结构方程模型(SEM: Model)这个名词,小编一开始听到的时候也觉得它特别的高大上,学它肯定很困难。
But!
有些事情虽会让你望而止步,但只要你决定着手去做,你就成功一半了。
(小编日常熬鸡汤啦啦啦啦啦,)
来干了这碗鸡汤
言归正传分割线
小时候,在学习新知识前,我们总会有疑问——“为什么呢?”
大家应该也有疑问
为什么要用结构方程模型(SEM)呢?
首先,由于心理测量的构面不可能不受到测量误差的影响,SEM能处理测量误差;除此之外,SEM还能评估构面是否具有信效度、处理复杂的模型或理论(如,模型中有中介、调节效应等)、有效率的处理 Data(SEM的多重插补法比用平均值取代缺失值更有优势);最后,使用Mplus跑结构方程模型的话,Mplus软件独特的估计方法(WLSMV)能够处理类别或顺序数据,如李克特量表少于5点时可处理。
综上所述,SEM的多个优点真的让我们无法抗拒它。
既然SEM优点这么多,那么怎么用Mplus构建模型呢?我先来介绍一下SEM常用的名词sem结构方程模型,关于语法,请留意下一次推送哦~
大家来看一下这个模型
1、参数():又叫做母数,带有未知与估计的特质,在无说明情况下,默认为自由参数。
2、自由参数(free ):在Mplus所画的每一条线均是一个参数,除设为固定参数外,自由估计的参数越多,自由度(df)越小。
3、固定参数(fix/ ):Mplus图上被设定为0或1或任何数字的线。
4、观察变量(item//// ):数据文件中的变量,一般可以直接观察,并进行测量的变量,如年龄、体重、身高等。
5、潜在变量(// / / ):数据文件中无法显示,无法进行测量,由观察变量反映的变量,如信任、心理特性等。
⋆潜变量用来解释观察变量,潜变量之间“因果关系”或“相关关系”则为研究的假设。
6、误差(Error/E):测量变量被估计后无法解释的方差,模型中e1-e6。
7、干扰(/D):潜变量经估计后无法解释的方差,模型中e7。
8、外生变量():用来观测变量的变量,本身不具有测量误差,分为外生潜在变量及外生观察变量,可理解为自变量。模型中没有被任何箭头指向的变量,F3。
9、内生变量():被自变量预测的变量sem结构方程模型,本身具有测量误差的变量,其自身也可以去预测的变量,分为内生潜在变量和内生观察变量。模型中被箭头指向的变量,F1-F2、Q1-Q3、S1-S3。
有木有被外生变量、内生变量、观察变量和潜在变量搞晕了,没事,小编给大家总结了!
本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,请添加站长微信举报,一经查实,本站将立刻删除。
如若转载,请注明出处:https://www.ibjoo.com/20569.html