AMOS分析技术:模型整体拟合度指标

基础准备

上篇文章,草堂君介绍了如何检验结构方程模型的拟合效果,包括整体模型拟合度指标、测量模型质量指标和结构模型质量指标,其中分析测量模型和结构模型质量的方法是我们前面介绍过的因子分析和路径分析,大家可以点击下方文章链接回顾:

草堂君今天将用一篇文章来介绍反映结构方程模型整体拟合度好坏的指标,因为接下来具体介绍AMOS的分析文章时,这些结果的计算原理和公式将省略。


整体模型拟合度指标

前面介绍结构方程模型拟合原理时,描述过其原理就是对比实际数据得到的变量之间相关系数矩阵(协方差矩阵)与假设理论模型推导出的变量相关系数矩阵(协方差矩阵)的差异,如果差异小于分析者设置的显著性界限值,那么就可以认为假设模型与实际数据之间的拟合程度良好。下表是AMOS能够输出的整体模型拟合度指标,眼花缭乱吧。其实它们都是根据差异算出来值,只不过计算的考虑因素不同罢了。

绝对拟合度指标都是从理论模型矩阵与实际数据矩阵出发导出的。增值拟合度指标对比的是假设模型与独立模型。综合拟合度指标将变量个数考虑进入模型拟合度中,可以用于不同变量假设模型的拟合度比较。下面我们一一介绍上面这些指标的计算原理和计算公式,帮助大家好好理解。因为从这些指标的计算逻辑可以知道它们的优缺点,什么情况应该使用哪个指标作为参考。


卡方值

卡方值的大小表示整体模型包含的变量相关关系矩阵(因果路径图)与实际资料的相关关系矩阵的拟合度。卡方值越小,表示两者差异越小,即差异越不显著(p<0.05),卡方值等于0,表示假设模型与实际数据完全适配。卡方值的计算公式如下:

由此可见,卡方值的大小受变量数目和数据量的影响很大,变量数目越多(矩阵越大),卡方值越大;数据量越大(数据量n),卡方值也会变大,它们都容易造成卡方值超过显著性界限,使得卡方检验结果拒绝原假设,也就是假设模型与实际数据无法拟合。在AMOS分析结果中,用CMIN表示极大似然比卡方值。


卡方自由度比

因为卡方值容易受到变量数和样本数的影响,非常敏感,所以容易出现假设模型与实际数据拟合度差的情况,因此有些学者将卡方自由度比作为考量模型拟合度的指标,这样就消除了变量数(自由度=变量数-1)对拟合结果的影响。一般而言,卡方自由度比介于1到3之间时,表示假设模型的拟合度可以接受。


RMR/SRMR/RMSEA

RMR(Root Mean square Residual)表示实测矩阵与模型矩阵相减后,获得残差平方和的平方根,可以理解成拟合残差。当两个矩阵差异很小时,RMR值也会很小。因为RMR值会受到变量之间单位不同(测量尺度不同)的影响,因此会出现变量不同,RMR值大小无法比较的情况。基于这个原因,如果将残差进行标准化,就出现了另一个拟合指标SRMR(Standardized Root Mean square Residual),表示标准化残差平方和的平方根。一般而言,RMR值和SRMR值在0.05以下时可以接受。RMSEA(Root Mean Square Error ofApproximation)表示渐近残差平方和的平方根。其计算公式为:

当模型能够完全拟合实际数据时,差异函数值等于0,此时,RMSEA值等于0。一般来说,当RMSEA值高于0.1以上时,表示模型的拟合度差;如果RMSEA值小于0.05,表示模型的拟合度是可以接受的。


GFI/AGFI

GFI(Goodness of FitIndex)称为拟合度指数;AGFI(Adjusted Goodnessof Fit Index)表示调整后拟合度指数,消除了自由度对GFI影响。GFI和AGFI的计算公式如下所示:

从上面的公式可以知道,GFI值用1减去实际数据矩阵与模型矩阵之间的差异,占实际矩阵与独立矩阵差异的比例,如果模型矩阵与实际数据矩阵拟合度很好,那么GFI值越接近1,相反,如果拟合度越差,那么GFI值越小。一般来说,GFI值大于0.9,表示模型拟合度好。与GFI值的分析原理一样,只不过AGFI考虑了模型自由度,AGFI的值大于0.9以上,表示模型拟合度好。


ECVI

ECVI(ExpectedCross-Validation Index)为期望复核指数。ECVI值主要功能在于探究同一总体中,抽取同样大小的样本数,检验同一个假设模型是否具有跨效度的效应,它所测量分析的是样本协方差矩阵与其它大小相同的样本所获得的协方差矩阵的差异值。ECVI公式为:

ECVI值越小,表示不同组样本间的一致性越高,由于无法检验ECVI值的显著性,因此常用于不同模型间拟合度的比较。当一个假设模型具有良好的ECVI值,表示李理论模型具有预测效度,即此模型能够用于不同的样本。

 

NCP/SNCP

NCP(Non-CentralityParameter)表示非集中性参数。因为获得的实际数据是样本数据,其是否能够反映真实变量的关系无法确定。NCP和SNCP值的计算公式为:

由此可见,NCP值的目的在于降低样本数对卡方值的影响。NCP值虽然能够在一定程度上降低样本数对卡方值的影响,但是NCP值依旧是根据原始的样本数计算的。因此又提出了SNCP(Scaled Non-Centrality Parameter),除以样本数N。在AMOS结果中,会展现NCP值90%的置信区间,如果置信区间包含0,表示模型有不错的拟合度。


NFI/NNFI/IFI/BFI

以上这四个指标为增值拟合度指标。增值拟合度指标通常是将待检验的假设理论模型与独立模型进行比较,以判别模型的拟合度。增值拟合度指标包括四个:NFI/NNFI/IFI/BFI。它们的计算公式为:

NFI值、NNFI值、IFI值和BFI值通常介于0到1之间,越接近1表示模型拟合度越好,越小表示模型拟合度越差。NNFI值和IFI值有可能大于1。一般来说,上面四个指标大于0.9以上,表示假设模型的拟合度好。


AIC/CAIC/BIC

以上三个指标称为综合拟合指标。AIC称为赤池信息准则,该指标将待估计变量个数考虑进假设模型拟合度中,可以用来比较两个具有不同潜在变量数量模型的拟合度好坏。CAIC指标将样本大小的影响也考虑到模型拟合度程度计算中。BIC称为贝叶斯信息准则,它同时考虑样本量和变量个数的影响,只不过计算过程不同。它们的计算公式如下:

由此可见,以上三个指标越小,表示模型的拟合度越好。因为它们考虑和变量数和样本量对卡方值的影响,因此,可以用于比较包含不同变量数的模型。


PNFI/PGFI/CN值

上面介绍过NFI值和GFI值,它们的对比不同,NFI比较假设模型与独立模型的差异,而GFI比较的是残差矩阵。因为差异都会受到变量数和样本数的影响,因此不能用于不同变量数和样本数模型的比较,但是如果将自由度考虑进来,就能够比较这些模型的拟合度优劣了,那个模型的指标值小,那个模型的拟合度好。它们的计算公式为:

CN值为临界样本数,它表示假设模型如果要与实际数据达到优良的拟合度,需要多少个样本才能够达成。一般来说,CN值大于200,表示假设模型可以反映实际数据的性质。CN值的计算公式为:


拟合度指标界限值

上面介绍了很多拟合度指标,大家不需要将所有的公式都记住,只需对它们的分析原理有所了解就可以了。下面是草堂君整理的表示假设模型拟合度优良的临界值。


教学视频文件和AMOS软件安装包已经同步分享到QQ群中,需要的朋友可以前往下载。QQ群号见下方温馨提示。今后文章的案例数据文件都会分享到QQ群。


温馨提示:

  • 数据分析课程私人定制,一对一辅导,添加微信(possitive2)咨询!

  • 生活统计学QQ群:134373751,用于分享文章提到的各种案例资料、软件、数据文件等。支持各种资料的直接下载和百度云盘下载。

  • 生活统计学微信交流群,用于各自行业的数据研究项目及其成果交流分享;由于人数大于100人,请添加微信possitive2,拉您入群。

  • 数据分析咨询,请点击首页下方“互动咨询”板块,获取咨询流程!

  • 18
    点赞
  • 146
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
AMOS(Analysis of Moment Structures)是一款结构方程模型(Structural Equation Modeling,简称SEM)软件,用于进行中介效应分析。下面是使用AMOS进行中介效应分析的步骤和方法。 首先,我们需要准备数据。数据用于构建结构方程模型,通常包括自变量、中介变量、因变量以及其他相关变量的测量数据。确保数据的可靠性和合法性非常重要。 接下来,对数据进行描述性统计和相关性分析。这有助于了解变量之间的关系和特征,并为进一步分析做好准备。 然后,我们需要构建初始的结构方程模型模型中包括自变量、中介变量和因变量之间的路径(直接效应),以及自变量对中介变量的路径和中介变量对因变量的路径(间接效应)。通过指定路径系数示变量之间的关系。 接着,使用AMOS模型拟合功能来评估模型拟合拟合指标包括χ²值、自由、均方误差逼近指数(Root Mean Square Error of Approximation,简称RMSEA)、标准化拟合指数(Standardized Root Mean Square Residual,简称SRMR)等。根据拟合指标判断模型是否符合数据。 如果模型拟合不好,可以尝试修改模型。常见的修改方法包括增加或减少路径、删除不显著的路径、修改测量指标等。 最后,通过估计路径系数和进行假设检验来分析中介效应。路径系数变量之间的变化关系,可以直观地了解中介效应的大小和方向。假设检验用于验证路径系数是否显著。 综上所述,使用AMOS进行中介效应分析的步骤包括数据准备、模型构建、拟合评估、模型修改和中介效应分析AMOS提供了强大的功能和用户友好的界面,使中介效应分析变得更加方便和高效。但要注意,中介效应分析需要综合考虑理论基础和实际情况,避免误导性结论。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值