使用结构方程式，探索变量间的关系

SPSS Amos 17.0-使用结构方程式，探索变量间的关系
"Amos 使用路径图来定制模型的方法完美自然…Amos是毫无疑问的赢家。"
轻松地进行结构方程建模（SEM）  
快速创建模型以检验变量之间的相互影响及其原因  
比普通最小二乘回归和探索性因子分析更进一步  

使用Amos 17.0进一步改进您的分析 
无论您评估程序，还是开发行为态度模型，您都有可能遇到传统分析技术无能为力的情况。那么，如果您能使用一些复杂的，同时却不需冗长的编程或者学习过程的建模技术，情况会如何呢？ 

Amos软件和结构方程模型（SEM）助您成功 
结构方程模型（SEM）是一种多元分析技术，它包含标准的方法，并在标准方法的基础上进行了扩展。这些方法包括回归技术、因子分析、方差分析和相关分析。Amos17.0让SEM变得容易。 它拥有的直观的拖放式绘图工具，让您快速地以演示级路径图定制模型而无需编程。 

使用 Amos 17.0，让您比单独使用因子分析或回归分析能获得更精确、丰富的综合分析结果，Amos 17.0在构建方程式模型过程中的每一步骤均能提供图形环境，只要在Amos的调色板工具和模型评估中以鼠标轻点绘图工具便能指定或更换模型。 通过快速的模型建立来检验您的变量是如何互相影响以及为何会发生此影响。 

即使有缺失值也能达到精准  
Amos 处理缺失值的最大特色就是拥有Full Information Maximum Likelihood ，即使资料不完整，Amos 也不会遗漏任何一个情況，并且会自动计算正确的标准误及适当的统计量，降低您的估算值偏差，更有效率。

简易但功能强大  
利用Amos的Bootstrapping 功能，可对任一经验性资料作模型分析。其中 Bootstrapping和Monte Carlo对于任何参数，包括标准化系数、计算合适度、及提供统计量的来源，都能估算出可能的偏差及标准估计值。此外，也可使用Amos来检定多维度常态分析和诊断离散值。 

来看看Amos 17.0的全新功能： 
刚刚发布的Amos 17.0使用可视化、易于学习并易于使用的方法进行SEM，并加入了许多振奋人心的新功能，进一步简化了SEM： 
探索性SEM：现在您可以使用SEM同时研究多个模型。Amos会尝试许多模型，使用Aikaike信息标准（AIC）和Bayesian信息标准（BIC）统计方法比较模型，并找出最有前途的模型。  

辅助多组分析： Amos 系统化地带您进行标准的多组比较。多组分析中冗长乏味的为参数加标签的工作现在可以自动进行了。即使是大规模的多组问题也可以得到说明，并快速进行测试。  

高级文本输出：改进后的输出浏览器包含了许多导航性的帮助、显示选项以及设定表格格式的选项。加入超级链接（"hotlinks"）的部分以及表格标题指向帮助信息，让您更好地理解结果。Use-it-in-a-sentence的功能让您只需轻点鼠标，就能看到范例。  

拓展的Amos编程环境：Amos基本编程和调试工具有许多新功能，例如：语句完成、指向变量和表达式值的语法工具提示和链接。多达七十一种新的类和类成员，提供了更多编程控制。  

系统需要 
Microsoft Windows 98，Me，NT○R 4.0（SP6），2000或XP  
18MB 硬盘空间
系统为Windows 98和Me至少需要128MB内存；系统为NT 4.0，2000和XP至少需要256M内存  Internet Explorer 6

近段时间以来，我对SPSS11.0 SPSS16.0  AMOS16.0进行了较为系统的理论和技能的学习，可以说受益匪浅。咨将学习过程中的体会总结之，如下：

一.   对SPSS而言，可以说是一个十分强大的统计工具，里面的任何一个菜单都可以完成诸多任务。如果想掌握整个SPSS操作功能的话，可以说难度很大。当然都学下来也没有必要，我们只要掌握所需要用到的即可。对于心理学和社会学而言，主要学习下面的操作：（1）参数检验：单样本、两独立样本、配对样本（2）方差分析：单因素、多因素、协方差分析（3）非参数检验：X2  、二项式分布、K—S检验（4）相关分析和线性回归分析（5）聚类分析(6)因子分析（7）信度分析。以上的内容是我们经常用到的，尤其是相关分析和线性回归分析。

 当然我主要学习的是SPSS中的探索性因素分析。所谓探索性因素分析其实就是尝试找出某事物中最能代表其本质的因素。因素可以是一个，两个或者多个。因素的个数可以人为规定也可以由系统自动生成，软件会自动将相似的题目数划到同一因素下。但是不管是人为决定因素的个数还是系统自动生成，其最大的目的就是为了尽可能找到特征根值大于1的因素数以及找到方差的最大贡献率，一般而言大于50%就认为不错了。（1）首先我要讲到的是探索性因素分析中对正交旋转和斜交旋转选择的问题。在这个问题上，各家的看法也不太一致。比较有代表性的是李茂能一般会采用斜交中的Promax法，其解释是为了简化结构，使项目与因素间达到较高的因素负荷；而张文彤则主张采用正交旋转法，其解释是斜交旋转的结果太容易受研究者主观意愿的左右，故一般采用正交旋转。我想正交相对斜交而言，前者能够最大的保持因子的不相关性，这点很重要。从我所看过的硕士论文中，用正交的相对来说比较多，所以建议还是采用正交旋转会更好一些。（2）其次，就是对正交旋转下最大变异法（Varimax）和极大相等法（Equanmax）的选择。前者的特点是能够导致第一个因素的负荷量过大，而后者则是平均分配几个因子的负荷量，当然这也要考虑你的研究目的了。不过从使用的频次和哈师大崔洪弟老师的建议还是采用Varimax法的居多。（3）最后一点我要提的就是在编制问卷过程中试题的删减标准，以下几点是我总结的，错误之处希望大家给予指正：①理论上的语义分析。②鉴别度和难度的判断，一般而言要大于0.3。③项目与总分的相关，应大于0.3.④项目的负荷量。视样本大小而定，一般大于0.4.⑤一般横跨两个因素或空白的项目也要删除，这一点我是在李茂能的书上看到的。

 二、  对AMOS16.0的使用。初学AMOS给人耳目一新的感觉，尤其是相对LISREL枯燥的编程而言，AMOS的主动操作更是增大了使用者的便捷性和趣味性。AMOS是线性结构方程的一种，其操作方法也就是验证性因子分析，其涵义即为对理论模型和现实数据拟合程度的一种再分析。其版本经历了AMOS4.0 AMOS6.0 AMOS9.0和AMOS16.0，目前我使用的便是当前最新的版本。（1）首先做验证性因素分析重要的就是前期模型的假设，即构建显变量和潜变量之间的关系。将可能的关系罗列出来，并在模型中予以表示。（2）关于拟合指标的选择。结合李茂能、侯杰泰和所见到的论文，用到的比较多的拟合指标如下：X2/df、RMR RMSEA GFI AGFI AIC CAIC NFI TLI(NNFI)和CFI。其中X2/df一般在1~3左右波动，越小越好。RMR RMSEA均小于，模型拟合的较好；GFI AGFI NFI TLI(NNFI)和CFI均大于0.9，模型拟合的比较好。（3）关于问卷编制中试题的删减标准，以下几点是我自己总结而得，错误之处希望大家给予指正：①在标准化下，看其因子中的负荷。若小于0.3则考虑删除，同时也要参考下MI值。②若MI值中两误差的指数很高的话，找到两误差对应的题目原题，看一下相关，若相关高，则删除其中一题，这是崔老师在课上讲到的，原文出处我没有找到。③以上过程不断的重复，修正和删除，直至模型拟合的的较好。注意一点就是理论上一定要通，不能仅仅根据数据数值而定。（4）最后我要提的就是在SEM中对中介变量和调节变量的检验。由于国内相关研究并不多，但是AMOS却是一个极好利用的工具。我想随着统计工具的普及，对三变量中介和调节关系的研究也会逐渐多起来。

以上我只是简要叙述了SPSS,AMOS的使用后的感受，里面涉及的内容还有很多。下面我介绍几本比较好的这方面的书籍。SPSS方面比较好的是张文彤的《SPSS统计分析高级教程》，张本的语言很幽默，特点就是操作性强，每步的操作都有详细的介绍，很适合上机演练。对每个菜单都有较为详细的叙述，当然缺点便造成了对每一个功能的介绍并不够深入。另外一本是薛薇的SPSS统计软件的应用，可以说是本SPSS的入门书，浅显易懂，最大的特点就是书后附了张数据光盘，可以在电脑上实时练习，是初学SPSS的不错选择。

 对AMOS的书，我想容易买到的应该是侯杰泰的《结构方程模型及应用》是很好的一本书，可以作为SEM的入门书，不过书中的软件是以LISREL来运行的；如果想学AMOS的话，我想台湾李茂能的《结构方程模式软体AMOS之简介及其在测验编制上之应用：Graphics&Basic》，这本书编写的非常好，算是很详细的一本书了，可惜的是大陆这本书可能并不多。我学习时主要参考以上两本书来进行的。

另外有对中介和调节变量感兴趣的同学可以参见近几年温忠麟和侯杰泰在《心理学报》上发表的相关文章。我想这以后必将是心理学研究的一个热点。