[下载]AMOS目前最完整的英文教程-经管之家官网！

免费学术公开课,扫码加入

主要内容如下:

1 Introduction 1
Featured Methods. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
About the Tutorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
About the Examples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
About the Documentation . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Other Sources of Information . . . . . . . . . . . . . . . . . . . . . . . . . 4
Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 New Features 7
Estimation for Ordered-Categorical and Censored Data . . . . . . . . . . 7
Data Imputation for Ordered-Categorical and Censored Data . . . . . . 8
No Bayesian Prerequisites. . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 Tutorial: Getting Started with
Amos Graphics 11
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .11
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12
Launching Amos Graphics . . . . . . . . . . . . . . . . . . . . . . . . . . .13
Creating a New Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14
iv
Specifying the Data File . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Specifying the Model and Drawing Variables . . . . . . . . . . . . . . . 15
Naming the Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Drawing Arrows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Constraining a Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Altering the Appearance of a Path Diagram . . . . . . . . . . . . . . . . 19
Setting Up Optional Output . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Performing the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Viewing Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Printing the Path Diagram. . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Copying the Path Diagram . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Copying Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Part II: Examples
1 Estimating Variances and Covariances 27
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Bringing In the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Analyzing the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Viewing Graphics Output . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Viewing Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Optional Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Distribution Assumptions for Amos Models . . . . . . . . . . . . . . . . 39
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Modeling in C# . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Other Program Development Tools . . . . . . . . . . . . . . . . . . . . . 44
v
2 Testing Hypotheses 45
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .45
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .45
Parameters Constraints . . . . . . . . . . . . . . . . . . . . . . . . . . . .45
Moving and Formatting Objects . . . . . . . . . . . . . . . . . . . . . . . .49
Data Input . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .50
Optional Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .52
Labeling Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .55
Hypothesis Testing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .56
Displaying Chi-Square Statistics on the Path Diagram . . . . . . . . . . .57
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .59
3 More Hypothesis Testing 63
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63
Bringing In the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63
Testing a Hypothesis That Two Variables Are Uncorrelated . . . . . . .64
Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .64
Viewing Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .66
Viewing Graphics Output. . . . . . . . . . . . . . . . . . . . . . . . . . . .67
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .69
4 Conventional Linear Regression 71
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .71
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .71
Analysis of the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .72
vi
Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Identification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Fixing Regression Weights . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Viewing the Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Viewing Graphics Output . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Viewing Additional Text Output. . . . . . . . . . . . . . . . . . . . . . . . 79
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5 Unobserved Variables 85
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Measurement Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Structural Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Identification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Testing Model B against Model A . . . . . . . . . . . . . . . . . . . . . 100
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6 Exploratory Analysis 105
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
Model A for the Wheaton Data . . . . . . . . . . . . . . . . . . . . . . . 106
Model B for the Wheaton Data . . . . . . . . . . . . . . . . . . . . . . . 111
Model C for the Wheaton Data . . . . . . . . . . . . . . . . . . . . . . . 118
vii
Multiple Models in a Single Analysis . . . . . . . . . . . . . . . . . . . . 120
Output from Multiple Models . . . . . . . . . . . . . . . . . . . . . . . . 123
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7 A Nonrecursive Model 133
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
Felson and Bohrnstedt’s Model . . . . . . . . . . . . . . . . . . . . . . . 134
Model Identification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
8 Factor Analysis 141
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
A Common Factor Model . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
Identification. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
9 An Alternative to Analysis of Covariance 149
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
Analysis of Covariance and Its Alternative . . . . . . . . . . . . . . . . 149
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
Analysis of Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
viii
Model A for the Olsson Data . . . . . . . . . . . . . . . . . . . . . . . . 151
Identification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
Specifying Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Searching for a Better Model. . . . . . . . . . . . . . . . . . . . . . . . 153
Model B for the Olsson Data . . . . . . . . . . . . . . . . . . . . . . . . 155
Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Model C for the Olsson Data . . . . . . . . . . . . . . . . . . . . . . . . 157
Results for Model C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
Fitting All Models At Once . . . . . . . . . . . . . . . . . . . . . . . . . 158
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
10 Simultaneous Analysis of Several Groups 163
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Analysis of Several Groups . . . . . . . . . . . . . . . . . . . . . . . . . 163
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
11 Felson and Bohrnstedt’s Girls and Boys 179
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Felson and Bohrnstedt’s Model . . . . . . . . . . . . . . . . . . . . . . 179
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Specifying Model A for Girls and Boys . . . . . . . . . . . . . . . . . . 180
Text Output for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
Graphics Output for Model A . . . . . . . . . . . . . . . . . . . . . . . . 185
Model B for Girls and Boys . . . . . . . . . . . . . . . . . . . . . . . . . 186
ix
Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
Fitting Models A and B in a Single Analysis . . . . . . . . . . . . . . . . 192
Model C for Girls and Boys. . . . . . . . . . . . . . . . . . . . . . . . . . 192
Results for Model C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
12 Simultaneous Factor Analysis for
Several Groups 199
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
Model A for the Holzinger and Swineford Boys and Girls . . . . . . . . 200
Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
Model B for the Holzinger and Swineford Boys and Girls . . . . . . . . 204
Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
13 Estimating and Testing Hypotheses
about Means 213
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
Means and Intercept Modeling . . . . . . . . . . . . . . . . . . . . . . . 213
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
Model A for Young and Old Subjects . . . . . . . . . . . . . . . . . . . . 214
Mean Structure Modeling in Amos Graphics . . . . . . . . . . . . . . . 214
Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
Model B for Young and Old Subjects . . . . . . . . . . . . . . . . . . . . 218
Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
Comparison of Model B with Model A . . . . . . . . . . . . . . . . . . . 220
Multiple Model Input . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
Mean Structure Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . 221
x
14 Regression with an Explicit Intercept 225
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
Assumptions Made by Amos . . . . . . . . . . . . . . . . . . . . . . . . 225
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
15 Factor Analysis with Structured Means 233
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
Factor Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
Model A for Boys and Girls . . . . . . . . . . . . . . . . . . . . . . . . . 234
Understanding the Cross-Group Constraints . . . . . . . . . . . . . . . 236
Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
Model B for Boys and Girls . . . . . . . . . . . . . . . . . . . . . . . . . 239
Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
Comparing Models A and B. . . . . . . . . . . . . . . . . . . . . . . . . 241
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
16 Sörbom’s Alternative to
Analysis of Covariance 245
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
Assumptions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
Changing the Default Behavior . . . . . . . . . . . . . . . . . . . . . . . 247
xi
Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
Results for Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
Model C. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
Results for Model C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
Model D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
Results for Model D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
Model E. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
Results for Model E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
Fitting Models A Through E in a Single Analysis . . . . . . . . . . . . . 259
Comparison of Sörbom’s Method with the Method of Example 9 . . . . 260
Model X. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
Modeling in Amos Graphics . . . . . . . . . . . . . . . . . . . . . . . . . 260
Results for Model X . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
Model Y. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
Results for Model Y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
Model Z. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
Results for Model Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
17 Missing Data 273
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
Incomplete Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
Saturated and Independence Models . . . . . . . . . . . . . . . . . . . 276
Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
xii
18 More about Missing Data 287
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
Missing Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
Results for Model A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
Model B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
Output from Models A and B . . . . . . . . . . . . . . . . . . . . . . . . 295
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
19 Bootstrapping 299
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
The Bootstrap Method. . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
A Factor Analysis Model . . . . . . . . . . . . . . . . . . . . . . . . . . 300
Monitoring the Progress of the Bootstrap . . . . . . . . . . . . . . . . 301
Results of the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
20 Bootstrapping for Model Comparison 307
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
Bootstrap Approach to Model Comparison. . . . . . . . . . . . . . . . 307
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Five Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
Modeling in VB.NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
xiii
21 Bootstrapping to Compare
Estimation Methods 315
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
Estimation Methods. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
About the Model. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
Modeling in VB.NET. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
22 Specification Search 323
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
About the Model. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
Specification Search with Few Optional Arrows . . . . . . . . . . . . . 324
Specification Search with Many Optional Arrows . . . . . . . . . . . . 348
Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
23 Exploratory Factor Analysis by
Specification Search 353
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
About the Model. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
Opening the Specification Search Window . . . . . . . . . . . . . . . . 354
Making All Regression Weights Optional . . . . . . . . . . . . . . . . . 355
Setting Options to Their Defaults . . . . . . . . . . . . . . . . . . . . . . 355
Performing the Specification Search . . . . . . . . . . . . . . . . . . . . 357
xiv
Using BCC to Compare Models. . . . . . . . . . . . . . . . . . . . . . . 358
Viewing the Scree Plot . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
Viewing the Short List of Models. . . . . . . . . . . . . . . . . . . . . . 361
Heuristic Specification Search. . . . . . . . . . . . . . . . . . . . . . . 362
Performing a Stepwise Search. . . . . . . . . . . . . . . . . . . . . . . 363
Viewing the Scree Plot . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
Limitations of Heuristic Specification Searches . . . . . . . . . . . . . 365
24 Multiple-Group Factor Analysis 367
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367
Model 24a: Modeling without Means and Intercepts . . . . . . . . . . 367
Customizing the Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 373
Model 24b: Comparing Factor Means . . . . . . . . . . . . . . . . . . . 374
25 Multiple-Group Analysis 381
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
About the Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
About the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
Specifying the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
Constraining the Latent Variable Means and Intercepts . . . . . . . . 382
Generating Cross-Group Constraints . . . . . . . . . . . . . . . . . . . 383
Fitting the Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
Viewing the Text Output . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
Examining the Modification Indices . . . . . . . . . . . . . . . . . . . . 386
xv
26 Bayesian Estimation 389
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389
Bayesian Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389
Results of Maximum Likelihood Analysis. . . . . . . . . . . . . . . . . . 393
Bayesian Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394
Replicating Bayesian Analysis and Data Imputation Results . . . . . . 396
Assessing Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 400
Diagnostic Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402
Bivariate Marginal Posterior Plots . . . . . . . . . . . . . . . . . . . . . 408
Credible Intervals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 411
Learning More about Bayesian Estimation . . . . . . . . . . . . . . . . 412
27 Bayesian Estimation Using a
Non-Diffuse Prior Distribution 413
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413
About the Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413
More about Bayesian Estimation . . . . . . . . . . . . . . . . . . . . . . 413
Bayesian Analysis and Improper Solutions . . . . . . . . . . . . . . . . 414
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414
Fitting a Model by Maximum Likelihood . . . . . . . . . . . . . . . . . . 415
Bayesian Estimation with a Non-Informative (Diffuse) Prior. . . . . . . 416
28 Bayesian Estimation of Values Other Than
Model Parameters 427
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
About the Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
xvi
The Wheaton Data Revisited . . . . . . . . . . . . . . . . . . . . . . . . 427
Indirect Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428
Bayesian Analysis of Model C . . . . . . . . . . . . . . . . . . . . . . . 431
Additional Estimands . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
Inferences about Indirect Effects . . . . . . . . . . . . . . . . . . . . . 435
29 Estimating a User-Defined Quantity
in Bayesian SEM 441
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
About the Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
The Stability of the Alienation Model . . . . . . . . . . . . . . . . . . . 441
Numeric Custom Estimands. . . . . . . . . . . . . . . . . . . . . . . . . 447
Dichotomous Custom Estimands . . . . . . . . . . . . . . . . . . . . . . 461
30 Data Imputation 465
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465
About the Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465
Multiple Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466
Model-Based Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . 466
Performing Multiple Data Imputation Using Amos Graphics . . . . . . 466
31 Analyzing Multiply Imputed Datasets 473
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473
Analyzing the Imputed Data Files Using SPSS . . . . . . . . . . . . . . 473
Step 2: Ten Separate Analyses . . . . . . . . . . . . . . . . . . . . . . . 474
Step 3: Combining Results of Multiply Imputed Data Files . . . . . . . 475
Further Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
xvii
32 Censored Data 479
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 479
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 479
Posterior Predictive Distributions . . . . . . . . . . . . . . . . . . . . . . 485
Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 488
General Inequality Constraints on Data Values . . . . . . . . . . . . . . 492
33 Ordered-Categorical Data 493
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
About the Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
MCMC Diagnostics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 508
Posterior Predictive Distributions . . . . . . . . . . . . . . . . . . . . . . 510
Posterior Predictive Distributions for Latent Variables. . . . . . . . . . 515
Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 520

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP