spss 通径分析_通径分析

2.1 通径模型(path model):

通径模型是由一组线性方程组成的，反映自变量、中间变量、潜变量和因变量之间相互关系的模型，是以多元线性回归方程为基础的模型。

2.2 通径图(path graph):

通径图(如图1)可以直观的表现各个变量之间的相互关系。通径图中的单箭头线称为直接通径(如A到D)，简称通径(path)，表示因果关系，方向由原因指向结果。双箭头线称为相关线(correlation line)，表示变量间互为因果，是平行关系(如A与B)。

A B C

D

е

图1 通径图

其中е为误差项。

通径分析中只受到模型之外的其他因素影响的变量称为外生变量，如图1中的A、B、C、е，通径图中没有箭头指向它们。外生变量之间如果有相关关系，则用双箭头线表示。

通径分析中受到模型中某些变量影响的变量称为内生变量，如图1中的D，通径图中有朝内的箭头指向它们。

2.4 通径系数(path coefficient):

通径系数是是用来表示相关变量因果关系的统计量，是标准化的偏回归系数 ，也称作通径权重。通径系数一般用最小二乘法法(OLS)或极大似然估计法(MLE) 来估计｡

<?xml:namespace prefix = st1 ns = "urn:schemas-microsoft-com:office:smarttags" />2.4.1 通径系数的数学表达式

如果我们估计的线性回归方程为:

= + + (1)

或

= + + +e(e为残差)(2)

由于 和 带有量纲，我们不能通过 、 来比较 对 的影响大小。如果要比较 和 对 的影响，需要消除量纲的影响，需要将 、 及e标准化。

由 = + + +e可得:

= + + (3)

公式(2)与公式(3)相减得:

- = - )+ ( - )+e(4)

公式(4)可变换为下式:

= · + · + ·e (5)

公式(5)中 、 、 、 分别表示 、 及e的标准差。 和 分别为自变量 、 的标准化偏回归系数。 为除了自变量以外的其他因素对应变量 的影响大小。如果我们以 、 、和 分别表示 、 和e到 的通径系数，那么:

= , = , =

当我们估计的线性回归方程有多个自变量，且自变量间两两相关时，各自变量及残差到应变量的通径系数的数学表达式同上。

2.4.2 通径系数的性质:

(1)通径系数具有偏回归系数的性质。它是变量标准化后的偏回归系数，能够表示变量间的因果关系，故仍具有偏回归系数的性质。

(2)通径系数具有相关系数的性质。它是一个不带单位的相对数，因而又具有相关系数的性质，是具有方向性的相关系数，能表示原因与结果(自变量与依变量)之间的关系，它是介于回归系数和相关系数之间的一种统计量，可用于各种性状间的相关分析。

(3)通径系数是一个不带单位的相对数。可以用它来估计自变量对应变量直接影响效应的大小，比较其相对重要性。

(4)利用通径系数分析，可以帮助我们建立"最优"多元回归方程。

2.5 决定系数(Determination coefficient)

通径系数的平方称为决定系数，表示自变量或误差能够解释应变量总变异的程度。

3 通径分析的显著性检验

通径分析的显著性检验包括以下四项:

(1) 回归方程显著性检验:采用F检验法;

(2) 通径系数显著性检验:采用F检验法或T检验法;

(3) 通径系数差异显著性检验:采用F检验法或T检验法;

(4) 两次通径分析相应通径系数显著性检验:采用F检验法或t检验法。

一般情况下，第(3)种检验和第(4)种检验在一般的多元线性回归分析中无法实现，因为不同偏回归系数带有不同量纲，但是在通径分析中，这两种检验可以实现。