483 SEM coure beijing revised 24 August 2004.ppt

KT HAU SEM p.1,结构方程模型及其应用,侯傑泰,香港中文大學教育心理系使用時請著明出處,KT HAU SEM p.2,100个分数:21,31,32,05,06,09,10,22,29,18,11,01,39,92,23,27,93,97,30,02,96,40,53,78,04,98,36,07,08,24,54,55,77,99,34,03,86,87,59,60,15,62,63,43,52,28,79,58,65,95,81,85,57,14,17,33,16,19,20,37,25,69,84,61,64,68,70,42,45,72,83,89,44,38,47,71,00,73,12,35,82,56,75,41,46,49,50,94,66,67,76,51,88,90,74,13,26,80,48,91 均值M=53，标准差SD=15,KT HAU SEM p.3,100名学生在9个不同学科间的相关系数,KT HAU SEM p.4,KT HAU SEM p.5,KT HAU SEM p.6,KT HAU SEM p.7,检查模型的准确性和简洁性 拟合优度指数（goodness of fit index），简称为拟合指数、NNFI、CFI df=不重复元素,p(p+1)/2 估计参数 在前面例子 df=9 x 10/2 21=24,KT HAU SEM p.8,KT HAU SEM p.9,KT HAU SEM p.10,KT HAU SEM p.11,KT HAU SEM p.12,KT HAU SEM p.13,KT HAU SEM p.14,KT HAU SEM p.15,_模型 df NNFI CFI 需要估计的参数个数,_,M1 24 40.973.98221=9 Load9 Uniq3 Corr,M2 27 503.294.471 18=9 Load9 Uniq,M3 26 255.647.745 19=9 Load+9 Uniq+1 Corr,M4 26 249.656.752 19=9 Load9 Uniq1 Corr,M5 27 263.649.72718=9 Load9 Uniq,M6 24 422.337.558 21=9 Load9 Uniq3 Corr,M7 21 113.826.898 24=9 Load9 Uniq6Corr,_,KT HAU SEM p.16,模型比较,自由度,拟合程度,不能保证最好，可能存在更简洁又拟合得很好的模型 Input:相关（或协方差）矩阵一个或多个有理据的可能模型 Output:既符合某指定模型，又与 差异最小的矩阵估计各路径参数（因子负荷、因子相关系数等）。计算出各种拟合指数,KT HAU SEM p.17,结构方程模型的重要性Structural Equation Model，SEM Covariance Structure Modeling，CSM LInear Structural RELationship，LISREL,KT HAU SEM p.18,结构方程模型的结构,测量模型,外源指标（如6项社经指标）组成的向量。,内生指标（如语、数、英成绩）组成的向量,因子负荷矩阵,误差项,结构模型,KT HAU SEM p.19,结构方程模型的优点,同时处理多个因变量容许自变量和因变量含测量误差传统方法（如回归）假设自变量没有误差 同时估计因子结构和因子关系容许更大弹性的测量模型估计整个模型的拟合程度用以比较不同模型 SEM包括:回归分析、因子分析(验证性因子分析、探索性因子分析)、检验、方差分析、比较各组因子均值、交互作用模型、实验设计,KT HAU SEM p.20,一 验证性因子分析,17个题目:学习态度及取向 A、B、C、D、E4、4、3、3、3题 350个学生,KT HAU SEM p.21,KT HAU SEM p.22,Confirmatory Factor Analysis Example 1DA NI=17 NO=350 MA=KMKM SY 1.34 1MO NX=17 NK=5 LX=FU,FI PH=ST TD=DI,FRPA LX4(1 0 0 0 0)4(0 1 0 0 0)3(0 0 1 0 0)3(0 0 0 1 0)3(0 0 0 0 1)OU MI SS SC,KT HAU SEM p.23,什么情况下固定？两个变量（指标或因子）间没有关系，将元素固定为0例如，不从属，将因子负荷(LX 1,2)固定为0。又如，因子和因子没有相关，PH 1,2 固定为0。需要设定因子的度量单位(scale)因子没有单位，无法计算。一种将所有因子的方差固定为1(或其他常数)，简称为固定方差法一种是在每个因子中选择一个负荷固定为1(或其他常数)，简称为固定负荷法。什么情况下设定为自由:所有需要估计的参数,KT HAU SEM p.24,KT HAU SEM p.25,补充例子9个题目，第1、2、3题(第1个因子)；第4、5、6题(第2个因子)，第7、8、9题(第3个因子)设因子1,2,3互有相关 固定方差法 MO NX=9 NK=3 LX=FU,FI PH=ST TD=DI,FRFR LX 1,1 LX 2,1 LX 3,1 LX 4,2 LX 5,2FR LX 6,2 LX 7,3 LX 8,3 LX 9,3固定负荷法MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3,KT HAU SEM p.26,设因子1和因子3无关，因子1和因子2、因子2和因子3相关固定方差法MO NX=9 NK=3 LX=FU,FI PH=ST TD=DI,FRFR LX 1,1 LX 2,1 LX 3,1 LX 4,2 LX 5,2 LX 6,2 LX 7,3 LX 8,3 LX 9,3FI PH 1,3固定负荷法MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3FI PH 1,3,KT HAU SEM p.27,Number of Input Variables 17(读入的变量个数)Number of Y-Variables 0(Y-变量个数)Number of X-Variables 17(X-变量个数)Number of ETA-Variables 0(Y-因子个数)Number of KSI-Variables 5(X-因子个数)Number of Observations 350(样品个数),KT HAU SEM p.28,Parameter Specifications 参数设定 LAMBDA-X KSI 1 KSI 2 KSI 3 KSI 4 KSI 5-VAR 1 1 0 0 0 0 VAR 2 2 0 0 0 0 VAR 3 3 0 0 0 0 VAR 4 4 0 0 0 0 VAR 5 0 5 0 0 0 VAR 6 0 6 0 0 0 VAR 7 0 7 0 0 0 VAR 8 0 8 0 0 0 VAR 9 0 0 9 0 0 VAR 10 0 0 10 0 0 VAR 11 0 0 11 0 0 VAR 12 0 0 0 12 0 VAR 13 0 0 0 13 0 VAR 14 0 0 0 14 0 VAR 15 0 0 0 0 15 VAR 16 0 0 0 0 16 VAR 17 0 0 0 0 17,KT HAU SEM p.29,PHI KSI 1 KSI 2 KSI 3 KSI 4 KSI 5-KSI 1 0 KSI 2 18 0 KSI 3 19 20 0 KSI 4 21 22 23 0 KSI 5 24 25 26 27 0 THETA-DELTA VAR1 VAR2 VAR3 VAR4 VAR5 VAR6 VAR7 VAR8 VAR9 VAR10 28 29 30 31 32 33 34 35 36 37VAR 11 VAR 12 VAR 13 VAR 14 VAR 15 VAR 16 VAR 17 38 39 40 41 42 43 44,KT HAU SEM p.30,Number of Iterations=19 LISREL Estimates(Maximum Likelihood)参数估计 LAMBDA-X KSI 1 KSI 2 KSI 3 KSI 4 KSI 5-VAR 1 0.59-(0.06)9.49 VAR 2 0.58-(0.06)9.30 VAR 3 0.62-(0.06)9.93 VAR 4 0.05-(0.07)0.81,KT HAU SEM p.31,VAR 5-0.64-(0.06)10.46 VAR 6-0.57-(0.06)9.32 VAR 7-0.51-(0.06)8.29 VAR 8-0.28-(0.06)4.41 VAR 9-0.59-(0.06)9.56,KT HAU SEM p.32,VAR 10-0.61-(0.06)9.99 VAR 11-0.64-(0.06)10.47 VAR 12-0.62-(0.06)10.28 VAR 13-0.66-(0.06)10.84 VAR 14-0.54-(0.06)8.96 VAR 15-0.65(0.06)11.14 VAR 16-0.72(0.06)12.19 VAR 17-0.55(0.06)9.36,KT HAU SEM p.33,PHI KSI 1 KSI 2 KSI 3 KSI 4 KSI 5-KSI 1 1.00 KSI 2 0.52 1.00(0.07)7.06 KSI 3 0.40 0.53 1.00(0.08)(0.07)5.21 7.24 KSI 4 0.51 0.54 0.48 1.00(0.07)(0.07)(0.07)6.97 7.47 6.60 KSI 5 0.42 0.50 0.44 0.50 1.00(0.07)(0.07)(0.07)(0.07)5.77 6.99 6.22 7.17,KT HAU SEM p.34,THETA-DELTA VAR 1 VAR 2 VAR 3 VAR 4 VAR 5 VAR 6-0.65 0.66 0.61 1.00 0.59 0.67(0.07)(0.07)(0.07)(0.08)(0.07)(0.07)9.63 9.85 9.02 13.19 8.82 10.21 VAR 7 VAR 8 VAR 9 VAR 10 VAR 11 VAR 12-0.74 0.92 0.66 0.63 0.59 0.61(0.07)(0.07)(0.07)(0.07)(0.07)(0.06)11.05 12.70 9.96 9.46 8.80 9.46 VAR 13 VAR 14 VAR 15 VAR 16 VAR 17-0.57 0.70 0.57 0.48 0.69(0.07)(0.07)(0.06)(0.06)(0.06)8.70 10.75 9.13 7.49 10.91,KT HAU SEM p.35,Goodness of Fit Statistics 拟合优度统计量 Degrees of Freedom=109 Minimum Fit Function Chi-Square=194.57(P=0.00)Normal Theory Weight Least Sq Chi-Sq=190.15(P=0.00)Estimated Non-centrality Parameter(NCP)=81.15 90 Percent Confidence Interval for NCP=(46.71;123.45)Minimum Fit Function Value=0.56 Population Discrepancy Function Value(F0)=0.23 90 Percent Confidence Interval for F0=(0.13;0.35)Root Mean Square Error of Approximation(RMSEA)=0.046 90 Percent Confidence Interval for RMSEA=(0.035;0.057)P-Value for Test of Close Fit(RMSEA 0.05)=0.71 Expected Cross-Validation Index(ECVI)=0.80 90 Percent Confidence Interval for ECVI=(0.70;0.92)ECVI for Saturated Model=0.88 ECVI for Independence Model=5.78,KT HAU SEM p.36,Chi-Square for Independence Model with 136 df=1982.04 Independence AIC=2016.04 Model AIC=278.15 Saturated AIC=306.00 Independence CAIC=2098.63 Model CAIC=491.90 Saturated CAIC=1049.26 Normed Fit Index(NFI)=0.90 Non-Normed Fit Index(NNFI)=0.94 Parsimony Normed Fit Index(PNFI)=0.72 Comparative Fit Index(CFI)=0.95 Incremental Fit Index(IFI)=0.95 Relative Fit Index(RFI)=0.88 Critical N(CN)=263.34 Root Mean Square Residual(RMR)=0.054 Standardized RMR=0.054 Goodness of Fit Index(GFI)=0.94 Adjusted Goodness of Fit Index(AGFI)=0.92 Parsimony Goodness of Fit Index(PGFI)=0.67,KT HAU SEM p.37,Modification Indices for LAMBDA-X 修正指数 KSI 1 KSI 2 KSI 3 KSI 4 KSI 5-VAR 1-0.06 0.66 0.09 2.53 VAR 2-0.38 0.53 0.23 0.11 VAR 3-0.72 0.01 0.03 1.49 VAR 4-0.00 0.03 0.01 0.03 VAR 5 7.73-9.62 9.23 1.50 VAR 6 0.01-3.29 1.07 1.50 VAR 7 0.12-0.25 0.12 2.26 VAR 8 41.35-3.66 22.02 4.78 VAR 9 0.40 0.02-2.19 0.22 VAR 10 0.03 0.10-0.30 0.22Maximum Modification Index is 41.35 for Element(8,1)LX修正指数:该参数由固定改为自由估计，会减少的数值,KT HAU SEM p.38,Completely Standardized Solution LAMBDA-X KSI 1 KSI 2 KSI 3 KSI 4 KSI 5-VAR 1 0.59-VAR 2 0.58-VAR 3 0.62-VAR 4 0.05-VAR 5-0.64-VAR 6-0.57-VAR 7-0.51-VAR 8-0.28-VAR 9-0.59-VAR 10-0.61-VAR 11-0.64-VAR 12-0.62-VAR 13-0.66-VAR 14-0.54-VAR 15-0.65 VAR 16-0.72 VAR 17-0.55,KT HAU SEM p.39,PHI KSI 1 KSI 2 KSI 3 KSI 4 KSI 5-KSI 1 1.00 KSI 2 0.52 1.00 KSI 3 0.40 0.53 1.00 KSI 4 0.51 0.54 0.48 1.00 KSI 5 0.42 0.50 0.44 0.50 1.00 THETA-DELTA VAR 1 VAR 2 VAR 3 VAR 4 VAR 5 VAR 6-0.65 0.66 0.61 1.00 0.59 0.67 VAR 7 VAR 8 VAR 9 VAR 10 VAR 11 VAR 12-0.74 0.92 0.66 0.63 0.59 0.61 VAR 13 VAR 14 VAR 15 VAR 16 VAR 17-0.57 0.70 0.57 0.48 0.69,KT HAU SEM p.40,KT HAU SEM p.41,结果解释,Q4在A的负荷很小(LX=0.05)，但在其他因子的修正指数（MI）也不高不从属，也不归属其他因子Q8在B的负荷不高（0.28），但在A的MI是41.4，可能归属A因子间相关很高(0.40 至 0.54)模型拟合相当好：(109)=194.57，RMSEA0.046,NNFI=.94.CFI=.95。仔细检查题目内容后，删去Q4,Q8归入A,KT HAU SEM p.42,模型修正,DA NI=17 NO=350KM SY.（此处输入相关矩阵)SE;1 2 3 5 6 7 8 9 10 11 12 13 14 15 16 17/MO NX=16 NK=5 PH=ST TD=DI,FRPA LX3(1 0 0 0 0)3(0 1 0 0 0)1(1 0 0 0 0)3(0 0 1 0 0)3(0 0 0 1 0)3(0 0 0 0 1)OU MI SS SC,KT HAU SEM p.43,Q8归属A，因子负荷很高（.49），(94)=149.51，RMSEA.040，NNFI.96，CFI=.97。虽然没有嵌套关系，模型 比 好Q8同时从属A和B?,KT HAU SEM p.44,DA NI=17 NO=350KM SY SE;1 2 3 5 6 7 8 9 10 11 12 13 14 15 16 17/MO NX=16 NK=5 PH=ST TD=DI,FRPA LX3(1 0 0 0 0)3(0 1 0 0 0)1(1 1 0 0 0)3(0 0 1 0 0)3(0 0 0 1 0)3(0 0 0 0 1)OU MI SS SC,KT HAU SEM p.45,模型 的结果,(93)=148.61,RMSEA.040,NNFI=.96,CFI=.97。Q8在A负荷为.54，在B负荷为-.08因为概念上Q8应与B成正相关，故不合理。而且这负荷相对低，所以我们选择通常，每题只归属一个因子,KT HAU SEM p.46,修正前后模型的拟合指数比较_模型 df RMSEA NNFI CFI 注_M-A 109 195.046.94.95 原模型M-B 94 150.040.96.97 删Q4,Q8-AM-C 93 149.040.96.97 删Q4,Q8-A,BMB-2 99 152.038.94.95 2阶因_,KT HAU SEM p.47,二 多质多法模型MTMM,五种方法：家长，教师，学生，纸笔测验，专题报告 能力：创造力，美术技巧，数学能力，语文能力，科学知识25个得分（观测变量）相关特质相关方法(CTCM,correlated-trait correlated-method),KT HAU SEM p.48,KT HAU SEM p.49,KT HAU SEM p.50,DA NI=25 NO=500 MA=KMKM SY 1.0.40 1.0.44.43 1.0.39.41.43 1.0.44.38.44.45 1.0.50.21.18.19.19 1.0.19.48.22.23.18.45 1.0.20.21.53.18.23.42.43 1.0.22.19.19.53.22.41.45.45 1.0.19.17.22.19.52.46.41.39.44 1.0.49.23.23.17.23.51.23.17.23.23 1.0,KT HAU SEM p.51,MO NX=25 NK=10 PH=SY,FI TD=DI,FRPA LX1 0 0 0 0 1 0 0 0 01 0 0 0 0 0 1 0 0 01 0 0 0 0 0 0 1 0 01 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 10 1 0 0 0 1 0 0 0 00 1 0 0 0 0 1 0 0 00 1 0 0 0 0 0 1 0 00 1 0 0 0 0 0 0 1 00 1 0 0 0 0 0 0 0 10 0 1 0 0 1 0 0 0 00 0 1 0 0 0 1 0 0 00 0 1 0 0 0 0 1 0 0,KT HAU SEM p.52,0 0 1 0 0 0 0 0 1 00 0 1 0 0 0 0 0 0 10 0 0 1 0 1 0 0 0 00 0 0 1 0 0 1 0 0 00 0 0 1 0 0 0 1 0 00 0 0 1 0 0 0 0 1 00 0 0 1 0 0 0 0 0 10 0 0 0 1 1 0 0 0 00 0 0 0 1 0 1 0 0 00 0 0 0 1 0 0 1 0 00 0 0 0 1 0 0 0 1 00 0 0 0 1 0 0 0 0 1FI LX 1 1 LX 7 2 LX 13 3 LX 19 4 LX 25 5 LX 6 6FI LX 12 7 LX 18 8 LX 24 9 LX 5 10,KT HAU SEM p.53,VA 1 LX 1 1 LX 7 2 LX 13 3 LX 19 4 LX 25 5VA 1 LX 6 6 LX 12 7 LX 18 8 LX 24 9 LX 5 10PA PH11 1 1 1 11 1 1 11 1 1 1 10 0 0 0 0 10 0 0 0 0 1 10 0 0 0 0 1 1 10 0 0 0 0 1 1 1 10 0 0 0 0 1 1 1 1 1OU AD=OFF IT=2000 SS SC,KT HAU SEM p.54,许多时候CTCM模型并不收敛，在本例中，用固定方差法，固定为1也不收敛，可固定为2来解决模型复杂，过早检查解答是否正定并不合适，所以让AD=OFF。IT=2000是加大迭代次数,KT HAU SEM p.55,多质多法模型的相关特质相关特性（CTCU）,较大MTMM模型（如7方法7特质）收敛机会较大 只留下首五个特质因子（NK5）容许他们的特殊因子（也称为误差）相关 e.g.,第1、6、11、16、21个变量为同一个方法的分数 FR TD 1 6 TD 1 11 TD 1 16 TD 1 21FR TD 6 11 TD 6 16 TD 6 21 TD 11 16FR TD 11 21 TD 16 21NK=10改为NK=5；TD=DI,FR改为TD=SY,FI将部份对角线以外的TD元素，改为自由,KT HAU SEM p.56,KT HAU SEM p.57,DA NI=25 NO=500 MA=KMKM SY（此处输入相关矩阵）MO NX=25 NK=5 PH=ST TD=SY,FIPA LX5(1 0 0 0 0)5(0 1 0 0 0)5(0 0 1 0 0)5(0 0 0 1 0)5(0 0 0 0 1),KT HAU SEM p.58,PA TD1 0 10 0 10 0 0 10 0 0 0 11 0 0 0 0 10 1 0 0 0 0 10 0 1 0 0 0 0 10 0 0 1 0 0 0 0 10 0 0 0 1 0 0 0 0 11 0 0 0 0 1 0 0 0 0 10 1 0 0 0 0 1 0 0 0 0 10 0 1 0 0 0 0 1 0 0 0 0 10 0 0 1 0 0 0 0 1 0 0 0 0 10 0 0 0 1 0 0 0 0 1 0 0 0 0 1,KT HAU SEM p.59,1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 10 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 10 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 10 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 10 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 11 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 10 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 10 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 10 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 10 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1OU AD=OFF IT=2000 SS SC,KT HAU SEM p.60,三 全模型,兴趣(x1,2,3)、学生智力(x4,5,6)、自信(x7,8,9)如何影响学业(y1,y2,y3)、课外活动(y4,5,6)和服务热诚(y7,8,9)?N=500LY=LY,TE=TDGA 是KSI(x)对 ETA(y)因子的效应,NE（ETA）NK（KSI）矩阵，与传统的回归系数相似。e.g.GA 3,1 KSI 1-ETA 3BE是NENE矩阵，ETA(y)对ETA(y)的效应。PS是结构方程残差的协方差矩阵，NENE矩阵。与PH相似，但PS是因子的残差（未被解释的部份）方差。,KT HAU SEM p.61,KT HAU SEM p.62,DA NI=18 NO=500 MA=KMKM SYMO NY=9 NE=3 NX=9 NK=3 PH=SY,FR PS=SY,FI TD=DI,FR TE=DI,FR BE=FU,FIPA LY3(1 0 0)3(0 1 0)3(0 0 1)PA LX3(1 0 0)3(0 1 0)3(0 0 1),FI LY 1 1 LY 4 2 LY 7 3 LX 1 1 LX 4 2 LX 7 3VA 1 LY 1 1 LY 4 2 LY 7 3 LX 1 1 LX 4 2 LX 7 3PA GA1 1 10 0 11 0 0FR BE 2 1FR PS 1 1 PS 2 2 PS 3 3 PS 2 3OU SS SC MI ND=3,KT HAU SEM p.63,结果解释,=292.51，RMSEA=0.050，NNFI=0.93,CFI=0.94，拟合不错 BE 3,2（MI=21.95）及GA 3,3（MI=21.86）。因为BE3,2理论上不太合理，且ETA2,3间已有相关故第一个修正模型M2是让GA 3,3自由估计，=270.14；GA 3,3=0.353，说明增加路径GA 3,3是合适。然后考虑要不要减少原有路径。在各因子关系中，BE 2,1=0.011（SE=0.052,t=0.215)的效应最小，可以删除该路径。将模型M2的 BE 2,1固定为0，变成模型M3。,KT HAU SEM p.64,增加自由参数（模型变复杂），模型的卡方会减少；减少自由参数（模型变简单），模型的卡方会增加。如果增加自由参数后，卡方非常显著地减少，说明增加自由参数是值得的。如果减少自由参数后，卡方没有显著地增加，说明减少自由参数是可取的。,KT HAU SEM p.65,四 高阶因子分析,设一阶能力因子有相关，需估计的参数很多。5个一阶因子时，共有10个因子间相关。设有一个普遍能力（二阶）因子，影响各一阶能力因子的表现。10个相关改由5个参数（二阶因子与一阶因子的关系）所替代。二阶因子卡方必然较大，自由度也增加，只要增加的卡方不到显著水平，从模型简洁性，我们选择二阶模型,KT HAU SEM p.66,KT HAU SEM p.67,Higher Order CFADA NI=17 NO=350KM SY.SE;1 2 3 5 6 7 8 9 10 11 12 13 14 15 16 17/MO NK=1 NY=16 NE=5 PS=DI,FR TE=DI,FR GA=FU,FRPA LY3(1 0 0 0 0)3(0 1 0 0 0)1(1 0 0 0 0)3(0 0 1 0 0)3(0 0 0 1 0)3(0 0 0 0 1)FI LY 1 1 LY 4 2 LY 8 3 LY 11 4 LY 14 5VA 1 LY 1 1 LY 4 2 LY 8 3 LY 11 4 LY 14 5OU SS SC,KT HAU SEM p.68,解释结果,MB-2ord节省5个df，chi-2大致相同，其他指数拟合较好二阶因子与一阶因子关系（GA系数）很强(.66,.66,.66,.75,.66）若一阶因子间相关很弱，没有建立二阶因子的需要当模型只有3个一阶因子时（共有3个相关），二阶因子在数学上等同于一阶因子模型因拟合指数反映整个模型的拟合程度，一阶因子模型要有较好的拟合指数。对因子少的一阶模型（如：只含4或5个1阶因子），一般一阶与二阶拟合指数相差不大难区分,KT HAU SEM p.69,另一个二阶因子模型例子25个题:语文、数学、英语、历史和地理能力,KT HAU SEM p.70,KT HAU SEM p.71,M-1-ord:chi-2=464,df=265，RMSEA=.034,TLI=.91;5个因子之间的相关系数在.41至.50之间。M-2-ord:拟合优度大致相同，chi-2=465,df=270,RMSEA=.033,TLI=.92,RNI=.93。按简约原则，我们应取二阶模型。二阶与一阶因子关系也很强（BE值.70,.64,.69,.64,.66,KT HAU SEM p.72,单纯形模型,KT HAU SEM p.73,KT HAU SEM p.74,拟单纯形模型(quasi-simplex),KT HAU SEM p.75,KT HAU SEM p.76,多组SEM分析,第一类:多组验证性因子分析（或路径分析），各组（例如男、女组）的因子结构是否相同？某些路径参数在不同的组是否有显著差异？(与比较多组回归系数是否相同类似)第二类:各组的因子均值是否相同。这与传统方差分析相似(通常需要先做第一类分析),KT HAU SEM p.77,多组验证性因子分析,1.形态相同（configural/pattern invariance）2.因子负荷等同3.误差方差等同4.因子方差等同5.因子协方差等同,KT HAU SEM p.78,表4-2 多组验证性因子分析各模型的拟合指数Model df chi-2 RMSEA NNFI CFI M0,M男生单独估计 24 49.57.0423.969.979M0,F女生单独估计 24 44.93.0347.976.984M1 两组同时估计,no Inv 48 94.50.0384.972.982M2 Loading Inv 54 107.18.0389.972.979M3 Ld,PH(3,1)Inv 55 107.52.0383.973.979M4 Ld,FacCov Inv 60 109.32.0354.977.981M5 Ld、FacCov、U Inv 69 131.20.0364.974.975M6 Ld,FacCov,U,Intrcpt Inv78 149.96.0361.975.973M7 Ld,FacCov,U,Intrcpt Inv;Fac meanFree 75 132.23.0334.979.978M8 Ld,FacCov,U,Intrcpt,FacM Inv 78 146.77.0360.975.973,KT HAU SEM p.79,Multiple Group using NG=2,M1Male DA NI=9 NO=600 NG=2KMSD1.07 1.23.98 1.02 1.01 1.03 0.99 1.06 0.98MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=PS PH=PS TD=PSOU SS SC ND=3,KT HAU SEM p.80,multiple group fixing LX,M2male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=IN PH=PS TD=PSOU SS SC nd=3,KT HAU SEM p.81,fixing covariance of PH 1 3 to be equalmultiple group,M3male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=IN PH=PS TD=PSEQ PH 1 3 1 PH 3 1 OU SS SC nd=3,KT HAU SEM p.82,fixing all covariances of factorsmultiple group，M4male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=IN PH=IN TD=PSOU SS SC nd=3,KT HAU SEM p.83,fixing all variances of errorsmultiple group,M5male DA NI=9 NO=600 NG=2MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FRFR LX 2,1 LX 3,1 LX 5,2 LX 6,2 LX 8,3 LX 9,3VA 1 LX 1,1 LX 4,2 LX 7,3OU SS SC ND=3female DA NO=700MO LX=IN PH=IN TD=INOU SS SC nd=3,KT HAU SEM p.84,多组分析：均值结构模型,不同组别因子均值是否有显著差异(均值结构模型,mean structure models)首先需确定各组的负荷相同更希望因子协方差等同,误差方差等同难实现 指标截距TX等同先让第1组的TX自由(TX=FR)要求其他组别TX与第1组的相等(TX=IN)因子均值等同 先设定第1组各因子均值为0(KA=FI)容许其他组的KA元素自由估计(KA=FR)因子值2倍SE（t2.0）,则因子不同于第1组,KT HAU SEM p.8