結構方程模型

內容概要

　　由王濟川、王小倩和姜寶法編著的《結構方程模型：方法與應用》以通俗易懂的方式系統(tǒng)地闡述結構方程模型的基本概念和統(tǒng)計原理，側重各種結構方程模型的實際運用。《結構方程模型：方法與應用》采用國際著名SEM軟件Mplus，使用真實數據來演示各種常見的以及某些新近發(fā)展起來的較高級的結構方程模型，提供相應的Mplus程序，并詳細解讀程序輸出結果。參照本書提供的例題和相應的計算機程序，讀者便能自己實踐各種SEM模型。
　　《結構方程模型：方法與應用》可作為大學社會科學及公共衛(wèi)生學院研究生以及統(tǒng)計和生物統(tǒng)計專業(yè)本科生教材，也可作為相關學科的研究人員從事統(tǒng)計分析的工具書。

書籍目錄

第一章　緒論
　1.1 模型表述
　　1.1.1 測量模型
　　1.1.2 結構模型
　　1.1.3 模型表達方程
　1.2 模型識別
　1.3 模型估計
　1.4 模型評估
　1.5 模型修正
　附錄1.1 將總體方差／協(xié)方差表達為模型參數的函數
　附錄1.2 結構方程模型的最大似然函數
第二章　驗證性因子分析模型
　2.1 驗證性因子分析模型基礎知識
　2.2 連續(xù)觀察標識的驗證性因子分析模型
　2.3 非正態(tài)與刪截連續(xù)觀察標識的驗證性因子分析模型
　　2.3.1 非正態(tài)性檢驗
　　2.3.2 非正態(tài)數據的驗證性因子分析模型
　　2.3.3 刪截標識的驗證性生因子分析模型
　2.4 分類觀察標識的驗證性因子分析模型
　2.5 高階驗證性因子分析模型
　附錄2.1 BSI-18量表
　附錄2.2 條目可靠度
　附錄2.3 Cronbacha系數
　附錄2.4 分類結局測量的連接函數和概率計算
第三章　結構方程模型
　3.1 MIMIC模型
　3.2 結構方程模型
　3.3 單標識變量中測量誤差的校正
　3.4 檢驗涉及潛變量的交互作用
　附錄3.1 測量誤差的影響
第四章　潛發(fā)展模型
　4.1 線性潛發(fā)展模型
　4.2 非線性潛發(fā)展模型
　4.3 多結局測量發(fā)展過程的線性潛發(fā)展模型
　4.4 兩部式潛發(fā)展模型
　4.5 分類結局測量的潛發(fā)展模型
第五章　多組模型
　5.1 多組驗證性因子分析模型
　　5.1.1 多組一階驗證性因子分析模型
　　5.1.2 多組二階驗證性因子分析模型
　　5.2 多組結構方程模型
　5.3 多組潛發(fā)展模型
第六章　結構方程建模的樣本量估計
　6.1 結構方程模型樣本量估計的經驗法則
　6.2 satorra-Saris法估計樣本量
　　6.2.1 應用satorra-Saris法估計CFA模型的樣本量
　　6.2.2 應用satorra-Saris法估計LGM模型的樣本量
　6.3 蒙特卡羅模擬法估計樣本量
　　6.3.1 蒙特卡羅模擬法估計CFA模型的樣本量
　　6.3.2 蒙特卡羅模擬法估計LGM模型的樣本量
　　6.3.3 蒙特卡羅模擬法估計具有協(xié)變量的LGM模型樣本量
　　6.3.4 蒙特卡羅模擬法估計具有協(xié)變量和缺失值的LGM模型樣本量
　6.4 基于模型擬合統(tǒng)計量／指標的SEM樣本量估計
參考文獻

章節(jié)摘錄

版權頁：插圖：實際研究中，連續(xù)結局測量的觀察值經常會呈現(xiàn)非正態(tài)分布，而且觀察值還會大量聚集于零值上。這樣的測量也稱為半連續(xù)性測量（semi-continuous mea-sure）。處理這類結局測量的傳統(tǒng)方法有以下幾種：（1）將非正態(tài)分布的連續(xù)結局測量進行對數轉換，以改善其分布。但這種方法不能解決測量值中零值過多的問題。（2）將數據重新編碼為二分類變量（即將非零觀察值編碼為1，零觀察值仍然為0），用邏輯斯諦（1ogistic）回歸分析該二分類變量。這種方法將會丟失非零觀察值中大量的重要信息。（3）用兩部式模型（two-part model）分析處理此類零值集中的數據。該模型是20世紀80年代早期在計量經濟學科中發(fā)展出來的（Duan，Manning，Morris＆Newhouse，1983）。計量經濟學兩部式模型建立兩個獨立模型，用一個方程（通常用邏輯斯諦或PROBIT回歸）分析一個二分類變量（0——如果結局測量為零值；1——如果結局測量為非零值）；用另一個方程（多元回歸）分析結局測量的非零連續(xù)測量值（Wanning，Duan＆Rogers，1987）。就是說，將半連續(xù)性結局測量分成兩部分分別建模、分別估計。這種方法的問題在于，它假設數據中出現(xiàn)非零值的似然性與結局觀察值中非零值的頻數不相關。從統(tǒng)計學的角度上說，即假設兩個回歸方程中的殘差項（residua1 terms）不相關。而忽略殘差項的這種關聯(lián)可能會在參數估計中引起偏倚（Olsen＆Schafer，2001）。為了處理這個問題，Tooze，et a1.（2002）提出了混合效應混合分布模型，并編制了s.AS程序，用于分析縱向研究中的半連續(xù)性結局測量數據。

編輯推薦

《結構方程模型:方法與應用》是應用統(tǒng)計學叢書之一。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    結構方程模型 PDF格式下載

---