CFA SEM求解 Modeling strategies of SEM(模型的用途) Model confirmation:验证( confirmatory)先设 模型的恰当性 * Model generation:设起始模型,与观察数据比 较之后,进行必要的修正,反复估计而得到 最佳拟合的模型 * Model competation:利用不同模型的比较以决 定何者最能反应真实数据
Modeling strategies of SEM（模型的用途） Model confirmation：验证（confirmatory）先设 模型的恰当性 Model generation：设起始模型，与观察数据比 较之后，进行必要的修正，反复估计而得到 最佳拟合的模型 Model competation：利用不同模型的比较以决 定何者最能反应真实数据 1 CFA SEM求解
Step 1、模型设定( model specification) *2、模型识别( model identification *3、模型估计( model estimation) *4、模型评价( model evaluation) *5、模型修正( model modification)
1、模型设定（model specification） 2、模型识别（model identification） 3、模型估计（model estimation） 4、模型评价（model evaluation） 5、模型修正（ model modification） 2 Step
1 model specification 参数( Parameter) *模型中未知而需要进行推估的量数 *回归分析:预测变量对效标变量的Beta系数 方差分析:主效应与交互效应 因素分析:因素负荷量 *结构方程中:可能包括上述各种参数 SEM需估参数 外生变量的方差 外生变量之间的协方差(除基于理论假设而设定为0或特定值者) 与潜在变量有关的因素负荷(除了…)。 观察变量间/潜在变量间的回归系数(除了…)。 与内生变量有关的量数(例如内生变量的方差协方差,或是内外生 变量间的协方差)
参数(Parameter) 模型中未知而需要进行推估的量数 回归分析：预测变量对效标变量的Beta系数 方差分析：主效应与交互效应 因素分析：因素负荷量 结构方程中：可能包括上述各种参数 SEM需估参数 外生变量的方差 外生变量之间的协方差（除基于理论假设而设定为0或特定值者） 与潜在变量有关的因素负荷（除了…）。 观察变量间/潜在变量间的回归系数（除了…）。 与内生变量有关的量数（例如内生变量的方差/协方差，或是内外生 变量间的协方差） 3 1 model specification
2模型的识别性 自由度是否小于0 t-Rule( Bollen,1989):必要但非充分 (P+q)(p+q+1) 测量的数据点( the numbers of data points;DP) 1.当t<DP,过度识别( over-identified);有过多的方程式, 但是只需要求取少数几个因子解 2.当t=DP,恰好识别( just-identified);用两个方程式来求 二元因子的解 3当t>DP,不足识别( under-identified);用太少的方程式 求取过多的因子解,将导致无法进行任何参数估计
2 模型的识别性 自由度是否小于0 t-Rule （Bollen，1989）： 必要但非充分 测量的数据点（the numbers of data points; DP） 1. 当t<DP，过度识别（over-identified）；有过多的方程式， 但是只需要求取少数几个因子解 2. 当t=DP，恰好识别（just-identified）；用两个方程式来求 二元因子的解 3. 当t>DP，不足识别（under-identified）；用太少的方程式 求取过多的因子解，将导致无法进行任何参数估计 ( )( 1) 2 1 t p + q p + q + 4
3模型佑计方法 加权最小二乘法(WLS) 米无加权最小二乘法(ULS) 广义最小二乘法(GLS) 最大似然法(ML) 渐近分布自由法(ADF)
加权最小二乘法（ WLS） 无加权最小二乘法（ULS） 广义最小二乘法（ GLS） 最大似然法（ML） 渐近分布自由法（ADF） 5 3 模型估计方法