sem結構路徑分析

1、路徑分析影響因素只選取一個指標可以嗎

您好，我目前想做一個路徑分析，但不知道程序應該怎麼寫，也找不到相關資料。想跟您請教一下，
用Lisrel或是Sas怎麼做呢？
我的外生變數很多（超過25個），包括一些個人背景的、家庭和同伴特徵的，請問是否能通過主成分來縮減指標呢？
如果兩個內生變數之間是相關的關系，那麼在寫方程時是否也要把相關關系寫上呢？
莊主@2007-03-13:
為了便於其他讀者的理解，我先交待一下路徑分析 (path analysis) 的簡單背景。
路徑分析可以用作多種目的：一是將因變數之間有關系的的若干個回歸模型整合在一個模型里，以助分析和表達的完整和簡潔；二是在該整合模型中的各自變數對各因變數的「總影響」(total effects) 分解為「直接影響「(direct effects) 和「間接影響」(indirect effects)，如果發現間接影響較大，那就有理論價值了（當然，如下所示，很難發現大的間接影響）；三是通過直接影響和間接影響的比較來驗證一個自變數是否為「中介變數」(mediating variable)，即其直接影響不顯著而間接影響顯著（上面已說過，不容易發現間接影響、如果同時又要其直接影響不顯著，那就更難了）。
如此看來，路徑分析是個好東西（不好意思，趕了一回時髦）。其從1960年代興起，1970-80年代已十分流行。我在Indiana念博士時，學院里的老師常用路徑分析做研究。後來學了SEM（結構方程模型），才知道路徑分析有「含測量誤差」和「不含測量誤差」兩種。前者只研究自變數和因變數之間因果關系，即SEM中的structural model（結構模型）那部分（見圖一），而後者則加上了各變數的CFA（驗證性因子分析)，也即SEM中的measurement model（測量模型）那部分（圖二）。
如何寫路徑分析的指令（轉載） 如何寫路徑分析的指令（轉載）
好了，現在直接回答你的問題。問題1從字面上看，只涉及結構模型那部分，所以比較簡單、容易。這種路徑分析，不僅可以用LISREL、SAS或其它SEM軟體，其實也可以用SPSS等通用統計軟體，其結果是一樣的。先說在SPSS中如何做。圖一是我日前在「Confirmatory regression vs. hierarchical regression" 一文中舉的例子相仿（當時只用了三個公式，沒有此圖）。如前文中所說，因為該模型中有兩個因變數（或內生變數，endogenous variables），所以需要建立兩個回歸模型，分別為公式一和二，其中變數名和系數名有些改動，系數分別記為b和g，是為了與LISREL用法一致，b表示一個內生變數（如W）對另一個內生變數（如Y）的影響、g表示一個外生變數（如X）對一個內生變數（如W或Y）的影響：
Y = b0 + g1X + b2W （公式一）
W = g0 +g2X （公式二）
在SPSS中，就按上述兩個公式分別做一個回歸分析。如果你習慣用SPSS指令的話，其syntax分別為：
Regression Dependent=Y/Enter X, W.
Regression Dependent=W/Enter X.
然後將兩個回歸分析所得到的回歸系數填入圖一，此時要用standardized Beta（即 B1、B2、G1分別為公式一和三中b1、b2、g1的標准化值），就得到了路徑分析。當然，這里的B1、B2、G1都是直接影響，我們還不知道年齡對Y的間接影響和總影響（註：上網時間對Y只有直接影響沒有間接影響，所以其總影響＝直接影響），但這可以用手算：
X對Y的間接影響 = G1 X B2 （公式三）
X對Y的直接影響 = X對Y的直接影響 + X對Y的間接影響 = B1 + G1 X B2 （公式四）

由於G1 和B2 都是取值0和±1之間，其乘積一般不大。比如，G1 = 0.5、B2 = 0.5，其乘積只有0.25。而在含有測量誤差的回歸中，達到0.5的系數很少見，更常見的是在0.1-0.3之間，那麼其乘積只在0.01-0.10之間。這就是為什麼間接影響一般不大的原因。通過SPSS做的路徑分析，因為沒有將每個變數的測量誤差考慮進去，所以是我上面說的「含測量誤差」路徑分析。同時，因為它是將數個回歸分析加以組裝（assembled）而非整合（integrated），所以又可以稱為「組裝型」路徑分析。
如果用LISREL呢？大家也許知道，LISREL可以用公式（SIMPLIS）或矩陣 (matrices) 來寫。前者容易，其syntax如下 (其中「...」部分為數據定義和其它指令，這里省略了)：
...
RELATIONSHIPS:
Y = X W
W = X
LISREL OUTPUT EF ...
...
前三句於SPSS Regression的syntax相仿，最後一句中的 "EF" 是要求LISREL輸出間接影響和總影響的結果，不僅不需要手算了、而且會給出間接影響（即公式四）和直接影響（公式五）的顯著檢驗，而SPSS是無法提供這些顯著檢驗的。
用LISREL矩陣指令的人越來越少，屬於「斬蛟龍」之術，這里不介紹。如果你問的就是矩陣指令，請告知。
顯然，LISREL的結果是「整合」（而非「組裝」）型的路徑分析，更是一個好東西（又趕了回時髦）。但是，其結果（即直接、間接和總影響的系數）與SPSS加手算的結果完全一樣！（大家可以對同一數據分別用這兩種軟體驗證一下。）道理很簡單，因為用的都是同樣（含有測量誤差）的數據。當然，LISREL可以進一步將各變數的測量指標整合進來（即圖二），那麼其路徑分析的結果與組裝結果就可能不一樣了，而且一般情況下各種影響的系數都會大一點（因為將測量誤差扣除了）。當然，現在很少有人將這種分析叫做路徑分析了，而是直接叫SEM（就是一回事嘛）。
最後回答你的問題2和3。問題2：對，可以而且應該根據理論或常識的建議、將很多個直接測量的自變數構建成少數個因子，當然還要看數據是否支持這些合並。問題3：對，如果你的理論模型中並沒有對兩個內生變數之間的因果關系做任何說明（即在圖一或圖二中沒有B2 ），那麼應該將它們當作相關關系來處理。事實上，LISREL會自動計算這種相關關系（在PSY矩陣中）。

2、如何構建路徑分析模型

好吧 我一句都聽不懂 高中生那叫一個悲催啊 如果沒人。。經驗就給我把。。

3、結構方程模型和路徑分析能夠混用嗎

結構方程模型模型能夠做路徑分析，路徑模型本身也是一種結構方程模型，但是結構房模型更多的是用來做潛變數模型，此外，路徑模型如果用SPSS來做的話，不能對總體進行擬合檢驗。（調查問卷Amos結構方程模型統計分析專業人士 南心網 為您服務）

4、結構方程模型 和路徑分析的區別，原理是否一樣

結構方程模型模型能夠做路徑分析，路徑模型本身也是一種結構方程模型，但是結構房模型更多的是用來做潛變數模型，此外，路徑模型如果用SPSS來做的話，不能對總體進行擬合檢驗。

如果滿意，請採納哦，您的採納是我回答問題的動力哦！

5、結構方程中icc達到多少才可以做分層路徑分析

一個完整的結構方程模型包含兩個部分，一個是測量模型，一個是結構模型，測量模型研究的是潛變數（因子）和顯變數（題目或者說測量指標）的關系，簡單點說可以認為因子分析就是測量模型，最典型的測量模型就是驗證性因子分析；而結構模型是研究潛變數之間或者說因子之間關系的，模型中只有因子而沒有測量因子的指標（題項）。
測量模型和結構模型合起來就是一個完整的結構方程模型，二者也可以分開各自單獨做。
這里說的結構模型其實就是路徑分析，如果要單獨去做路徑分析，把每個測驗的總分或者均分作為因子建模即可，這時候測量指標就不存在了。
這樣看，結構方程模型和路徑分析其實是同根同源的，路徑分析可以認為是完整的結構方程模型的一個部分，二者有從屬關系。運算基本原理是一樣的，一般都是通過極大似然估計法來估計參數。
主要區別就在於完整的結構方程模型還包含了測量模型，而路徑分析沒有。顯然，如果要做一個完整而嚴謹的結構方程研究，最好是建立完整的結構方程模型。

6、SPSS如何做路徑分析

路徑分析用amos，amos以前是spss的一個模塊，現在分離出去了，要單獨安裝，現在出最新的spss21.0和amos21.0，先裝spss，再裝amos，裝amos的時候還會提醒安裝最新的.NET Framework，先裝好就ok了。

SPSS AMOS 21.0是一款使用結構方程式，探索變數間的關系的軟體 ，輕松地進行結構方程建模（SEM） 。快速創建模型以檢驗變數之間的相互影響及其原因，比普通最客服乘回歸和探索性因子分析更進一步 。
Microsoft .NET Framework是用於Windows的新託管代碼編程模型。它將強大的功能與新技術結合起來，用於構建具有視覺上引人注目的用戶體驗的應用程序，實現跨技術邊界的無縫通信，並且能支持各種業務流程。

7、結構方程模型 和路徑分析的區別，原理是否一樣？

一個完整的結構方程模型包含兩個部分，一個是測量模型，一個是結構模型，測量模型研究的是潛變數（因子）和顯變數（題目或者說測量指標）的關系，簡單點說可以認為因子分析就是測量模型，最典型的測量模型就是驗證性因子分析；而結構模型是研究潛變數之間或者說因子之間關系的，模型中只有因子而沒有測量因子的指標（題項）。
測量模型和結構模型合起來就是一個完整的結構方程模型，二者也可以分開各自單獨做。
這里說的結構模型其實就是路徑分析，如果要單獨去做路徑分析，把每個測驗的總分或者均分作為因子建模即可，這時候測量指標就不存在了。
這樣看，結構方程模型和路徑分析其實是同根同源的，路徑分析可以認為是完整的結構方程模型的一個部分，二者有從屬關系。運算基本原理是一樣的，一般都是通過極大似然估計法來估計參數。
主要區別就在於完整的結構方程模型還包含了測量模型，而路徑分析沒有。顯然，如果要做一個完整而嚴謹的結構方程研究，最好是建立完整的結構方程模型。

8、如何寫路徑分析的指令

您好，我目前想做一個路徑分析，但不知道程序應該怎麼寫，也找不到相關資料。想跟您請教一下，
用Lisrel或是Sas怎麼做呢？
我的外生變數很多（超過25個），包括一些個人背景的、家庭和同伴特徵的，請問是否能通過主成分來縮減指標呢？
如果兩個內生變數之間是相關的關系，那麼在寫方程時是否也要把相關關系寫上呢？
莊主@2007-03-13:
為了便於其他讀者的理解，我先交待一下路徑分析 (path analysis) 的簡單背景。
路徑分析可以用作多種目的：一是將因變數之間有關系的的若干個回歸模型整合在一個模型里，以助分析和表達的完整和簡潔；二是在該整合模型中的各自變數對各因變數的「總影響」(total effects) 分解為「直接影響「(direct effects) 和「間接影響」(indirect effects)，如果發現間接影響較大，那就有理論價值了（當然，如下所示，很難發現大的間接影響）；三是通過直接影響和間接影響的比較來驗證一個自變數是否為「中介變數」(mediating variable)，即其直接影響不顯著而間接影響顯著（上面已說過，不容易發現間接影響、如果同時又要其直接影響不顯著，那就更難了）。
如此看來，路徑分析是個好東西（不好意思，趕了一回時髦）。其從1960年代興起，1970-80年代已十分流行。我在Indiana念博士時，學院里的老師常用路徑分析做研究。後來學了SEM（結構方程模型），才知道路徑分析有「含測量誤差」和「不含測量誤差」兩種。前者只研究自變數和因變數之間因果關系，即SEM中的structural model（結構模型）那部分（見圖一），而後者則加上了各變數的CFA（驗證性因子分析)，也即SEM中的measurement model（測量模型）那部分（圖二）。
如何寫路徑分析的指令（轉載） 如何寫路徑分析的指令（轉載）
好了，現在直接回答你的問題。問題1從字面上看，只涉及結構模型那部分，所以比較簡單、容易。這種路徑分析，不僅可以用LISREL、SAS或其它SEM軟體，其實也可以用SPSS等通用統計軟體，其結果是一樣的。先說在SPSS中如何做。圖一是我日前在「Confirmatory regression vs. hierarchical regression" 一文中舉的例子相仿（當時只用了三個公式，沒有此圖）。如前文中所說，因為該模型中有兩個因變數（或內生變數，endogenous variables），所以需要建立兩個回歸模型，分別為公式一和二，其中變數名和系數名有些改動，系數分別記為b和g，是為了與LISREL用法一致，b表示一個內生變數（如W）對另一個內生變數（如Y）的影響、g表示一個外生變數（如X）對一個內生變數（如W或Y）的影響：
Y = b0 + g1X + b2W （公式一）
W = g0 +g2X （公式二）
在SPSS中，就按上述兩個公式分別做一個回歸分析。如果你習慣用SPSS指令的話，其syntax分別為：
Regression Dependent=Y/Enter X, W.
Regression Dependent=W/Enter X.
然後將兩個回歸分析所得到的回歸系數填入圖一，此時要用standardized Beta（即 B1、B2、G1分別為公式一和三中b1、b2、g1的標准化值），就得到了路徑分析。當然，這里的B1、B2、G1都是直接影響，我們還不知道年齡對Y的間接影響和總影響（註：上網時間對Y只有直接影響沒有間接影響，所以其總影響＝直接影響），但這可以用手算：
X對Y的間接影響 = G1 X B2 （公式三）
X對Y的直接影響 = X對Y的直接影響 + X對Y的間接影響 = B1 + G1 X B2 （公式四）

由於G1 和B2 都是取值0和±1之間，其乘積一般不大。比如，G1 = 0.5、B2 = 0.5，其乘積只有0.25。而在含有測量誤差的回歸中，達到0.5的系數很少見，更常見的是在0.1-0.3之間，那麼其乘積只在0.01-0.10之間。這就是為什麼間接影響一般不大的原因。通過SPSS做的路徑分析，因為沒有將每個變數的測量誤差考慮進去，所以是我上面說的「含測量誤差」路徑分析。同時，因為它是將數個回歸分析加以組裝（assembled）而非整合（integrated），所以又可以稱為「組裝型」路徑分析。
如果用LISREL呢？大家也許知道，LISREL可以用公式（SIMPLIS）或矩陣 (matrices) 來寫。前者容易，其syntax如下 (其中「...」部分為數據定義和其它指令，這里省略了)：
...
RELATIONSHIPS:
Y = X W
W = X
LISREL OUTPUT EF ...
...
前三句於SPSS Regression的syntax相仿，最後一句中的 "EF" 是要求LISREL輸出間接影響和總影響的結果，不僅不需要手算了、而且會給出間接影響（即公式四）和直接影響（公式五）的顯著檢驗，而SPSS是無法提供這些顯著檢驗的。
用LISREL矩陣指令的人越來越少，屬於「斬蛟龍」之術，這里不介紹。如果你問的就是矩陣指令，請告知。
顯然，LISREL的結果是「整合」（而非「組裝」）型的路徑分析，更是一個好東西（又趕了回時髦）。但是，其結果（即直接、間接和總影響的系數）與SPSS加手算的結果完全一樣！（大家可以對同一數據分別用這兩種軟體驗證一下。）道理很簡單，因為用的都是同樣（含有測量誤差）的數據。當然，LISREL可以進一步將各變數的測量指標整合進來（即圖二），那麼其路徑分析的結果與組裝結果就可能不一樣了，而且一般情況下各種影響的系數都會大一點（因為將測量誤差扣除了）。當然，現在很少有人將這種分析叫做路徑分析了，而是直接叫SEM（就是一回事嘛）。
最後回答你的問題2和3。問題2：對，可以而且應該根據理論或常識的建議、將很多個直接測量的自變數構建成少數個因子，當然還要看數據是否支持這些合並。問題3：對，如果你的理論模型中並沒有對兩個內生變數之間的因果關系做任何說明（即在圖一或圖二中沒有B2 ），那麼應該將它們當作相關關系來處理。事實上，LISREL會自動計算這種相關關系（在PSY矩陣中）。

9、路徑分析的步驟

路徑分copy析在於研究模型影響關系，用於對模型假設進行驗證。

針對路徑分析的步驟上，SPSSAU建議分為以下三個步驟，分別為：

第一步：建立模型。並初步查看模型擬合結構，回歸系數顯著性等；

第二步：調整模型。如果擬合指標不達標(比如RMSEA值過大)，此時共有兩種模型調整辦法，第一種辦法是結合「回歸影響關系-MI指標表格」結果及專業知識情況，重新調整模型；第二種辦法是設置「模型協方差調整」MI指標參數。多次重復調整模型，直至擬合指標在標准范圍內即可。

第三步：分析模型。待模型擬合指標達到標准後，對模型進行詳細分析和說明。

建議使用SPSSAU路徑分析及智能文字分析操作起來更加便利。

10、結構方程模型 和路徑分析的區別，原理是否一樣

一個完整的結構方程模型包含兩個部分，一個是測量模型，一個是結構模型，測量模型研究的是潛變數（因子）和顯變數（題目或者說測量指標）的關系，簡單點說可以認為因子分析就是測量模型，最典型的測量模型就是驗證性因子分析；而結構模型是研究潛變數之間或者說因子之間關系的，模型中只有因子而沒有測量因子的指標（題項）。
測量模型和結構模型合起來就是一個完整的結構方程模型，二者也可以分開各自單獨做。
這里說的結構模型其實就是路徑分析，如果要單獨去做路徑分析，把每個測驗的總分或者均分作為因子建模即可，這時候測量指標就不存在了。
這樣看，結構方程模型和路徑分析其實是同根同源的，路徑分析可以認為是完整的結構方程模型的一個部分，二者有從屬關系。運算基本原理是一樣的，一般都是通過極大似然估計法來估計參數。
主要區別就在於完整的結構方程模型還包含了測量模型，而路徑分析沒有。顯然，如果要做一個完整而嚴謹的結構方程研究，最好是建立完整的結構方程模型。