标题: 有关AMOS的一些问题请教-标准化系数大于1 [打印本页]
作者: 结构方程 时间: 2011-7-5 07:21 标题: 有关AMOS的一些问题请教-标准化系数大于1
我在做AMOS路径分析的时候,得出的结论中因果关系路径图的标准化回归系数的绝对值有很多大于1(包括负向关系),有的甚至达到12点几。
我在很多文献中看到这些系数应该是介于0-1之间,为什么会出现上述情况呢,请高人指教。
作者: 考博论坛 时间: 2011-7-5 07:26
那非标准化解的情况呢?
如果标准化解的范围不在-1—1之间,通常都会认为是“违反估计”,主要还是模型设定的问题
作者: 因子分析 时间: 2011-7-5 07:31
非标准的解也更大了
不是一般的违反估计是用于测量模型的么,为什么路径系数中也会存在违反估计呢?
那如果是模型设定的问题,那应该怎么去修正呢?
作者: 结构方程爱好者 时间: 2011-7-5 07:36
你首先看看你的note,有没有出现什么奇怪的描述!
作者: spssamos 时间: 2011-7-5 07:41
关于这个问题你可以先看看《结构方程模式:理论与应用》(黄芳铭)的144页,虽然里面讲的也比较简单。
作者: 华南心理学 时间: 2011-7-5 07:46
多谢多谢
作者: variable 时间: 2011-7-5 07:51
第一,要看所用样本数据类型;
第二,要看模型设定有无误设;
第三,模型修正合理否。
当然,SEM中有些说不清的问题............
作者: spssamos 时间: 2011-7-5 07:56
note里显示有一个测量变量的误差是负数,应改怎么办?
作者: 统计分析 时间: 2011-7-5 08:01
我也遇到过标准化系数大于1 现象,通常采取删除一个或几个路径的办法处理。
作者: 因子分析 时间: 2011-7-5 08:06
同问
作者: 结构方程爱好者 时间: 2011-7-5 08:11
以下是引用崔洪弟在2009-1-6 9:37:00的发言:
我也遇到过标准化系数大于1 现象,通常采取删除一个或几个路径的办法处理。
个人认为这个方法不可取,SEM中的每一条路径的构建都需要有理论支持,删除路径同样也需要充分的理论说明,而不是单纯地以追求数据和模型的优良拟合为最终目标。个人之见,仅供参考!
作者: pabbs 时间: 2011-7-5 08:16
关于结构方程模型结果标准化系数大于1的问题:
很多结构方程的初学者都会遇到这个问题!
即通常所说的“违犯估计”的问题。
所谓违犯估计是指结构模型或测量模型中统计所输出的估计系数超出可接受的范围。
导致这种情况出现的原因是多样的,主要有:1、样本量小,关于样本量的问题,请参考结构方程中“大样本”的规定;2、潜变量指标过少,导致模型不稳定,一般指标要求4个左右最为稳定;3、抽样的问题;4、模式的界定,这种错误是初学者最容易犯的,即模型本省的界定有问题;5、outlier(异常值)的影响,应先对异常值进行处理;6、缺失值的不当处理。等等原因。
违犯估计通常有三种情况:
1、误差出现负值;
2、标准化系数大于0.96即接近或超过了1;
3、标准误过大;
一般的做法,首先要重新评估你模型中的路径!很可能是你的模型本身的问题。最好的方法是根据上述所说的原因进行逐条检查!!
作者: amos 时间: 2011-7-5 08:21
那不标准化 可以进行解释吗
作者: database 时间: 2011-7-5 08:26
我的建议是: 看看探索性因子分析的结果与验证性因子分析的结果是不是不一致 如果不一致 出现标准路径系数大于1时正常的 所以眼下楼主有必要查查探索性因子与验证性因子分析的结果是不是一致 不一致 就通过数据的调整 将其调整一致 之后再进行操作一遍 这个时候 估计有不会出现这个问题 楼主不妨试试
作者: wmhhotel 时间: 2011-7-5 08:31
大於1表示可能自變數之間具高度共線性造成
作者: database 时间: 2011-7-5 08:36
探索性因子分析与验证性因子分析在amos中的实现有什么不同?初学者提问。我们一般直接用的就是验证性因子分析吗?
作者: sopheia 时间: 2011-7-5 08:41
可以参考王卫东的《结构方程模型原理与应用》第148页,摘录如下:
当迭代最终收敛,给出了一个参数估计值时,结构方程模型的参数估计仍然可能是有问题的。审视一下各参数估计值,也许会发现:1误差方差或因子方差为负;2 标准化负荷大于1;3相关系数大于1;4参数的标准误巨大。这些现象被总称为广义的Heywood问题。当存在Keywood问题是,参数估计的结果是不合理的,究其原因,主要有三点:1.模型设定太复杂;2.变量之间存在多重共线性;3.测量模型的过度因子化,即在测量模型的设定中,只有一个指标的负荷过大,其他因子的负荷都很微弱,仍然坚持使用这个测量模型。应对Keywood问题,可以采取的手段有几种:1.重新修订模型;2.去除多重共线性;3.采用新的估计方法。
欢迎光临 结构方程论坛SEM-Structural·Equation·Modeling (http://www.semchina.net/) |
Powered by Discuz! 7.2 |