sem结构方程模型

1、学习sem结构方程模型 需要统计学或者数学基础吗

如果目标仅仅是掌握操作自己做一点应用研究，那么不需要多少的数学基础。
但若想要掌握好原理，需要比较强的专业基础的，起码统计学基础和线性代数是要比较熟悉的。

2、如何理解结构方程模型

结构方程模型（SEM, Structural Equation Modeling）是建立在回归模型（Regression Models）的基础上，针对潜变量（Latent Variables）的统计方法。
<img src="https://pic1.mg.com/v2-_b.png" data-rawwidth="308" data-rawheight="260" class="content_image" width="308">f为latent variable, 例如智力、自尊等，在该SEM模型中为predictor。y1,y2,y3为observed variables, 即可直接测量得到的变量，在该SEM模型中为indicators。λ1-3为factor loadings，ε为resial error。
f为latent variable, 例如智力、自尊等，在该SEM模型中为predictor。y1,y2,y3为observed variables, 即可直接测量得到的变量，在该SEM模型中为indicators。λ1-3为factor loadings，ε为resial error。
先前提到SEM是建立在regression model基础上的，该模型可写为如下方程：
y1 = λ1*f + ε1
y2 = λ2*f + ε2
y3 = λ3*f + ε3
即可看到与regression model的联系。
SEM较为广泛应用的是方差/协方差估计法。即可由上述方程写出关于y1,y2,y3的方差/协方差矩阵：（σ为f的variance）
<img src="https://pic3.mg.com/v2-_b.png" data-rawwidth="453" data-rawheight="93" class="origin_image zh-lightbox-thumb" width="453" data-original="https://pic3.mg.com/v2-_r.png">而后计算机根据实际矩阵，对factor loadings等parameters进行估计并输出估计矩阵，与实际矩阵差异最小（最理想）时，即输出结果，得到各估计参数和拟合指数。
而后计算机根据实际矩阵，对factor loadings等parameters进行估计并输出估计矩阵，与实际矩阵差异最小（最理想）时，即输出结果，得到各估计参数和拟合指数。
应用较多的模型/方法：MIMIC, multiple group models（比较组间差异）, latent growth modeling（比较纵向差异）等。
应用广泛的软件：
1、Mplus。优点：编程简单，结果全面。缺点：收费，贵。学生版是300$。
2、Amos。优点：傻瓜，画图拖数据即可。缺点：模型稍一复杂就很费时。
3、R。下个package即可。优点：兼容性、专业性强。缺点：用的人少，不利于伸手党。
4、LISREL。优点：易入门。缺点：需输入各矩阵，略过时。
其他还有一些软件，不了解。
SEM入门不久，以上为个人理解，求探讨求轻喷。么么哒

3、sem的模型概述

结构方程模型分析:结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。

4、请问结构方程模型中，GFI,AGFI，ifi，rfi，nfi等指标是不是一定要0.9以上

最好是大于0.9，甚至于大于0.95，这些拟合指标的临界值都是通过大量的数据模拟得到的，也就是说如果达不到这些指标，模型很可能就是误设模型，不过我也有看到一篇数据模拟的论文里提到当样本量小于500的时候，srmr是最合适的指标，如果小于0.05，可以肯定模型正确，若大于0.08，可以肯定是误设的（适用于数据正态时，偏态时大于0.11认为模型误设），而其他的拟合指标表现不稳定，那这个时候主要参考srmr就可以，其他的指标过得去就行，如果样本量大于1000，NNFI,CFI,IFI这些指标比较合适，0.95以上可以认为模型正确，0.85以下可以断定模型错误（适用于数据偏态时，正态时0.95以下即认为误设）
你自己根据自己的的数据情况看吧，对于你提到的指标，我相信90%的文献都说是0.9以上为标准的，这个经验值还是很可信的，如果你不是正在写论文，那完全可以接受这个结果，如果你一定想要结果好，那就要么好好处理处理数据，重新做一下结构方程的分析，要么就找到相关的文献支持，以表明你用0.9以下的指标数值是合理的
如果是论文答辩或者发论文，只是0.8过一些那很可能要被答辩老师或者审稿人质疑的，接近0.9应该还勉强可以

5、硕士毕业论文涉及sem结构方程模型，有了解amos的大神吗？

结构方程模型可以用SPSSAU。操作非常简单很容易上手，输出标准格式结果和结构图，针对每一步分析还会提供智能分析建议。

结构方程模型-spssau

结构图-spssau

6、用stata做SEM结构方程，如何看拟合优度系数如GFI，AGFI等系数？

最好是大于0.9,甚至于大于0.95,这些拟合指标的临界值都是通过大量的数据模拟得到的,也就是说如果达不到这些指标,模型很可能就是误设模型,不过我也有看到一篇数据模拟的论文里提到当样本量小于500的时候,srmr是最合适的指标,如果小于0.05,可以肯定模型正确,若大于0.08,可以肯定是误设的（适用于数据正态时,偏态时大于0.11认为模型误设）,而其他的拟合指标表现不稳定,那这个时候主要参考srmr就可以,其他的指标过得去就行,如果样本量大于1000,NNFI,CFI,IFI这些指标比较合适,0.95以上可以认为模型正确,0.85以下可以断定模型错误（适用于数据偏态时,正态时0.95以下即认为误设）
你自己根据自己的的数据情况看吧,对于你提到的指标,我相信90%的文献都说是0.9以上为标准的,这个经验值还是很可信的,如果你不是正在写论文,那完全可以接受这个结果,如果你一定想要结果好,那就要么好好处理处理数据,重新做一下结构方程的分析,要么就找到相关的文献支持,以表明你用0.9以下的指标数值是合理的
如果是论文答辩或者发论文,只是0.8过一些那很可能要被答辩老师或者审稿人质疑的,接近0.9应该还勉强可以

7、用SPSS可以进行SEM（结构方程模型）建模吗？

用AMOS才可以做结构方程模型
spss做不了SEM

8、spss和amos区别

1、工作分工不同。

spss做前期数据描述和除结构线性模型外的多数统计工作，amos专做结构线性模型相关的统计。

2、使用对象不同。

对量表的区分效度（discrimination validity）检验时，发现有人用SPSS，主要是检验平均提取方差（Average variance extracted，AVE）与该因子与任何其他因子的共同方差（highest shared variance）的值。

而有人则用AMOS，检验修正指数（modification index，MI）的显著性，通过x2/df，NNFI，GFI，AGFI，CFI，RMSEA等拟合优度检验。

3、用途不同。

SPSS是探索性统计分析软件，AMOS是验证性统计分析软件。做探索性因素分析时用SPSS，探索性因素分析完成后，为了验证所得到的因子结构是否合理，就需要进行验证性因素分析。

现在的论文如果涉及因子分析的话，大多要求进行验证性因素分析，以及路径分析等等。这时候，AMOS就派上用场了，AMOS可以进行验证性因素分析、路径分析、群组分析等。

(8)sem结构方程模型扩展资料

SPSS操作功能：

1、参数检验：单样本、两独立样本、配对样本。

2、方差分析：单因素、多因素、协方差分析。

3、非参数检验：X2、二项式分布、K—S检验。

4、相关分析和线性回归分析。

5、聚类分析。

6、因子分析。

7、信度分析。以上的内容是经常用到的，尤其是相关分析和线性回归分析。