結構方程式SEM

1、我初學結構方程模型，我看過一些相關介紹，覺得挺難的。 請列下學習結構方程模型的具體學習步驟

結構方程模型論壇：www.semchina.net

2、碩士畢業論文涉及sem結構方程模型，有了解amos的大神嗎？

結構方程模型可以用SPSSAU。操作非常簡單很容易上手，輸出標准格式結果和結構圖，針對每一步分析還會提供智能分析建議。

結構方程模型-spssau

結構圖-spssau

3、用SPSS可以進行SEM（結構方程模型）建模嗎？

用AMOS才可以做結構方程模型
spss做不了SEM

4、phyml系統發生樹構建中，aic和bic哪一個標准更好

p值就是路徑系數的顯著性水平，路徑系數固定為1，只是設置了一個參考路徑，並不影響標准化路徑系數的估計。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 使用Amos 21.0進一步改進您的分析 無論您評估程序，還是開發行為態度模型，您都有可能遇到傳統分析技術無能為力的情況。那麼，如果您能使用一些復雜的，同時卻不需冗長的編程或者學習過程的建模技術，情況會如何呢？ Amos軟體和結構方程模型（SEM）助您成功 結構方程模型（SEM）是一種多元分析技術，它包含標準的方法，並在標准方法的基礎上進行了擴展。這些方法包括回歸技術、因子分析、方差分析和相關分析。Amos21.0讓SEM變得容易。它擁有的直觀的拖放式繪圖工具，讓您快速地以演示級路徑圖定製模型而無需編程。 使用 Amos21.0，讓您比單獨使用因子分析或回歸分析能獲得更精確、豐富的綜合分析結果，Amos21.0 在構建方程式模型過程中的每一步驟均能提供圖形環境，只要在 Amos 的調色板工具和模型評估中以滑鼠輕點繪圖工具便能指定或更換模型。通過快速的模型建立來檢驗您的變數是如何互相影響以及為何會發生此影響。 即使有缺失值也能達到精準 Amos 處理缺失值的最大特色就是擁有Full Information Maximum Likelihood ，即使資料不完整，Amos 也不會遺漏任何一個情況，並且會自動計算正確的標准誤及適當的統計量，降低您的估算值偏差。 簡易但功能強大 （1）AMOS具有的方差分析、協方差，假設檢驗等一系列基本分析方法。（2）AMOS的貝葉斯和自抽樣的方法應用，這個AMOS最具特色的方法，這個也算是比較前沿的應用，在一定程度上克服了大樣本條件的限制，當樣本低於200甚至是低於100時，貝葉斯方法的結果仍然比較穩定，尤其是MCMC的結果，該方法也可以提供路徑分析間接效應的標准誤，這在中介效應的使用方面特別有用，還可以觀察估計參數的先驗概率分布和事後概率分布，並進行人為設定。另外bootstrap也提供類似模擬的標准誤，而且提供bootstrap的ADF、ML、GLS、SLS、ULS等參數估計的方法。另外也為時間序列數據提供自相關圖用於偵察序列相關。（3）AMOS提供方程檢驗的統計指標，不用說也是很豐富的，需要強調的是有些指標例如SRMR等需要自行設置才能提供，另外比較重要的指標如RMSEA的檢驗需要自己在figure caption里設置\pclose才能看到，請詳情見手冊。（4）指定搜索（specification search），不知翻譯的對不對，這個功能在探索變數間的關繫上很好用，關系太多，也沒什麼假設，使用這個功能看看數據本身是什麼關系。一般如果關系很復雜，數據量也很大，使用逐步法能節省很多時間。（5）AMOS可以實現曲線增長模型，這種模型主要用於追蹤數據，研究隨時間變化的規律，AMOS這方面的發展很好，包括高階曲線增長及其衍生的模型。不過同樣在基於多層線性模型的曲線增長模型上無法實現。（6）其他的模型例如混合建模，非遞歸模型等在AMOS里均有實現。同時AMOS高版本提供程序的透明性、可擴展性，與VB、SAS等軟體提供介面，使得其程序編寫上帶來很大的便利，也拓展了應用范圍，而且至20版以後AMOS在程序方面也得到了加強，例如程序編寫、程序的生成等，其應用前景更加明朗。技術說明 圖形化用戶界面 o 通過一個路徑圖瀏覽器顯示文件夾中所有路徑圖的描述和縮略圖 o 只需用滑鼠點擊就可選擇編程選項 o 只需點擊一下滑鼠，就可以顯示一張包括多個組或者模型的圖表 o 查看數據文件內容 o 從數據集中把變數名拖到路徑圖中 建模能力 o 創建帶有觀測和隱性變數的結構方程模型（包括特例，如路徑分析和縱向數據模型）o 使用一到兩種方法定製候選模型： －指定每一個候選模型為對模型參數的等同約束的一個集合 －以探索性的方式使用SEM。Amos會嘗試許多模型，使用Aikaike信息標准（AIC）和Bayesian信息標准（BIC）統計方法比較模型，並找出最有前途的模型。 o 進行證實性的因子分析：方差分解、變數誤差、度量模型和隱性變數 建模 o 使用路徑圖來定製模型 o 使用繪圖工具改變路徑圖，從而更改模型 o 在路徑圖上圖形化地顯示參數估計和擬合測量 o 在路徑圖上繪圖的任何時刻顯示自由度 分析能力和統計功能 o 使用完全信息最大似然估計得到更有效、更小偏倚的缺失值估計 o 輸入參數值，觀察在特定時刻的效應，以及使用模型庫的離散函數值的效應 o 使用快速自舉模擬，對於任意實驗分布下的任何模型參數估計，找到近似分布，包括標准化系數 －評估符合Bollen和Stine自舉方式的模型 －計算百分比區間以及偏差修正百分比區間 輸出 o 使用有條件的導航幫助；使用增強的文本輸出顯示選項和表格格式選項 －使用導航面板快速定位並顯示輸出的各個部分 －將導航面板里的各部分和表格標題鏈接至右鍵幫助 －將數值（例如導航面板中顯示的p值）鏈接至"use-it-in-a-sentence"幫助，得到有關數字含義的簡單明了的英語說明 Amos 21.0-使用結構方程式，探索變數間的關系 "Amos 使用路徑圖來定製模型的方法完美自然…Amos是毫無疑問的贏家。" －J.J.Hox 《Amos，EQS and LISREL for Windows：a comparative review. Structural Equation Modeling》 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 比普通最小二乘回歸和探索性因子分析更進一步 使用Amos 21.0進一步改進您的分析 無論您評估程序，還是開發行為態度模型，您都有可能遇到傳統分析技術無能為力的情況。那麼，如果您能使用一些復雜的，同時卻不需冗長的編程或者學習過程的建模技術，情況會如何呢？ Amos軟體和結構方程模型（SEM）助您成功 結構方程模型（SEM）是一種多元分析技術，它包含標準的方法，並在標准方法的基礎上進行了擴展。這些方法包括回歸技術、因子分析、方差分析和相關分析。Amos讓SEM變得容易。它擁有的直觀的拖放式繪圖工具，讓您快速地以演示級路徑圖定製模型而無需編程。 使用 Amos讓您比單獨使用因子分析或回歸分析能獲得更精確、豐富的綜合分析結果，Amos 21.0在構建方程式模型過程中的每一步驟均能提供圖形環境，只要在Amos的調色板工具和模型評估中以滑鼠輕點繪圖工具便能指定或更換模型。通過快速的模型建立來檢驗您的變數是如何互相影響以及為何會發生此影響。系統需要 ：Microsoft Windows 98，Me，NT○R 4.0（SP6），2000或XP 18MB 硬碟空間 系統為Windows 98和Me至少需要128MB內存；系統為NT 4.0，2000和XP至少需要256M內存 Internet Explorer 6

5、請問結構方程模型中，GFI,AGFI，ifi，rfi，nfi等指標是不是一定要0.9以上

最好是大於0.9，甚至於大於0.95，這些擬合指標的臨界值都是通過大量的數據模擬得到的，也就是說如果達不到這些指標，模型很可能就是誤設模型，不過我也有看到一篇數據模擬的論文里提到當樣本量小於500的時候，srmr是最合適的指標，如果小於0.05，可以肯定模型正確，若大於0.08，可以肯定是誤設的（適用於數據正態時，偏態時大於0.11認為模型誤設），而其他的擬合指標表現不穩定，那這個時候主要參考srmr就可以，其他的指標過得去就行，如果樣本量大於1000，NNFI,CFI,IFI這些指標比較合適，0.95以上可以認為模型正確，0.85以下可以斷定模型錯誤（適用於數據偏態時，正態時0.95以下即認為誤設）
你自己根據自己的的數據情況看吧，對於你提到的指標，我相信90%的文獻都說是0.9以上為標準的，這個經驗值還是很可信的，如果你不是正在寫論文，那完全可以接受這個結果，如果你一定想要結果好，那就要麼好好處理處理數據，重新做一下結構方程的分析，要麼就找到相關的文獻支持，以表明你用0.9以下的指標數值是合理的
如果是論文答辯或者發論文，只是0.8過一些那很可能要被答辯老師或者審稿人質疑的，接近0.9應該還勉強可以

6、用stata做SEM結構方程，如何看擬合優度系數如GFI，AGFI等系數？

最好是大於0.9,甚至於大於0.95,這些擬合指標的臨界值都是通過大量的數據模擬得到的,也就是說如果達不到這些指標,模型很可能就是誤設模型,不過我也有看到一篇數據模擬的論文里提到當樣本量小於500的時候,srmr是最合適的指標,如果小於0.05,可以肯定模型正確,若大於0.08,可以肯定是誤設的（適用於數據正態時,偏態時大於0.11認為模型誤設）,而其他的擬合指標表現不穩定,那這個時候主要參考srmr就可以,其他的指標過得去就行,如果樣本量大於1000,NNFI,CFI,IFI這些指標比較合適,0.95以上可以認為模型正確,0.85以下可以斷定模型錯誤（適用於數據偏態時,正態時0.95以下即認為誤設）
你自己根據自己的的數據情況看吧,對於你提到的指標,我相信90%的文獻都說是0.9以上為標準的,這個經驗值還是很可信的,如果你不是正在寫論文,那完全可以接受這個結果,如果你一定想要結果好,那就要麼好好處理處理數據,重新做一下結構方程的分析,要麼就找到相關的文獻支持,以表明你用0.9以下的指標數值是合理的
如果是論文答辯或者發論文,只是0.8過一些那很可能要被答辯老師或者審稿人質疑的,接近0.9應該還勉強可以

7、用SPSS可以進行SEM（結構方程模型）建模嗎

SPSS不能做結構方程模型分析，結構方程模型必須要專門的結構方程建模軟體或者包含結構方程功能模塊的統計軟體才行。
通常可以做結構方程模型的軟體包括Lisrel、Amos、Mplus、EQS以及R語言。最常用的就是這前三種。

8、SEM結構方程模型是什麼?

sem 結構方程模型是社會科學研究中的一個非常好的方法。該方法在20世紀80年代就已經成熟，可惜國內了解的人並不多。「在社會科學以及經濟、市場、管理等研究領域，有時需處理多個原因、多個結果的關系，或者會碰到不可直接觀測的變數（即潛變數），這些都是傳統的統計方法不能很好解決的問題。20世紀80年代以來，結構方程模型迅速發展，彌補了傳統統計方法的不足，成為多元數據分析的重要工具。 結構方程模型分析:結構方程模型是一種建立、估計和檢驗因果關系模型的方法。模型中既包含有可觀測的顯在變數，也可能包含無法直接觀測的潛在變數。結構方程模型可以替代多重回歸、通徑分析、因子分析、協方差分析等方法，清晰分析單項指標對總體的作用和單項指標間的相互關系。

9、關於SEM結構方程數據的求助

首先要保證樣本量，一般來說至少200，主要是為了得到穩定的參數估計結果，不夠兩百的話基本上你跟審稿人或者答辯老師也沒法交代。 第二是所用數據協的方差-協方差矩陣要滿足正定的條件，這個如果你不滿足，使用軟體時也往往會報錯的，得不到參數...