出版时间:2009-2 出版社:中国轻工业出版社 作者:邱皓政 页数:452
Tag标签:无
前言
统计方法的进步,在计算机技术发达的今天尤其神速,新的理论与方法不断被提出。这不但丰富了统计科学本身,更扩展了社会科学等应用研究者的视野。一些基于不同原因而无法跟随当代技术与时俱进的研究者们,则逐渐落后于创新的步伐,逐渐退出学术的舞台。与其说这是社会进化发展的一种现实,不如说是整个学术界得以蜕变跃进的关键契机。 就我在大学讲台授课以来的一甲子光阴中,确实见证了这个变迁的脉络。从统计学来说,从最简单的次数分布表与百分比,到平均数的t检验与实验方法所依据的方差分析,一直到多元变量的因素分析与回归分析,这些方法与技术虽已逐渐成为国内高校教材中的标准课题,但更高级的统计模型原理与技术也应纳入学生学习的范围。另外就测验领域来说,传统以经典测量理论所发展出来的测验编制技术,也逐渐扩展得更精细、更宏观(如项目反应理论、结构方程模型等)。尤其是20世纪70年代所发展出来的结构方程模型,到今天已经是一套完整的统计模式,能够整合潜变量的界定与测量,分析复杂变量结构,处理多重抽样结构数据,可以有效解决研究者面对不同研究课题的多样性需求,从而被视为一门统计方法学,在过去几十年间独领风骚。关于结构方程模型的原理与应用,邱皓政教授的书中有详细的说明。近年来,结构方程模型结合非线性模型与多层次模型的概念,正向着更一般化的方向发展。 在教育与管理领域进行的研究,除了面对潜变量测量与分析之外,另一个现实是研究者所面对的总体带有层级结构,例如教育系统中的学生一教师一学校一省市一国家,管理研究中的员工一主管一部门一公司一地区一产业,因此研究者在规划研究课题时,就必须具备多层次数据分析的思维与设计,注意样本的独立性假设是否成立。善用这种模型的研究者,将可以从同一批数据中有更多的发现,有兴趣的读者可以在温福星教授的著作中得到这方面的详细说明。
内容概要
结构方程模型被誉为应用统计的第三次革命,在20世纪80年代以来席卷整个社会科学领域,是新一代学者必备的统计方法学知识。 本书提供了一套从概念原理,到操作技术,再到运用范例的整合性知识,并以作者多年研究实务与丰富教学经验,承袭过去著作风格,以简明流畅的文字,配合LISREL、AMOS、Mplus三种软件的介绍与运用,对结构方程模型的操作与解释提供了完整的说明。 对于想要认识结构方程模型,以及对测量、测验与统计领域有兴趣的研究者,或欲以量化研究为其论文写作内容的研究生而言,本书是必读的经典著作。
作者简介
邱皓政,台湾“中央”大学企业管理学系教授,量化研究学刊主编。曾任美国加州大学洛杉矶分校神经医学研究中心统计分析师,台湾心理学会秘书长,台湾统计方法学学会创会理事长。研究兴趣为统计方法与应用技术、心理测量学、工业与组织心理学、创造力与组织创新研究等,专长为结构方程模型与多变量统计方法。著有《潜在类别模式的原理与技术》《结构方程模式》《量化研究法》,译有《多层次模型分析导论》《创造力》。
书籍目录
第一章 结构方程模型概说 第一节 结构方程模型的特性 第二节 结构方程模型的执行 第三节 SEM的执行重点 第四节 结语第二章 结构方程模型的组成 第一节 结构方程模型的变量 第二节 结构方程模型的参数 第三节 模型界定第三章 参数估计与识别问题 第一节 模型识别问题 第二节 参数估计 第三节 参数估计策略 第四节 参数估计的相关议题第四章 模型拟合评鉴 第一节 模型评鉴的基本概念 第二节 模型评鉴的方法 第三节 结语第五章 验证性因素分析与模型修饰 第一节 验证性因素分析原理 第二节 测量模型的内部拟合检验 第三节 验证性因素分析的实例 第四节 验证性因素分析的模型修饰 第五节 AMOS的验证性因素分析 第六节 Mplus的验证性因素分析 第七节 结语第六章 高阶验证性因素分析 第一节 高阶验证性因素分析的概念 第二节 高阶验证性因素分析的实例 第三节 AMOS的高阶验证性因素分析 第四节 Mplus的高阶验证性因素分析第七章 路径分析 第一节 路径分析的基本概念 第二节 路径分析的模型界定与识别 第三节 LISREL的路径分析 第四节 AMOS的路径分析 第五节 Mplus的路径分析 第六节 结语第八章 结构方程模型:统合模型分析 第一节 统合模型的基本概念 第二节 统合模型的分析步骤 第三节 变量组合与聚合 第四节 LISREL的统合模型分析 第五节 AMOS的统合模型分析 第六节 Mplus的统合模型分析 第七节 结语第九章 多样本结构方程模型 第一节 多样本分析的概念 第二节 多样本分析的统计原理 第三节 多样本分析:测量恒等性检验 第四节 AMOS的多样本分析 第五节 MpluS的多样本分析 第六节 多样本分析:复核效化检验 第七节 结语第十章 平均数结构分析 第一节 平均数结构分析的原理 第二节 平均数结构的分析技术 第三节 平均数结构分析:测量模式 第四节 平均数结构分析:统合模型 第五节 结语第十一章 结构方程模型的正确运用 第一节 正确运用SEM的相关议题 第二节 SEM的解释与应用 第三节 结语:SEM的展望附录一 LISREL语法附录二 SIMPLIS语法附录三 LISREL常见问题附录四 SEM操作常见疏失检核表参考文献 中文部分 英文部分英汉术语对照表
章节摘录
第一章 结构方程模型概说 第一节 结构方程模型的特性 一、外显与潜在变量 SEM一个重要的特性是能够对抽象的构念(construct)进行估计与检定。社会与行为研究经常必须处理一些抽象的概念,例如我们想知道“你幸福吗?”。此时,针对抽象的概念,我们必须给予一个操作化的定义,以便能够透过该程序得到具体的数据,用以反映不同个体在该概念上的强度。此时,我们所具体进行测量的变量称为外显变量(manifest variable)、观察变量(observed variable)或测量变量(measuredvariable)。这些可以直接获得数据的变量,若是受到同一个潜在构念的影响,则会具有共同性,反映在变量之间的共变关系上,如果针对这些变量之间的共同性加以估计,得到的一个能够反映该潜在构念的强度的数据,称之为潜在变量(1atentvariable)。 在研究中具体用来获得潜在变量的策略,最典型的代表是因素分析(factoranalysis),因素分析系利用一组测量同一个构念的观察变量来估计背后的潜在变量,传统因素分析针对于观察变量的背后具有哪几个潜在变量以及潜在变量与观察变量之间的关系为何,它无法事前预知,直到数据搜集完成之后,进行变量间的共变关系分析,抽取出最适当的因素,确立一个最佳的因素结构模型,将潜在变量加以命名。此一程序所进行的因素分析,得到的潜在因素即是一种经验性的潜在变量,因而被称之为探索性因素分析。 相对之下,在结构方程模型之中,潜在变量的概念与内涵是基于理论的推导,且潜在变量与观察变量的关系是在资料搜集完成之前即事先提出的假设性概念。然后透过实际所搜集的数据,分析比对假设模型与观察到的数据之间的差异性,决定研究者对于潜在变量所提出的假设性看法是否恰当。以此种模式进行的因素分析称为验证性因素分析,也即是一种先验性、事前的潜在变量定义模式。
图书封面
图书标签Tags
无
评论、评分、阅读与下载