Amos中观察变量与潜在变量问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

各位大侠，在Amos中有三个量表，量表有各自不同数目的维度，在最后建模的时候是只把这三个量表总分作为观察变量建模？还是把三个量表总分作为潜在变量，各个维度作为观察变量建模？若是三个量表总分作为潜在变量建模中是不是要改变名称？谢谢

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：amos 潜在变量 观察变量 AMO 各位大侠

各位大侠，在Amos中有三个量表，量表有各自不同数目的维度，在最后建模的时候是只把这三个量表总分作为观察变量建模？还是把三个量表总分作为潜在变量，各个维度作为观察变量建模？若是三个量表总分作为潜在变量建模中是不是要改变名称？谢谢

第一，一个模型对应一个量表，怎么会是三个量表，你说的应该是三个变量，每个变量不同数目的维度？

第二，你这个涉及的是高阶模型，也就是每个变量本身就由不同的二阶变量构成，每个二姐变量还会有自己的item来衡量。如果你的数据size比较大，可以这样直接分析。但是如果数据数目不多，可以考虑item parceling，也就是你说的，这样可以有效的提高适配度，主要表现在fit indices质量的提高。把二姐变量的items取平均值作为一个item来替换这个二阶变量的位置，这样二姐变量由latent variable变成了衡量一阶变量的一个item，但是这种处理，有相应的方法做处理的，需要把这个新item的方差设定为（1-reliability of the former items）*variance of the new item. 但是哦，item parceling不是什么时候都合适，譬如如果你的目的是为了开发量表，或者说你的量表维度怎么分存在很大争议，就不适合用这个技术。建议到Structural equation modeling期刊搜一下，有一个说明何时可以用何时不可以用的文章。

jialin3105 发表于 2012-10-28 12:29
各位大侠，在Amos中有三个量表，量表有各自不同数目的维度，在最后建模的时候是只把这三个量表总分作为观察 ...

第一，我说的是这个问题，就是有三个变量，三个变量有不同的维度。
第二，我是按照各个不同的二阶变量做估计，我的数据量是972，但是现实出来的模型一直是不正确，为XX：default model。
第三，关于您说的把二阶变量转化为一阶变量，我的三个变量的量表都是参考别人的，自己没有做任何的修改。
现在遇到的问题就是我把三个变量作为潜在变量，把每个变量的不同纬度都画图出来后做估计计算是做不出来的，我不知道问题出在哪里了，这个高阶模型是需要注意什么呢？我是看的吴明隆的结构方程模型——Amos的操作与应用第二版。

鑀拼縩蘬贏 发表于 2012-10-28 14:08
第一，我说的是这个问题，就是有三个变量，三个变量有不同的维度。
第二，我是按照各个不同的二阶变量做 ...

模型一直错，应该是你的模型一直unidentified，就是一直没有被识别，缺少了限制条件，譬如是不是缺少path的系数设置为1。这种高阶的这样很容易出问题

jialin3105 发表于 2012-10-28 22:19
模型一直错，应该是你的模型一直unidentified，就是一直没有被识别，缺少了限制条件，譬如是不是缺少path ...

在高阶模型中，要限制的条件有哪些呢！我现在看书和实际操作感觉就是一头雾水，不知道该怎么办了。谢谢您

在二阶模型中最常犯的错误大概有两个
1.在二阶到一阶的几个回归线上忘了设1
2.一阶构面没有画残差

quasimaster 发表于 2012-10-29 15:41
在二阶模型中最常犯的错误大概有两个
1.在二阶到一阶的几个回归线上忘了设1
2.一阶构面没有画残差

谢谢啊！现在一直做的话都没有达到模型适配检验标准该怎么办呢？

有可能是样本不独立
或某些题目相关过高
建议先用相关分析
砍掉一些相关高的题目,如 r>0.85
也可借由修正指标或标准化残差检查

quasimaster 发表于 2012-10-30 10:12
有可能是样本不独立
或某些题目相关过高
建议先用相关分析

你好，若一直做出来RMSEA=0.86，RFI=.892，RMSEA=2.572，CMIN/DF=8.099，AIC是理论模型大于独立模型，其他的都符合要求，这样的结果该怎么办呢？

你是不是抄错了
rmsea不太可能为0.86或2.572,应该为0.086吧!
不过模型很差表示模型与数据不配适
可借由删除一些题目来达成精简
如无题目可删,那就没办法了