数据集中把变量名拖到路径图中
建模能力
o 创建带有观测和隐性变量的结构方程模型（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、变量误差、度量模型和隐性变量
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数值的效应
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链接至右键帮助
－将数值（例如导航面板中显示的p值）链接至"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，探索变量间的关系
"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量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
无论您评估程序，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软件和结构方程模型（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鼠标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量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 硬盘空间
系统为Windows 98和Me至少需要128MB内存；系统为NT 4.0，2000和XP至少需要256M内存
Internet Explorer 6
SEM简单介绍，以下资料来源
因果关系：SEM一般用于建立因果关系模型，但是本身却并不能阐明模型的因果关系。
一般应用于：测量错误、错漏的数据、中介模型（mediation model）、差异分析。
历史：SEM 包括了 回归分析，路径分析（wright, 1921）,验证性因子分析（confirmatory factor analysis）（Joreskog, 1969）.
SEM也被称为 协方差结构模型（covariance structure modelling），协方差结构分析和因果模型。
因果关系：
究竟哪一个是“真的”？ 在被假设的因果变量中其实有一个完整的因果链。
举一个简单的例子： 吃糖果导致蛀牙。这里涉及2个变量，“吃糖果”和“蛀牙”，前者是因，后者是果。 如果上一个因果关系成立，那将会形成一个因果机制，也许会出现这样的结构：
3. 这时还有可能出现更多的潜在变量：
这里我又举另外一个例子，回归模型
在这里，回归模型并不能很好的描述出因果次序，而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。
我们在举另外一个例子“路径分析”
路径分析能让我们用于条件模型（conditional relationships），上图中的模型是一种调解型模型或者中介模型，在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。
在这里我们总结一下：
回归分析简单的说就是：X真的影响Y 吗？
路径分析：为什么/如何 X 会影响Y？ 是通过其他潜在变量Z 来达到的吗？例子：刷牙（X）减少蛀牙（Y）通过减少细菌的方法（Z）。------测量和测试中介变量（例如上图中的Z变量）可以帮助评估因果假设。
在这里要提一下因素模型（factor model）
在这个模型当中，各个变量有可能由于受到未被观察到的变量所影响，变得相互有内在的联系，一般来说那些变量都很复杂、混乱，而且很多变量是不能直接被观察到的。
举个例子：“保龄球俱乐部的会员卡”和“本地报纸阅读”，是被观察到的变量，而“社会资产”则是未被观察到的变量。另一个例子：“房屋立法”和“异族通婚”是被观察到的变量，而“种族偏见”是未被观察到的变量。
相互关系并不完全由被观察到的变量的因果关系所导致，而是由于那些潜在的变量而导致。
这些被观察到变量（y1--y4）也有可能由一个潜在的变量（F）所影响。
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）