sem混合路径分析

1、路径分析影响因素只选取一个指标可以吗

您好，我目前想做一个路径分析，但不知道程序应该怎么写，也找不到相关资料。想跟您请教一下，
用Lisrel或是Sas怎么做呢？
我的外生变量很多（超过25个），包括一些个人背景的、家庭和同伴特征的，请问是否能通过主成分来缩减指标呢？
如果两个内生变量之间是相关的关系，那么在写方程时是否也要把相关关系写上呢？
庄主@2007-03-13:
为了便于其他读者的理解，我先交待一下路径分析 (path analysis) 的简单背景。
路径分析可以用作多种目的：一是将因变量之间有关系的的若干个回归模型整合在一个模型里，以助分析和表达的完整和简洁；二是在该整合模型中的各自变量对各因变量的“总影响”(total effects) 分解为“直接影响“(direct effects) 和“间接影响”(indirect effects)，如果发现间接影响较大，那就有理论价值了（当然，如下所示，很难发现大的间接影响）；三是通过直接影响和间接影响的比较来验证一个自变量是否为“中介变量”(mediating variable)，即其直接影响不显著而间接影响显著（上面已说过，不容易发现间接影响、如果同时又要其直接影响不显著，那就更难了）。
如此看来，路径分析是个好东西（不好意思，赶了一回时髦）。其从1960年代兴起，1970-80年代已十分流行。我在Indiana念博士时，学院里的老师常用路径分析做研究。后来学了SEM（结构方程模型），才知道路径分析有“含测量误差”和“不含测量误差”两种。前者只研究自变量和因变量之间因果关系，即SEM中的structural model（结构模型）那部分（见图一），而后者则加上了各变量的CFA（验证性因子分析)，也即SEM中的measurement model（测量模型）那部分（图二）。
如何写路径分析的指令（转载） 如何写路径分析的指令（转载）
好了，现在直接回答你的问题。问题1从字面上看，只涉及结构模型那部分，所以比较简单、容易。这种路径分析，不仅可以用LISREL、SAS或其它SEM软件，其实也可以用SPSS等通用统计软件，其结果是一样的。先说在SPSS中如何做。图一是我日前在“Confirmatory regression vs. hierarchical regression" 一文中举的例子相仿（当时只用了三个公式，没有此图）。如前文中所说，因为该模型中有两个因变量（或内生变量，endogenous variables），所以需要建立两个回归模型，分别为公式一和二，其中变量名和系数名有些改动，系数分别记为b和g，是为了与LISREL用法一致，b表示一个内生变量（如W）对另一个内生变量（如Y）的影响、g表示一个外生变量（如X）对一个内生变量（如W或Y）的影响：
Y = b0 + g1X + b2W （公式一）
W = g0 +g2X （公式二）
在SPSS中，就按上述两个公式分别做一个回归分析。如果你习惯用SPSS指令的话，其syntax分别为：
Regression Dependent=Y/Enter X, W.
Regression Dependent=W/Enter X.
然后将两个回归分析所得到的回归系数填入图一，此时要用standardized Beta（即 B1、B2、G1分别为公式一和三中b1、b2、g1的标准化值），就得到了路径分析。当然，这里的B1、B2、G1都是直接影响，我们还不知道年龄对Y的间接影响和总影响（注：上网时间对Y只有直接影响没有间接影响，所以其总影响＝直接影响），但这可以用手算：
X对Y的间接影响 = G1 X B2 （公式三）
X对Y的直接影响 = X对Y的直接影响 + X对Y的间接影响 = B1 + G1 X B2 （公式四）

由于G1 和B2 都是取值0和±1之间，其乘积一般不大。比如，G1 = 0.5、B2 = 0.5，其乘积只有0.25。而在含有测量误差的回归中，达到0.5的系数很少见，更常见的是在0.1-0.3之间，那么其乘积只在0.01-0.10之间。这就是为什么间接影响一般不大的原因。通过SPSS做的路径分析，因为没有将每个变量的测量误差考虑进去，所以是我上面说的“含测量误差”路径分析。同时，因为它是将数个回归分析加以组装（assembled）而非整合（integrated），所以又可以称为“组装型”路径分析。
如果用LISREL呢？大家也许知道，LISREL可以用公式（SIMPLIS）或矩阵 (matrices) 来写。前者容易，其syntax如下 (其中“...”部分为数据定义和其它指令，这里省略了)：
...
RELATIONSHIPS:
Y = X W
W = X
LISREL OUTPUT EF ...
...
前三句于SPSS Regression的syntax相仿，最后一句中的 "EF" 是要求LISREL输出间接影响和总影响的结果，不仅不需要手算了、而且会给出间接影响（即公式四）和直接影响（公式五）的显著检验，而SPSS是无法提供这些显著检验的。
用LISREL矩阵指令的人越来越少，属于“斩蛟龙”之术，这里不介绍。如果你问的就是矩阵指令，请告知。
显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。

2、用AMOS做路径分析如何调整混杂因素

混杂因素？您是说指控制变量吧？ 控制变量的处理可以和平时的回归模型控制变量纳入一样处理，但为了平衡不同因变量的影响源，多数研究在交叉滞后模型中并不纳入控制变量。（咸菜老师，统计软件应用研修室）

3、SPSS如何做路径分析

路径分析用amos，amos以前是spss的一个模块，现在分离出去了，要单独安装，现在出最新的spss21.0和amos21.0，先装spss，再装amos，装amos的时候还会提醒安装最新的.NET Framework，先装好就ok了。

SPSS AMOS 21.0是一款使用结构方程式，探索变量间的关系的软件 ，轻松地进行结构方程建模（SEM） 。快速创建模型以检验变量之间的相互影响及其原因，比普通最客服乘回归和探索性因子分析更进一步 。
Microsoft .NET Framework是用于Windows的新托管代码编程模型。它将强大的功能与新技术结合起来，用于构建具有视觉上引人注目的用户体验的应用程序，实现跨技术边界的无缝通信，并且能支持各种业务流程。

4、结构方程模型 和路径分析的区别，原理是否一样？

一个完整的结构方程模型包含两个部分，一个是测量模型，一个是结构模型，测量模型研究的是潜变量（因子）和显变量（题目或者说测量指标）的关系，简单点说可以认为因子分析就是测量模型，最典型的测量模型就是验证性因子分析；而结构模型是研究潜变量之间或者说因子之间关系的，模型中只有因子而没有测量因子的指标（题项）。
测量模型和结构模型合起来就是一个完整的结构方程模型，二者也可以分开各自单独做。
这里说的结构模型其实就是路径分析，如果要单独去做路径分析，把每个测验的总分或者均分作为因子建模即可，这时候测量指标就不存在了。
这样看，结构方程模型和路径分析其实是同根同源的，路径分析可以认为是完整的结构方程模型的一个部分，二者有从属关系。运算基本原理是一样的，一般都是通过极大似然估计法来估计参数。
主要区别就在于完整的结构方程模型还包含了测量模型，而路径分析没有。显然，如果要做一个完整而严谨的结构方程研究，最好是建立完整的结构方程模型。

5、路径分析的步骤

路径分copy析在于研究模型影响关系，用于对模型假设进行验证。

针对路径分析的步骤上，SPSSAU建议分为以下三个步骤，分别为：

第一步：建立模型。并初步查看模型拟合结构，回归系数显著性等；

第二步：调整模型。如果拟合指标不达标(比如RMSEA值过大)，此时共有两种模型调整办法，第一种办法是结合“回归影响关系-MI指标表格”结果及专业知识情况，重新调整模型；第二种办法是设置“模型协方差调整”MI指标参数。多次重复调整模型，直至拟合指标在标准范围内即可。

第三步：分析模型。待模型拟合指标达到标准后，对模型进行详细分析和说明。

建议使用SPSSAU路径分析及智能文字分析操作起来更加便利。

6、ai 中路径的混合

1.混合工具可以用在两个或两个以上的对象间,对象可以是封闭的或开放的路径,甚至群组对象,复合路径以及蒙版对象都适合混合功能.
2.混合工具适合于单色填充或渐变填充对象中,但是对图样填充只能做形状的混合,填充的部分则不适用于做混合功能.
3.混合对象后会自动结成一个新的混合对象,并且可以被编辑的,只要改混合任何一个关键对象,混合就会自动更新.
操作方法：
选择混合工具,将鼠标接近一个对象单击则会讲此对象设置为混合起始对象,接着再靠近另一个对象单击则会将此对象设置为混合目标对象,从而完成一个混合结果.

7、结构方程模型 和路径分析的区别，原理是否一样

一个完整的结构方程模型包含两个部分，一个是测量模型，一个是结构模型，测量模型研究的是潜变量（因子）和显变量（题目或者说测量指标）的关系，简单点说可以认为因子分析就是测量模型，最典型的测量模型就是验证性因子分析；而结构模型是研究潜变量之间或者说因子之间关系的，模型中只有因子而没有测量因子的指标（题项）。
测量模型和结构模型合起来就是一个完整的结构方程模型，二者也可以分开各自单独做。
这里说的结构模型其实就是路径分析，如果要单独去做路径分析，把每个测验的总分或者均分作为因子建模即可，这时候测量指标就不存在了。
这样看，结构方程模型和路径分析其实是同根同源的，路径分析可以认为是完整的结构方程模型的一个部分，二者有从属关系。运算基本原理是一样的，一般都是通过极大似然估计法来估计参数。
主要区别就在于完整的结构方程模型还包含了测量模型，而路径分析没有。显然，如果要做一个完整而严谨的结构方程研究，最好是建立完整的结构方程模型。

8、如何通过路径分析得出可能的结果

Windows关机步骤涉及到Windows多个组件和多个过程，简单的说，Windows的关机步骤不是大多数人认为的那么简单。基本的过程是这样的:

1. 用户发起关机指令以后，发起关机指令的程序会通知Windows子系统CSRSS.EXE，CSRSS.EXE收到通知以后会和Winlogon.EXE做一个数据交换，接着由Winlogon.EXE通知CSRSS.EXE开始关闭系统的流程 。

2. CSRSS.EXE收到Winlogon.EXE的通知以后，会依次查询拥有顶层窗口的用户进程，让这些用户进程退出。如果某一个用户进程在一个默认的超时时间5000毫秒(可以通过修改注册表键值HKEY_CURRENT_USER\Cont rol Panel\Desktop\ HungAppTimeout设定超时时间)内没有退出的话，Windows会显示一个结束任务对话框用于询问用户是否结束这个任务。默认情况下将显示这个对话框并一直保持而不会自动关闭。对于控制台程序来说，基本情况类似，只不过Windows使用HK EY_CURRENT_USER\Control Panel\Desktop\ WaitToKillAppTimeout值来设置超时时间。

3. 接着是轮到终止系统进程了。系统进程包括SMSS.EXE、Winlogon.EXE、Lsass.EXE等。Windows在终止系统进程的时候并不像终止用户进程那样如果无法在规定时间内终止则提示用户，而是跳过这个进程，去执行下一个系统 进程的终止操作。使用的超时时间和第2步使用的时间相同。

上述3个步骤是整个Windows关机过程中最耗费时间的一段，大多数关机缓慢的原因都是因为这3个步骤引起的。完成前3个步骤以后，进入了关机操作的第4个阶段，也是最后一个阶段。

4. Winlogon.EXE调用一个原生API函数NtShutdownSystem()来命令系统执行后面的扫尾工作。在这个阶段里面，Windows执行子系统会完成最后的关机操作，例如:设备驱动在这个阶段里面完成一些驱动设定的特殊操作; 也是在这个阶段，配置管理系统将被修改过的注册表数据会写道磁盘里面。等除了电源管理以后的全部子系统完成退出以后，电源管理完成最后的操作:如重启、关机等。

了解了Windows的关机流程以后，下面分析一下前面说的快速关机操作是怎么完成的。先分析一下SuperFast Shutdown的原理，SuperFast Shutdown是使用Visual Basic编写的，体积很小，就15KB，经过分析以后得出一个令人惊讶的结论:SuperFast Shutdown首先使用RtlAdjustPrivilege()提升自己的权限，然后直接调用NtShutdownSystem() 函数来完成关机过程。由于跳过了最为耗费时间的前3个步骤而直接进入第4个步骤，所以造成了能够很快关机的假象。

再看看任务管理器的快速关机是如何实现的:分析结果也是类似于SuperFast Shutdown的原理，也是通过省略一些步骤来加快关机的速度。

那么，为什么在快速关机以后会出现设置丢失的情况呢?原因在于前3个步骤里面有一个让进程正常退出的可能。大多数软件在编写的时候会把一些设置保存在自己私有的内存空间里面，当软件关闭的时候才把这些设置回写到特定的地方，如注册表或某个配置文件里面 。而关机操作的第4步并没有提供一种途径能够让这些设置记录下来，因为这个阶段Windows已经认为前面所有必须经过的流程已经完成，剩下的就是Windows核心组件的退出的问题了。在这种情况下，使用快速关机导致设置丢失也不足为怪了。
因此，为了你系统的健康，关机还是按照正

9、如何写路径分析的指令

您好，我目前想做一个路径分析，但不知道程序应该怎么写，也找不到相关资料。想跟您请教一下，
用Lisrel或是Sas怎么做呢？
我的外生变量很多（超过25个），包括一些个人背景的、家庭和同伴特征的，请问是否能通过主成分来缩减指标呢？
如果两个内生变量之间是相关的关系，那么在写方程时是否也要把相关关系写上呢？
庄主@2007-03-13:
为了便于其他读者的理解，我先交待一下路径分析 (path analysis) 的简单背景。
路径分析可以用作多种目的：一是将因变量之间有关系的的若干个回归模型整合在一个模型里，以助分析和表达的完整和简洁；二是在该整合模型中的各自变量对各因变量的“总影响”(total effects) 分解为“直接影响“(direct effects) 和“间接影响”(indirect effects)，如果发现间接影响较大，那就有理论价值了（当然，如下所示，很难发现大的间接影响）；三是通过直接影响和间接影响的比较来验证一个自变量是否为“中介变量”(mediating variable)，即其直接影响不显著而间接影响显著（上面已说过，不容易发现间接影响、如果同时又要其直接影响不显著，那就更难了）。
如此看来，路径分析是个好东西（不好意思，赶了一回时髦）。其从1960年代兴起，1970-80年代已十分流行。我在Indiana念博士时，学院里的老师常用路径分析做研究。后来学了SEM（结构方程模型），才知道路径分析有“含测量误差”和“不含测量误差”两种。前者只研究自变量和因变量之间因果关系，即SEM中的structural model（结构模型）那部分（见图一），而后者则加上了各变量的CFA（验证性因子分析)，也即SEM中的measurement model（测量模型）那部分（图二）。
如何写路径分析的指令（转载） 如何写路径分析的指令（转载）
好了，现在直接回答你的问题。问题1从字面上看，只涉及结构模型那部分，所以比较简单、容易。这种路径分析，不仅可以用LISREL、SAS或其它SEM软件，其实也可以用SPSS等通用统计软件，其结果是一样的。先说在SPSS中如何做。图一是我日前在“Confirmatory regression vs. hierarchical regression" 一文中举的例子相仿（当时只用了三个公式，没有此图）。如前文中所说，因为该模型中有两个因变量（或内生变量，endogenous variables），所以需要建立两个回归模型，分别为公式一和二，其中变量名和系数名有些改动，系数分别记为b和g，是为了与LISREL用法一致，b表示一个内生变量（如W）对另一个内生变量（如Y）的影响、g表示一个外生变量（如X）对一个内生变量（如W或Y）的影响：
Y = b0 + g1X + b2W （公式一）
W = g0 +g2X （公式二）
在SPSS中，就按上述两个公式分别做一个回归分析。如果你习惯用SPSS指令的话，其syntax分别为：
Regression Dependent=Y/Enter X, W.
Regression Dependent=W/Enter X.
然后将两个回归分析所得到的回归系数填入图一，此时要用standardized Beta（即 B1、B2、G1分别为公式一和三中b1、b2、g1的标准化值），就得到了路径分析。当然，这里的B1、B2、G1都是直接影响，我们还不知道年龄对Y的间接影响和总影响（注：上网时间对Y只有直接影响没有间接影响，所以其总影响＝直接影响），但这可以用手算：
X对Y的间接影响 = G1 X B2 （公式三）
X对Y的直接影响 = X对Y的直接影响 + X对Y的间接影响 = B1 + G1 X B2 （公式四）

由于G1 和B2 都是取值0和±1之间，其乘积一般不大。比如，G1 = 0.5、B2 = 0.5，其乘积只有0.25。而在含有测量误差的回归中，达到0.5的系数很少见，更常见的是在0.1-0.3之间，那么其乘积只在0.01-0.10之间。这就是为什么间接影响一般不大的原因。通过SPSS做的路径分析，因为没有将每个变量的测量误差考虑进去，所以是我上面说的“含测量误差”路径分析。同时，因为它是将数个回归分析加以组装（assembled）而非整合（integrated），所以又可以称为“组装型”路径分析。
如果用LISREL呢？大家也许知道，LISREL可以用公式（SIMPLIS）或矩阵 (matrices) 来写。前者容易，其syntax如下 (其中“...”部分为数据定义和其它指令，这里省略了)：
...
RELATIONSHIPS:
Y = X W
W = X
LISREL OUTPUT EF ...
...
前三句于SPSS Regression的syntax相仿，最后一句中的 "EF" 是要求LISREL输出间接影响和总影响的结果，不仅不需要手算了、而且会给出间接影响（即公式四）和直接影响（公式五）的显著检验，而SPSS是无法提供这些显著检验的。
用LISREL矩阵指令的人越来越少，属于“斩蛟龙”之术，这里不介绍。如果你问的就是矩阵指令，请告知。
显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。