[程式] AMOS SEM的配適度 逆向運用SEM的可能？

看板Statistics作者 (OSANA)時間12年前 (2012/01/16 17:16), 編輯推噓0(0推 0噓 12→)
留言12則, 3人參與, 最新討論串1/1
[軟體程式類別]: AMOS Graphic 16 [程式問題]: 資料處理 [軟體熟悉度]: 低(1~3個月) [問題敘述]: 開啟AMOS >> 畫構面圖 >> 各構面間的參數設定為1 >> 套用問卷數據 >> Calculate estimates >> View Text (Model Fit項目) 然後發現 全部的配適度指標都在接受範圍外, 我個人推斷是因為 問卷資料呈現非常態分布的緣故 所以沒有辦法跑出接受範圍內的配適度的結果, 於是...死馬當活馬醫~~ 想要試試看有沒有可能運用前人已經跑出來的SEM模型參數，使用新的問卷數據 來計算新問卷對於前人的SEM模型配適度如何... 再用來解釋新樣本的意義 請問大家有像上述這樣"逆向"運用SEM的範例or書or關鍵字嘛？ [程式範例]: 我有一份問卷資料PTTdata.xls要跑SEM, 問卷裡面分成四組訪問對象不同的資料 結果如下 data1:239樣本 Default model CMIN/DF=10.486 data2: 51樣本 Default model CMIN/DF= 4.367 data3: 50樣本 Default model CMIN/DF= 3.707 data4:395樣本 Default model CMIN/DF=14.117 (data2與data3模型無法收斂, 點選"Calculate estimates"按鈕後, "View the output path diagram"按鈕不能點 這樣正常嘛？) 研究構面圖：http://ppt.cc/kx,P 資料檔案 1234.rar 大小：123kb http://www.megaupload.com/?d=LCUHNJVF 上面的資料檔案裡包含問卷資料：PTTdata.xls（包含data1~4 四頁資料表） 資料為data1的AMOS檔案：ModelTestData1.amw 資料為data2的AMOS檔案：ModelTestData2.amw 資料為data3的AMOS檔案：ModelTestData3.amw 資料為data4的AMOS檔案：ModelTestData4.amw （只有套用問卷資料不同,其他部分都一樣） ----------------------------------------------------------------------------- 先感謝大家看完這篇混亂的文章...0rz -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.228.128.169 ※ 編輯: osanaosana 來自: 61.228.128.169 (01/16 17:28)
→
01/16 23:42, , 1F
設"限制"啊！但可想而知一定更不適配！！
01/16 23:42, 1F
→
01/17 00:07, , 2F
可以簡單說一下"限制"要怎麼設嘛？或是有參考資料？
01/17 00:07, 2F
→
01/17 06:50, , 3F
你的估計法呢？還有你有跑多變量常態檢定嗎？
01/17 06:50, 3F
估計法是用Maximum likelihood(最大概似估計法) 如果改用Generalized least squares (一般化最小平方法) 數據如下： data1:239樣本 Default model CMIN/DF= 3.841 data2: 51樣本 Default model CMIN/DF= 1.432（無法收斂） data3: 50樣本 Default model CMIN/DF= 1.528（無法收斂） data4:395樣本 Default model CMIN/DF= 5.445 使用 一般化最小平方法 是因為它對樣本數量不敏感的關係嘛？ 我沒有用多變量常態檢定,因為我也還不清楚那是什麼及其必要性, 正在研究中＆爬文中... ※ 編輯: osanaosana 來自: 61.228.128.169 (01/17 20:02)
→
01/18 07:10, , 4F
呃…你沒有跑常態性檢定就說樣本資料沒有常態分佈
01/18 07:10, 4F
→
01/18 07:11, , 5F
這樣子不是很怪嗎？就像食物你還沒吃就評論好不好吃……
01/18 07:11, 5F
→
01/18 07:12, , 6F
然後你要不要查一查ML和GLS的基本假設？
01/18 07:12, 6F
→
01/18 08:27, , 7F
然後～你的CL只有一個題項，那你確定CL真的是潛在嗎？
01/18 08:27, 7F
先回答CL的問題,CL確實是潛在變數, 問題在於設計題項過少, 當初被老師砍CL題目的時候,忘了再加新的題項... ML與GLS皆是以常態分佈為基本假設, 而ADF則適用非常態分佈的狀況,需要大量的樣本 目前還是欠缺一個說明資料是否為常態分佈的方法... ※ 編輯: osanaosana 來自: 61.228.124.65 (01/18 11:38) 使用 SPSS 17 > 載入 PTTdata.xls 資料 > "分析" > "敘述統計" > "資料預檢" > 選擇no以外的全部題項 > 選擇 "圖形" > 常態機率圖附檢定 > "確定"執行 data01常態檢定 Kolmogorov-Smirnov檢定a Shapiro-Wilk 常態性檢定 統計量 自由度 顯著性 統計量 自由度 顯著性 sns01 .228 239 .000 .853 239 .000 sns02 .272 239 .000 .875 239 .000 sns03 .264 239 .000 .882 239 .000 peous01 .296 239 .000 .791 239 .000 peous02 .274 239 .000 .807 239 .000 peous03 .278 239 .000 .828 239 .000 pcs01 .249 239 .000 .859 239 .000 pcs02 .263 239 .000 .801 239 .000 pcs03 .268 239 .000 .826 239 .000 pes01 .265 239 .000 .780 239 .000 pes02 .254 239 .000 .757 239 .000 cps01 .284 239 .000 .796 239 .000 cps02 .270 239 .000 .856 239 .000 cls01 .247 239 .000 .803 239 .000 a. Lilliefors 顯著性校正 data02常態檢定 Kolmogorov-Smirnov檢定a Shapiro-Wilk 常態性檢定 統計量 自由度 顯著性 統計量 自由度 顯著性 sns01 .226 51 .000 .868 51 .000 sns02 .301 51 .000 .847 51 .000 sns03 .313 51 .000 .837 51 .000 peous01 .278 51 .000 .732 51 .000 peous02 .262 51 .000 .770 51 .000 peous03 .256 51 .000 .776 51 .000 pcs01 .292 51 .000 .841 51 .000 pcs02 .294 51 .000 .767 51 .000 pcs03 .256 51 .000 .827 51 .000 pes01 .301 51 .000 .677 51 .000 pes02 .290 51 .000 .745 51 .000 cps01 .295 51 .000 .760 51 .000 cps02 .302 51 .000 .752 51 .000 cls01 .276 51 .000 .769 51 .000 a. Lilliefors 顯著性校正 data03常態檢定 Kolmogorov-Smirnov檢定a Shapiro-Wilk 常態性檢定 統計量 自由度 顯著性 統計量 自由度 顯著性 sns01 .232 50 .000 .809 50 .000 sns02 .229 50 .000 .876 50 .000 sns03 .304 50 .000 .832 50 .000 peous01 .331 50 .000 .765 50 .000 peous02 .356 50 .000 .754 50 .000 peous03 .284 50 .000 .804 50 .000 pcs01 .286 50 .000 .833 50 .000 pcs02 .283 50 .000 .794 50 .000 pcs03 .260 50 .000 .820 50 .000 pes01 .394 50 .000 .672 50 .000 pes02 .306 50 .000 .745 50 .000 cps01 .243 50 .000 .803 50 .000 cps02 .283 50 .000 .787 50 .000 cls01 .282 50 .000 .767 50 .000 a. Lilliefors 顯著性校正 data04常態檢定 Kolmogorov-Smirnov檢定a Shapiro-Wilk 常態性檢定 統計量 自由度 顯著性 統計量 自由度 顯著性 sns01 .281 395 .000 .837 395 .000 sns02 .285 395 .000 .867 395 .000 sns03 .253 395 .000 .887 395 .000 peous01 .288 395 .000 .804 395 .000 peous02 .295 395 .000 .797 395 .000 peous03 .269 395 .000 .794 395 .000 pcs01 .258 395 .000 .839 395 .000 pcs02 .247 395 .000 .805 395 .000 pcs03 .238 395 .000 .846 395 .000 pes01 .315 395 .000 .722 395 .000 pes02 .323 395 .000 .722 395 .000 cps01 .294 395 .000 .794 395 .000 cps02 .280 395 .000 .821 395 .000 cls01 .316 395 .000 .760 395 .000 a. Lilliefors 顯著性校正 顯著性皆沒有大於0.005，應為非常態分佈 這是操作失誤嘛？...全都是000... 還是非常標準的非常態分佈呢？ ※ 編輯: osanaosana 來自: 61.228.124.65 (01/18 18:35) ※ 編輯: osanaosana 來自: 61.228.124.65 (01/19 03:06)
→
01/19 03:04, , 8F
既然非常態，那你的模式估計應該用哪些估計法呢？
01/19 03:04, 8F
→
01/19 03:05, , 9F
ML假設常態分佈，現在你也發現資料非常態，換估計法吧:)
01/19 03:05, 9F
目前考慮出兩件事情明天要做... 1.利用ADF估計法,如果數據還是很難看的話, 不知道能不能配合bootstrap把問卷資料再抽樣拓展樣本數目？ 2.調整CL的題項 ※ 編輯: osanaosana 來自: 61.228.124.65 (01/19 03:12)
→
01/19 15:19, , 10F
我個人支持2.，數字難看通常是摩式的問題
01/19 15:19, 10F
→
01/19 15:19, , 11F
當然跟數學也有點關係，只是模式是主要問題根源
01/19 15:19, 11F
→
01/19 18:30, , 12F
非常感謝您的意見~~
01/19 18:30, 12F
‣ 更多 osanaosana 的文章
文章代碼(AID): #1F4-hyux (Statistics)