矩结构分析模型

出版时间：2010-10  出版社：暨南大学出版社  作者：赵守盈  页数：248  
Tag标签：无  

前言

2002年，笔者在北京师范大学攻读博士学位时，正赶上刘红云老师讲授协方差结构模型课程。虽然是在一个大教室里，但仍然容纳不下那些前去听课的学生，所以每次上课之前都必须提前去占位置。尽管在刚开始接触这方面的知识时，还听不大懂，但从听课的人对这方面的知识所表现出来的极大兴趣，笔者认识到学好这一知识的必要性。后来笔者到贵州师范大学给心理学专业的硕士研究生上课，经常会有很多学生问到关于这方面的问题，尽管能够回答学生提出的大部分问题，但还是感觉自己在这方面的知识非常欠缺。作为一名老师，笔者觉得在这一方面做一些钻研，给学生提供更多的帮助是自己的责任。所以这些年来一直没有停止阅读这方面的书籍，也会抓住一切机会向有关专家求教。值得庆幸的是，后来认识了香港中文大学的侯杰泰教授，他是这一领域的权威专家，两次到我校做结构方程专题学术讲座，让笔者收获颇多。侯教授做学问的严谨与执著，做人的谦逊与坦诚深深感染了笔者，笔者也觉得应该在这方面做些力所能及的事。此外，笔者又有幸在2006年得到国家留学基金委的资助，得以到英国曼彻斯特大学访学半年，笔者在那里找到了这方面的一些较为系统的英文资料，经过几年的钻研，结合自己在平常教学与科研工作中的一些感悟，整理出这本书。目的是帮助社会科学领域的广大学生和科研工作人员了解和使用协方差结构模型。无独有偶，有一次去广州参加会议，笔者与暨南大学出版社张仲玲女士偶遇，她答应帮助出版此书，这更增强了笔者的信心。然而，由于平常除忙于教学、科研工作外，还要处理学院事务，使本书的出版拖延了3年多的时间，好在到目前为止关于AMOS的书还没见几本。本书强调了AMOS从入门到精通，既可作为入门读物适合那些对协方差模型了解不多的读者，也可作为参考读物适合那些在这方面较为熟悉的研究人员。前面的内容介绍了一些最基本的概念以及AMOS的最基本的应用实例；后面的内容则对多组样本分析和复合模型技术作了详细介绍，尤其是对其他书上还很少提及的AMOS对缺失数据的处理和Bootstrapping技术的应用作了介绍。另外，书中还对Amos Basic的运用作了较多的分析与讨论。相信这些内容对于那些具有一定基础的读者更深入地认识AMOS的原理和使用是有所助益的。本书以Amos4.0为基础，虽然现在已经有了Amos7.0及更高版本，书中也简要介绍了较高版本的一些知识，但是笔者记得当初学开车时，是用手动档的车来考试，很是吃力，但等到开自动档的车时就感觉特别轻松了。因此，本书从Amos4.0讲起，从基础人手，那么，在使用高版本的.AMOS软件时就会得心应手了。况且，高版本的AMOS和低版本的AMOS相较而言，变化并不是很大，只是使用起来更为便捷了。本书编写过程中的这一做法相信对读者会更有好处。

内容概要

　　《矩结构分析模型：从入门到精通》强调了AMOS从入门到精通，既可作为入门读物适合那些对协方差模型了解不多的读者，也可作为参考读物适合那些在这方面较为熟悉的研究人员。前面的内容介绍了一些最基本的概念以及AMOS的最基本的应用实例；后面的内容则对多组样本分析和复合模型技术作了详细介绍，尤其是对其他书上还很少提及的AMOS对缺失数据的处理和Bootstrapping技术的应用作了介绍。

书籍目录

前  言第一章  SEM简介　第一节  SEM的发展　第二节  SEM的原理与特点　第三节　SEM检验指标第二章AMOS简介　第一节　运行Amos Graphics程序　第二节  运用Amos Basic编写程序　第三节  运用Visual Basic编写AMOS程序第三章  方差、协方差的估计及简单假设检验　第一节  方差、协方差的估计　第二节  方差、协方差的假设检验第四章  假设检验进阶　第一节  相关系数假设检验　第二节  方差、协方差差异显著性检验　——兼谈多组数据的同步分析　第三节  均值的估计和假设检验　第四节  平均数差异检验　——一种供选择的协方差分析第五章  验证性因子分析　第一节  普通验证性因子分析　第二节  多个被试组的联合因子分析　第三节  含均值参数的因子分析第六章　因果分析方法第七章　AMOS关于缺失数据的巧妙处理方法第八章　Bootstrapping技术及其巧妙运用参考文献

章节摘录

插图：（四）纵向设计横向设计对因果方向的确定主要取决于理论，而不是经验。即使在已经确定了因果方向的情况下，有的研究者也指出，横向设计所得出的总影响、直接影响和间接影响的估计值都含有一定的偏差。虽然纵向设计也不会自动为横向设计所存在的问题提供答案，但它却能为变量的相互影响机制提供更有力的经验证据。利用SEM建立纵向数据模型，其最普遍的看法已贯穿于自回归模型。自回归模型的实质是任何时间点的分数源自于以前时间点的分数。例如，纵向数据的SEM将含有时间1的每个概念到时间2相应概念的路径。对时间2任何概念的影响都可以看作是以时间1的概念为条件的。目前，与自回归模型取向不同的另外一种处理纵向数据的技术一层次模型（HLM）也成为SEM的一种特殊形式。自回归模型集中于理解两个时间点之间的变化，而技术一层次模型（HLM）则集中于理解诸如每一个个体在整个观察期间的变化或成长速率等参数。多水平模式目前已受到相当大的关注，因为它们为探索变化的新方法提供了理论优势和实践优势。四、SEM的局限性与任何统计程序一样，SEM也存在一定的局限性。其具体表现为：①在SEM应用早期，由于其自身的相对复杂性和不完善性，使研究者未能准确把握其内涵，因而出现了误用，并把统计结果作为确定因果关系方向的证据，这显然是本末倒置的。又由于SEM对模型的接受没有统一标准，所以在有等价模型的情况下，研究者很难拒绝某些模型，这也给模型选择带来了困难。②影响SEM解释能力的主要问题是指定误差，但SEM目前还不能对指定误差加以检验。如果模型未能正确指定概念间的路径或者没有指定所有的关键概念，就可能会引起指定误差。当模型含有指定误差时，该模型可能与样本数据拟合很好，但此样本所在的总体可能拟合得并不好。

编辑推荐

《矩结构分析模型:从入门到精通》是由暨南大学出版社出版的。

用户评论 (总计1条)

•   是大学老师的书，所以买了，而且这是一种比较新的研究趋向，在国内来说哈。