AMOS从零到基本操作入门(转载)

AMOS软件究竟用来干什么?

一般的研究论文的数据分析部分少不了对样本的描述,对变量进行探索式因素分析,然后再利用多变量分析技术或SEM来进行数据分析,最后提出研究结论(验证假说),提出建议。

什么是SEM?

结构方程模型,英文名Structural equation modeling, 简称SEM,是一种融合了因子分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。

我们常见的因子分析法,一般用SPSS软件就可以分析。

但其实因子分析法是两种分析形式的统一体,即验证性分析和纯粹的探索性分析。

探索性因子分析法,英文名Exploratory Factor Analysis,简称EFA,是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。因而,EFA能够将具有错综复杂关系的变量综合为少数几个核心因子。这个可以用SPSS分析。

验证性因子分析,英文名为confirmatory factor analysis,简称CFA,是用于测量因子与测量项(量表题项)之间的对应关系是否与研究者预测保持一致的一种研究方法。主要目的在于进行效度验证,同时还可以进行共同方法偏差CMV的分析。这个就是AMOS的操作分析啦。

CMV又是什么?

共同方法偏差,是指由于测量外部的某些因素导致数据出现集中的偏差。换句话说,测量的差异是由于研究本身(或其他),如测量工具、问题构成或测量环境等导致的。

如果目的在于进行共同方法偏差(CMV)分析,常见的做法为:将所有的测量项(即所有因子对应的测量量表题项)放在一个因子里面,然后进行分析。

基于上面的了解,让我们来看看SPSS与AMOS所发挥的功能。

SPSS

Amos

因子分析

EFA

CFA

多变量分析

方差分析、判别分析、回归分析、多元尺度法

建立SEM,进行路径分析

多群组分析、Bootstrapping

那下面就让我们简单认识一下AMOS环境。

一、AMOS界面主要分为三个区域。左边是工具箱,中间是显示区,右边是绘图区。

二、工具箱:点击【Diagram】,列出了如下图的常用对象。

三、下面介绍几个比较重要的工具箱的对象,如截图:

四、画一个路径图

我们可以通过建立一个路径图来熟悉一下各个工具对象的使用。

1、绘制潜在变量

直接选择,在绘图区按住鼠标左键从左往右拉,就可以绘制潜在变量

2、选择,改变图形的大小

3、选择,在潜在变量框点击一下,就绘制出一个指标变量,每多点一下就会多出一个指标变量

4、选择,就可以上下移动指标变量

5、选择,就可以旋转指标变量90度

6、选择,就可以将需要的图形全选

7、选择,就可以复制需要的全选图形,不需要一个个去绘图

8、选择,可以建立变量之间单向联系或者双向联系

9、选择,可以绘制误差变量

10、选择,可以移动需要移动的图形

11、选择,魔术棒,美化一下我们绘图

12、选择,可以删除掉不需要的图形

这样我们就绘制出一个简单的路径图了,如下图。

下一阶段,构建画出分析的路径图后,接下来我们需要读取建立模型的数据,分析变量的属性,计算各个系数的估计值,浏览输出结果并分析和修正模型。

待续~~~AMOS从分析修正到论文。

原文来自AMOS从零到基本操作入门

想要学习更多知识,欢迎关注wx公z号程式科技。

 

AMOS(Analysis of Moment Structures)是一种结构方程建模(Structural Equation Modeling, SEM)软件,它是由美国芝加哥大学的布赖恩特·毕宾格(Bryant M. Bentler)教授于1980年开发的。AMOS软件的主要用途是对复杂的统计数据进行分析,用于验证和构建理论模型。 AMOS结构方程模型是一种统计分析方法,旨在评估观测数据和潜在变量之间的关系。与传统的统计方法不同,AMOS能够综合考虑多个变量之间的相互作用,并提供一个完整的模型来解释数据。它基于随机样本检验和拟合优度指标,用于评估模型的拟合度和合理性。 在AMOS中,结构方程模型由指标(observed variables)和潜在变量(latent variables)组成。指标是可直接观测或测量的变量,而潜在变量是无法直接观测或测量的概念性变量。通过建立指标和潜在变量之间的关系模型,可以分析和验证指标对潜在变量的影响,同时也可以研究潜在变量之间的相互作用。 AMOS提供了一系列的统计技术和工具,包括路径分析(path analysis)、因素分析(factor analysis)、回归分析(regression analysis)等。通过这些技术,研究者可以进行模型估计、参数估计、模型拟合度检验等操作,以得出对研究问题的答案和结论。 总之,AMOS结构方程模型是一种高级统计方法,用于分析和验证观测数据和潜在变量之间的关系。它为研究者提供了一种全面和系统的方式来理解和解释数据的内在结构,从而得出科学、可靠和有意义的研究结果。
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