结构方程模型

章节摘录

版权页：插图：实际研究中，连续结局测量的观察值经常会呈现非正态分布，而且观察值还会大量聚集于零值上。这样的测量也称为半连续性测量（semi-continuous mea-sure）。处理这类结局测量的传统方法有以下几种：（1）将非正态分布的连续结局测量进行对数转换，以改善其分布。但这种方法不能解决测量值中零值过多的问题。（2）将数据重新编码为二分类变量（即将非零观察值编码为1，零观察值仍然为0），用逻辑斯谛（1ogistic）回归分析该二分类变量。这种方法将会丢失非零观察值中大量的重要信息。（3）用两部式模型（two-part model）分析处理此类零值集中的数据。该模型是20世纪80年代早期在计量经济学科中发展出来的（Duan，Manning，Morris＆Newhouse，1983）。计量经济学两部式模型建立两个独立模型，用一个方程（通常用逻辑斯谛或PROBIT回归）分析一个二分类变量（0——如果结局测量为零值；1——如果结局测量为非零值）；用另一个方程（多元回归）分析结局测量的非零连续测量值（Wanning，Duan＆Rogers，1987）。就是说，将半连续性结局测量分成两部分分别建模、分别估计。这种方法的问题在于，它假设数据中出现非零值的似然性与结局观察值中非零值的频数不相关。从统计学的角度上说，即假设两个回归方程中的残差项（residua1 terms）不相关。而忽略残差项的这种关联可能会在参数估计中引起偏倚（Olsen＆Schafer，2001）。为了处理这个问题，Tooze，et a1.（2002）提出了混合效应混合分布模型，并编制了s.AS程序，用于分析纵向研究中的半连续性结局测量数据。

书籍目录

1.1 模型表述

1.1.1 测量模型

1.1.2 结构模型

1.1.3 模型表达方程

1.2 模型识别

1.3 模型估计

1.4 模型评估

1.5 模型修正

附录 1.1 将总体方差／协方差表达为模型参数的函数

附录 1.2 结构方程模型的最大似然函数

第二章 验证性因子分析模型

2.1 验证性因子分析模型基础知识

2.2 连续观察标识的验证性因子分析模型

2.3 非正态与删截连续观察标识的验证性因子分析模型

2.3.1 非正态性检验

2.3.2 非正态数据的验证性因子分析模型

2.3.3 删截标识的验证性生因子分析模型

2.4 分类观察标识的验证性因子分析模型

2.5 高阶验证性因子分析模型

附录 2.1 BSI-18 量表

附录 2.2 条目可靠度

附录 2.3 Cronbacha系数

附录 2.4 分类结局测量的连接函数和概率计算

第三章 结构方程模型

3.1 MIMIC模型

3.2 结构方程模型

3.3 单标识变量中测量误差的校正

3.4 检验涉及潜变量的交互作用

附录3.1 测量误差的影响

第四章 潜发展模型

4.1 线性潜发展模型

4.2 非线性潜发展模型

4.3 多结局测量发展过程的线性潜发展模型

4.4 两部式潜发展模型

4.5 分类结局测量的潜发展模型

第五章多组模型

5.1 多组验证性因子分析模型

5.1.1 多组一阶验证性因子分析模型

5.1.2 多组二阶验证性因子分析模型

5.2 多组结构方程模型

5.3 多组潜发展模型

第六章结构方程建模的样本量估计

6.1 结构方程模型样本量估计的经验法则

6.2 satorra-Saris法估计样本量

6.2.1 应用satorra-Saris法估计CFA模型的样本量

6.2.2 应用satorra-Saris法估计LGM模型的样本量

6.3 蒙特卡罗模拟法估计样本量

6.3.1 蒙特卡罗模拟法估计CFA模型的样本量

6.3.2 蒙特卡罗模拟法估计LGM模型的样本量

6.3.3 蒙特卡罗模拟法估计具有协变量的LGM模型样本量

6.3.4 蒙特卡罗模拟法估计具有协变量和缺失值的LGM模型样本量

6.4 基于模型拟合统计量／指标的SEM样本量估计

编辑推荐

《结构方程模型:方法与应用》是应用统计学丛书之一。

作者简介

《结构方程模型:方法与应用》以通俗易懂的方式系统地阐述结构方程模型的基本概念和统计原理，侧重各种结构方程模型的实际运用。《结构方程模型:方法与应用》采用国际著名SEM软件Mplus，使用真实数据来演示各种常见的以及某些新近发展起来的较高级的结构方程模型，提供相应的Mplus程序，并详细解读程序输出结果。参照《结构方程模型:方法与应用》提供的例题和相应的计算机程序，读者便能自己实践各种SEM模型。《结构方程模型:方法与应用》可作为大学社会科学及公共卫生学院研究生以及统计和生物统计专业本科生教材，也可作为相关学科的研究人员从事统计分析的工具书。

图书封面

---

 结构方程模型下载

---