AMOS输出解读和分析Word文件下载.docx
《AMOS输出解读和分析Word文件下载.docx》由会员分享,可在线阅读,更多相关《AMOS输出解读和分析Word文件下载.docx(18页珍藏版)》请在冰点文库上搜索。
![AMOS输出解读和分析Word文件下载.docx](https://file1.bingdoc.com/fileroot1/2023-4/30/8275d432-67a4-4c2b-b4f1-767b7b3e2e4c/8275d432-67a4-4c2b-b4f1-767b7b3e2e4c1.gif)
^tM^CWcd.C4tdc^CMU4ad心編d7(_a(u4tatia<
67
血ewed.m讼如d
4
dental
仏2
dcltaZ
i=j
III
变量汇总:
对模型中的变量作一些概括,内生观测变量:
无力感,67无价值感,〃无力感,〃无价值感,教育和SW久内生非观测变j"
疏离感,〃疏离感。
外生非观测变量:
各种误差和社会经济地位。
观测变量与非观测变量的区别:
一个用方形表示,一个用椭圆表示。
内生和外生的区别:
箭头指向自己的就是内生,发送箭头的就是外生。
注意区分测量模式和结构模式。
cMuiUmmvXm〃
cn^dct:
7
“血cwcd(MM弧d:
t
皿必肚a:
必般C4:
变量计数^数数模型中的变量,变量总数为"
,其中观测变量有6个,非观测变量有〃个;
外生变量有乡个,内生变量有歹个。
00
qo
模型的参数概括:
固定系数〃个,就是模型识别中固定的〃个7。
还有6个自由的系数,乡个方差对应着前面外生非观测变量。
“dUti^tpd^Ui优化直tcde
cdtima讹:
5
Qc^ecd“^tecdaM(2(-15):
(内定模型)的自由度计算:
刃“样木矩“是6个观测变量的莎个样木方差加上3个协方差构成(也就是6中取W的组合数)。
彩个参数是模型的6个回归系数和0个被估计的方差。
样木矩与估计参数的差为6个自由度。
MinimizationHistory(Defaultmodel)
Iteration
Negativeeigenvalues
Condition#
Smallesteigenvalue
Diameter
F
NTries
Ratio
e
5
-.226
9999.000
2519.614
1
2
-.035
1.689
768.467
20
.784
-.028
.693
204.173
.778
3
230.940
.510
92.639
6
.767
26.999
.498
83.794
.000
29.503
.260
72.339
1.063
33.441
.056
71.551
1.040
7
33.771
.007
71.544
1.006
8
33.743
1.000
(内定模型)迭代过程:
极大似然估计是一个迭代过程。
这里给出迭代历史。
这个输岀是可选的,你不必直接使用它。
基木上没有什么用。
必Q*纟“况化—71.544
Qe乡%ed“皿显Mi二6
(cud=,OOO
卡方拟合指数:
这是所有软件都使用的最普通的拟和检验。
MS和GS盛把它称为卡处计量,其它软件称为卡方幼祠优度和卡方拟和劣度。
R方拟合指数检验选定的模型协方差矩阵与观察数据协方差矩阵相匹配的假设。
原假设是模型协方差阵等于样本协方差阵。
如果模型拟合的好,卡方值应该不显著。
在这种情况下,数据拟和不好的模型被拒绝。
卡方检验的问题是样木越大,越可能拒绝模型,越可能犯第一类错误。
R方拟和指数对违反多变量正态假设也是非常敏感。
这由R方拟和指数的计算公式可以看出:
卡方统计量=如)炸
%是样本量,?
是模型协方差阵和样木协方差阵的最小适配函数。
这个函数比较复杂,也不知道是哪个天才搞岀来的,它的计算公式中包含行列式,矩阵的迹,还要取对数,再经过一些加减运算把多维数据压缩为一个数值。
从卡方统计量的计算中可以看出,如果适配函数减少的速度没有样木量增加的速度快,即使模型协方差阵与样本协方差阵拟和的很好,但样木量的增加也会导致拒绝原假设。
这种拒绝正确建议的行为就是犯了第一类错误。
如果不服从正态分布,卡方统计量会更多地拒绝真实模型。
不过好在礎估计比较稳健,所以即使违背了正态分布的假定,模型也能对付着用。
S珈使用最大似然法估计模型,而不是通常的最小二乘法。
OZS寻找数据点到回归线距离的最小平方和。
加怎寻找最大的对数似然,它反映从自变量观测值预测因变量观测值的可能性有多大。
S
s
£
•
67_jdi<
.6!
.0
»
56
0/)12
*♦
化
7tdfic“
67加
(3
ft
.705
厂
aatout—
cuatiM
53
.200
7t_fdic«
.17
-
fi
54
323
001
7/_加
>
7!
…
42
.427
4乞
J
LOO
71…
•赵
d曲die
67…
43
.577
**2
67_fdi
COdtiM
d
S创「
5.33
!
/
3/
.370
**心
回归系数是模型中带箭头的路径系数。
为了识别模型,部分系数在模型识别中己固定为"
例如,潜变量67疏离感到观测变量刃无力感的路径儿也给出路径系数的标准误°
W是临界比,它是回归系数的估计值除以它的标准误0.6130.056二・10.)。
临界比与原假设有关,在这个案例中对67疏离感和社会经济地位的原假设是回归系数为久如果我们处理近似标准正态分布的随机变量,在0力的显著性水平上,临界比估计的绝对值大于2%称之为显著。
这样67疏离感和社会经济地位的回归系数的绝对值大于7’%,可以说这个回归系数在0%显著性水平上显著地不等于0。
P值给出检验原假设总体中参数是0的近似双尾概值。
它表示67疏离感和社会经济地位的回归系数显著地不等于S冃叽P值的计算假定参数估计是正态分布,它只是对大样本正确。
ate
左.
d
6.656
.64
f
to.37乡
♦♦
尹如
5.SOI
恣
10/)6
阿」
3.737
.3^
彳623
efid
400
.35
IUX6
3.W7
•勿
I1.242
♦+
efi^3
3.696
^.443
必
S€
efi^4
3.622
.30
〃妙壮
fi^J
deftal
2彩
I
“
ddt^2
260.63
/£
256
Id27
7♦+
㈣J
方差的估计,标准误和临界比和夕值的解释同上。
4.013.193.703.62
67无力感
6丁无价值感
71无力感
71无价值感
教育社经指数df=6
模型A
探索性分析惠顿(19苻)
Unstandardizedestimates
用表格看数据总是让人眼花缭乱,还是看图示舒服些,这是上而表格数字的图形显示。
力
4・
<
做2-->
技如
35
■・42
怦2-->
侔4
6.545
25
做2-->
做3
2.071
•.殛
fi^t■->
efi^t
•609
恣1
fi^l-->
侔4
5.367
■I.06乡
。
乡〃
1.253
力%
・q・必伽夕c
MMB^tf.^Ut)
妙
诚“71
“«
Ma
乡
「06
«
^77
0t力67
.006
&
如《
-.06
0iiA71
皿。
.775
4切《
a/tc
.076
0tid71
0tia67
0.352
c
妙<
诚s67
62
.054
X«
-.05
忒u67
iui^7l
・27&
勿《
-.07
k(a67
応“71
.706
彩a
・06X
讯力67
曲iTZ
.065
.057
.457
3皿q67
修正指数加人拟合的改进是用卡方统计量的减少来测量,它能发现使E方拟合指数减少的有意义的信息。
对每个固定和约束参数(系数),如果固定参数或等价约束通过去掉它的路径从模型中排除,模型被重新估计,修正指数预测卡方统计量的减少。
,砂必%“,表示参数的改变,它提供系数会改变多少的实际估计。
对协方差的修正指数,如果两个误差项变量允许相关,初与卡方统计量减少有关。
对估计回归系数的修正指数,如果去掉两个变量间的路径,在模型中不再要求估计去掉路径的系数,初与卡方统计量的减少有关。
常用的方法是去掉最大处的参数,通过卡方拟合指数看看测量效果。
自然地,去掉路径或允许误差项变量相关只有当它有实际意义并且统计感觉也是这样时才能执行。
/夕S©
和%0S都计算修正指数。
既然这样.最大的处是0剜,位于仞无力感误差项丿和炖仍无力感误差项丿间。
建议去掉两个误差项相关系数为0的约束,即,允许相关将使卡方统计量的估计至少减少%•勿。
惠顿数据是纵向数据,在时间序列中,两个不同时间点(7%濟M勿)相同测量(无力感)的自相关很相似,所以去掉这个约束在理论上有一个合理的理由。
相同的逻辑用于去掉以和叫4份别为杉67和7勿无价值感的误差变量涧零相关的约束,它使卡方统计量的估计减少%'
彩。
然而,在这个输出中,我们没有用这种方式重新设置模型。
要看见改变设置的效果,见OSlI帯文件
%卩曲
e牝%
•夕'
71.
〃•殆
544
000
00
4賦咻賦at"
21
142.f
31.790
5000
/f
模型拟合汇总:
彩s输出大量可替换的拟合模式测量。
每个测量
用三种模式计算。
”内定模式〃是由你自己设定的模式。
独立模式〃是指模型中所有变量完全的独立,所以如果“内地模式”拟合的比“独立模式”差,那么应该拒绝内地模式。
“饱和模式”是没有约束,总是完美拟合数据的模式,所以通常内地模式的拟合度量在独立模式和饱和模式之间。
尬衣是模型中被估计的参数个数,不是拟合测量。
处理最小样本差异。
如果Q©
力勿小于0.05,我们拒绝数据完全拟合模型的原假设。
对大样本,原假设非常可能被拒绝。
按照这个标准,这个模型作为完整拟合被拒绝。
勿滋Q7是最小样木差异除以自由度。
被称之为須对左方或规范卡方。
有些人允许这个值达到引乍为适当的拟合,但是当相对卡方大于W或夕时,保守的使用就需要拒绝模型。
按照此标准,这个模型应被拒绝。
Deloit
975
创3
279
2.342
292
353
羽饶是残差均方根。
須饯是样木方差和协方差减去对应估计的方差和协方差的平方和,再取平均值的平方根,估计假定内地模型是正确的。
羽饯越小,拟合越好。
卿是拟合优度指数,范围在0和7间,但理论上能产生没有意义的负数。
按照约定,要接受模型,劭应该等于或大于0%。
按照此标准,这个模型可接受。
侮刃是调整拟合优度指数,利用自由度和变量个数的比例来调整列,它的变化范围也是0和7间,但理论上能产生没有意义的负数。
侮刃也应该至少大于0"
久按照此标准,这个模型可接受。
勿q是简效拟合优度指数。
它是独立模式的自由度与内定模式的自由度的比率乘以幻久
%列
T>
c(如
审pe/ia2
♦
%
・
966
切6
923
Satcaated
000
賦efit賦chcc
*
这是比较内定模式与独立模式拟合的一组拟合优度测量。
因为独立模式通常很糟糕,内定模式与它做比较将使内定模式看起来良好但不能用于研究目的。
标题O必加和叱是这些测量的可选名称。
玄刀是规范拟合指数,变化范围在0和7间,7=完全拟合。
按照约定,狞小于0%表示需要重新设置模型。
◎是相对拟合指数,它不保证其值的变化范围在0和7间。
另接近7表示拟合良好。
歹是增值拟合指数,它不保证其值的变化范围在0和7间。
妙接近7表示拟合良好,大于。
知为可接受拟合。
W是7以》厶心系数,也叫做尿宀■&
皿非规范拟合指数滋勿。
处夕不保证其值的变化范围在0和彳间。
处夕接近7表示拟合良好。
句是比较拟合指数,其值位于0和/之间。
少接近7表示拟合非常好,其值大于0%表示模型可接受。
do
7>
Dc^cdt
・3
9
3X7
3^
・OO
r
力0是简效比率,它是内定模式的自由度与独立模式自由度的比率。
刃3力0自身不是拟合优度检验,但在拟合优度中用于测量惩罚简效模型的刀歹和Q少(用相对较少的参数模型去估计与模型有关的变量数和关系。
丿
刃歹是简效规范拟合指数,等于Q37%乘以秒久
Q纠是简效比较拟合指数,等于乘以少。
衫
65
41.
.544
936
603
.00
2U
W6
227
0t^del
6.7^0
7%
2.133
夕2
0%
”
077
070
045
104
■
.2%
.274
At5
.441
N0%
2q%
easw
・9
0X7
132
•38
375
403
牝p是非中心参数。
它和%在计算就SE(近似误差均方根)中使用,它合并差异函数准则(比较观测协方差矩阵与预测协方差矩阵丿和简效准则(见上而丿。
对每一项,2090和钏90表示系数上置信限制。
按照惯例,如果;
msg小于或等于0力,模型拟合的好。
如果磁SE小于0%,有适当的模型拟合。
按照此标准,这个模型应该被拒绝因为帧SW"
是0力肌叱0SW检验忿%不大于0.%的原假设。
因为Q以0SW近似为0,我们拒绝原假设,得出结论;
ms%大于0%,表示没有紧密的拟合。
ee
曲e
101
tot
17
.77!
4.104
q.ioa
42.
14
16
38
MS%
214
3.790
M饭
72•刘4
7£
刃“
Z
q%
三帥
啲
0%
(42
45
OtidcfiMdatec
.303
・/%
.470
303
这是一组基于信息理论的测量。
当使用极大似然方法估计比较模型时,适合用这组准则。
是赤池信息准则。
虽%是禺必y衣必必准则。
盹是贝耶斯信息准则,也是知名的赤池贝耶斯信息准则停⑵。
是一致〃0准则。
三缈是必矽的另一种变体。
他三缈是令%的变体。
NOW
.05
NOW"
缺Q
164
219
〃
这是弘妬的临界数%是在0©
或04水平上接受模型的最大样木量。
它使你知道所使用的样木量是否足够用来估计模型的参数和模型的拟合。
既然这样,这个模型的实际样本量是,并且模型被拒绝。
如果样木量只有7%,在水平上接受模型。
dtOM:
090
HC如:
.312
p:
.402
估计模型的计算时间。
计算这个模型总共用秒。