LISREL做CFA、模型及修正,手把手教会你LISREL做CFA、模型及修正,手把手教会你
运行LISEREL Windows Application
协方差检验
File?Import External Data in Other Formats(导入外部数据)?右击任一变量名,选择Define Variables(定义变量),点击Variable Type(设定变量类型),选择Continuous(连续型)和Apply to all(应用到所有) ,点击OK、OK。如下图所示:
完成上述操作后点击save保存数据(注意数据应保存在系统盘,否则可能得不出结果)...
LISREL做CFA、模型及修正,手把手教会你
运行LISEREL Windows Application
协方差检验
File?Import External Data in Other Formats(导入外部数据)?右击任一变量名,选择Define Variables(定义变量),点击Variable Type(设定变量类型),选择Continuous(连续型)和Apply to all(应用到所有) ,点击OK、OK。如下图所示:
完成上述操作后点击save保存数据(注意数据应保存在系统盘,否则可能得不出结果)
Statistics?output options...(输出选项,选择Save to fi.. 、LISREL system data、Save the transformed data to...。输入与之前文件名一致名字的cov、dsf文件(如下图中test1.cov、test1.dsf),Covariances:协方差)
得到协方差矩阵
接下来进行CFA
Flie?New?Path Diagram?保存(同名文件test1.pth)
Setup(定义相关设定)?Title and comments(一般不用定义)?选择next,至Group names(一般也不用定义)?next至Labels,如下图(左侧Observed Variables:观测变量即观测指标;右侧Latent Variables:潜变量)
?选择Add/Read variables (得下图,在Add/Read variables中选择PRELIS System Flie)
选择Browse...?打开test1.psf?OK
选择Add latent Variables(添加潜变量,手输),如下图
得到
点击next进入Data(Statistics中选择Covariances,File中选择External ASCII Data,File
Browse... 中选择同名cov文件,Number of中输入样本数量)
点击OK
作图
Setup?Build LISREL Syntax? ? 选择estimates(估计值)中:Standardized Solution
注:对于Standardized Solution值的删减
无一定说法,但一般应当高于0.6、0.7。如果观测指标不多,可适当降低标准。一般最少也应大于0.5。上图中对于较小的0.34应删除这条路径,删除后再运行程序一次。如果有多条路径要删除,应当一条一条删。 完成删减路径工作后,查看模型拟合系数Output? Fit indices(拟合指数),如下图:
以上CFA完成
接下来结构方程模型分析
File?new?选择Path Diagram,如下图
保存为test2.pth
Setup(定义相关设定)?Title and comments(一般不用定义)?选择next,至Group names(一般也不用定义)?next至Labels,如下图(左侧Observed Variables:观测变量即观测指标;右侧Latent Variables:潜变量)
?选择Add/Read variables (得下图,在Add/Read variables中选择PRELIS System Flie)
选择Browse...?打开test1.psf?OK
选择Add latent Variables(添加潜变量,手输),如下图
得到
点击next进入Data(Statistics中选择Covariances,File中选择External ASCII Data,File
Browse... 中选择同名cov文件,Number of中输入样本数量)
点击OK
绿色:外生潜变量;灰色:外生观测变量(外生观测指标)
黄色:内生潜变量;蓝色:内生观测变量(内生观测指标)
系统均默认为外生变量,在Y下选中,转化为内生观测变量,在Eta下选中转化为内生潜
变量
作图,与CFA一样,得到下图
其中,选择Estimate中T-values,从最小的开始,用以删路径。一般T值的绝对值应当大于1.96,才说明显著水平达到0.05,用一个*表示。另,大于2.58用**表示,大于 用***表示。
选择Estimate中modification indices(修正系数,MI值:增加某条路径所减少的卡方值,从大的开始),用以增加路径。但一定要有理论依据,一般不随便增加。
T值最小值开始用以删路径,MI值最大值开始用以增加路径。无论增、减路径都得一条一条进行。
根据T值依次删除两条路径后(在其中最好保存语法)得到下图:
上图表明SPEE对MARK影响系数为0.45,EFFE对FINA影响系数为0.24。
根据MI值添加路径(?根据数值大小;?理论依据),后运行
以上结构修正完成,接下来输出相关指标数据:
选择Total Effects and Indirect Effects(总体影响和间接影响)、Standardized solution
点击Next,选择下列指标输出
点击OK
Setup 运行语法
打开同名OUT文件,所有指标数据可以看到。
例如:
表示 所有输入变量13个
Y变量(外生观测变量)6个
X变量(内生观测变量)6个
外生潜变量2个
内生潜变量2个
样本数309
上图表示输入的协方差矩阵
上图表示变量间的协方差矩阵
上图表示拟合优度的指标
BETA、GAMMA均显示直接影响,BETA是内生潜变量之间的关系,GAMMA是外生潜变量与内生潜变量之间的关系
上图表明MARK对FINA影响系数为0.25,EFFE对FINA影响系数为0.18,SPEE对MARK影响系数为0.43
上图表示EFFE对MARK没有影响,对FINA直接影响为0.18。
SPEE对MARK的直接影响为0.43,对FINA有间接影响为0.11(也即0.44×0.26=0.11) 注:由于报表数据只有两位所以大部分比结构图中的数字小一点(比如0.43,在结构图中实为0.44)
上图与之前的图效果也一样,都可以看出直接小妖和间接效应(也就是中介效应)
Reduced Form
EFFE SPEE
-------- --------
MARK - - 0.43……………………代表影响系数
(0.07)……………………标准误
6.37……………………T值
FINA 0.18 0.11
(0.06) (0.03)
2.90 3.30
注 T值:1.96 * 2.58 ** 3.28 ***
统一根据T值来确定标*
例如,上面的0.11在论文
中就可以写作0.11***
本文档为【LISREL做CFA、模型及修正,手把手教会你】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。