Stata在結構方程模型及試題反應理論的應用 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

圖書標籤:

• Stata
• 結構方程模型
• SEM
• IRT
• 試題反應理論
• 統計分析
• 計量經濟學
• 數據分析
• 應用統計
• 心理測量
• 教育測量

結構方程模型（structural equation modeling, SEM）是一種結閤路徑分析（path analysis）與因素分析（factor analysis）的多元統計技術。在社會科學的研究中，除實驗取嚮的研究之外，其他涉及量化數據的研究，都離不開此一典範的思維模式，因此，我們更可以把他定位成當代量化研究的主要統計方法學典範。

　　Stata延伸瞭綫性SEM之優點，並且開展齣gsem指令來分析廣義SEM，包括：多層次SEM、probit迴歸、重復量數、類彆變數、分群組SEM等；可分析的變數類型則包括：類彆變數、二分變數、次序變數、計數（count）變數、連續變數等。換言之，Stata 可說是「廣義結構方程模型」最成功的推手。在最新的Stata 14版本中，更增加瞭IRT四種資料型態：二元、比序、類彆及混閤模型之建模、報錶及IRT麯綫特徵圖，大大提昇研究者使用的方便性。

　　本書提供完整的Stata分析實作範例，從統計方法原理，到軟體操作的流程都予以詳細解說，希望能幫助研究者在自己的專業領域做齣有效的整閤應用。

本書特色

　　●一本學通！當代量化研究的主要統計方法學典範：結構方程模型（SEM）。
　　●紮實的統計方法說明，並提供不同情境的實證分析範例。
　　●圖片詳解操作流程，無痛學習地錶最強統計軟體──Stata。
　　●本書範例檔案建議使用Stata 13或更新版本執行。
　　◎隨書附贈資料檔光碟
 

作者簡介

張紹勛

　　學曆：國立政治大學資訊管理博士
　　現任：國立彰化師大專任教授
　　經曆：緻理技術專任副教授

研究助理者簡介

張任坊

　　國立海洋大學商船係

張博一

　　國立颱北大學通訊工程學係
 

自序

Chapter 01 結構方程模型簡介
1-1 結構方程模型之介紹
1-1-1 Generalized SEM 特殊案例的統計分析
1-1-2 SEM 基本概念
1-1-3 SEM 的參數
1-1-4 模型認定：t-rule
1-1-5 Path diagrams 代錶的指令意義
1-1-6 SEM 整體適配度的類型
1-1-7 sem/gsem 之事後(Postestimation) 指令
1-1-8 Stata 輸入資料格式(ssd 格式檔)
1-2 Stata gsem 之功能
1-2-1 綫性sem 功能
1-2-2 廣義SEM 的課外補充( 相關網站查詢)

Chapter 02 結構方程模型之數學式
2-1 結構方程模型
2-2 因素分析
2-3 探索性因素vs. 驗證性因素分析
2-4 SEM 資料分析流程
2-4-1 SEM 分析流程及信效度公式
2-4-2 SEM 參數標註的寫法
2-4-3 共變數推導的定理
2-4-4 測量模型的檢定
2-5 結構模型分析(SEM)

Chapter 03 Full SEM 分析實例：員工教育訓練
績效評估模型 109
3-0 結構方程模型之重點整理
3-1 員工教育訓練績效之建模
3-1-1 研究背景與動機
3-1-2 研究目的
3-1-3 研究方法與步驟
3-2 研究
3-2-1 研究架構
3-2-2 研究假設
3-2-3 問捲發展與施測
3-2-4 預試(pilot study)
3-2-5 抽樣設計
3-2-6 統計分析法
3-3 樣本特徵分析
3-4 Full SEM 分析結果與討論
3-4-1 結構方程模型實證分析
3-4-2 整體架構直接與間接效果分析
3-4-3 研究假設分析
3-4-4 檢定力(power) 分析
3-4-5 多樣本之交叉效度(Cross-Validation) 分析：測量不變性

Chapter 04 sem 實例分析、Builder 介麵操作
4-1 SEM 之適配度、遺漏值
4-1-1 SEM 分析步驟
4-1-2 SEM 之適配度
4-1-3 linear SEM ／廣義gsem 事後檢定之指令
4-1-4 綫性SEM 估計法：含遺漏值
4-2 綫性SEM 之特殊迴歸
4-2-1 相關分析
4-2-2 多變量迴歸(Multivariate regression)：非綫性迴歸
4-2-3 納入測驗信度之迴歸式
4-2-4 驗證因素分析(CFA)：Measurement models
4-2-4a 單因子測量模型(Single-factor measurement model)
4-2-4b Two-factor 測量模型：Equation-level goodness-of-fit
4-2-4c Two-factor 測量模型：Group-level GOF( 交叉效度)
4-2-4d 多樣本Two-factor CFA：Testing parameter equality across groups ( 測量不變性)
4-2-4e 整體goodness-of-fit statistics for linear SEM
4-2-4f 高階驗證因素分析(Higher-order CFA 模型)
4-2-5 階層(Hierarchical) 驗證性因素：Higher-order CFA
4-2-6a 完整(full) 結構模型：panel data 模型的信度及穩定度
4-2-6b panel data 模型：Modification indices
4-2-7a 單層(One-level) 之中介效果
4-2-7b Two-level 之中介(Mediation) 效果
4-2-8 MIMIC 模型及Residual analysis for linear SEM
4-2-9 潛在成長麯綫模型(Latent growth curve models)
4-2-10 Correlated uniqueness 模型：Multitrait-Multimethod (MTMM)
4-2-11 似不相關迴歸模型(Seemingly Unrelated Regression)
4-2-12 非遞迴模型的穩定性：直接／間接效果

Chapter 05 Generalized SEM 之分析
5-1 認識Generalized SEM
5-1-1 Generalized SEM 的介紹
5-1-2 廣義gsem 與綫性sem 指令，二者的差異比較
5-1-3 Generalized SEM 的分配(Family)
5-1-4 Generalized SEM 的特性
5-1-5 gsem 指令之事後檢定
5-2 測量模型(generalized response)
5-2-1 單因子measurement model (generalized response)
5-2-2 雙因子measurement model：Likert 量錶vs. 測驗捲的迴歸分析
5-3 Multilevel 模型
5-3-1 雙層次測量模型( 廣義反應變數)
5-3-2 Multilevel mediation models
5-3-3 三層次模型(generalized response)
5-4 Logistic 迴歸 ( 廣義反應變數)
5-5 generalized responses 的組閤模型：logit + poisson 迴歸
5-6 多類彆(multinomial) 反應變數的logit 迴歸
5-7 MIMIC 模型(generalized indicators)
5-8 序位反應變數之機率迴歸(Ordered probit regression)
5-9 試題反應理論(Item response theory, IRT)
5-9-1 試題反應理論(IRT) 之介紹
5-9-2 單參數之試題反應理論(IRT)：Rasch 模型分析
5-9-3 STATA 試題反應理論之irt 指令
5-9-4 雙參數之試題反應理論(IRT)
5-10 gsem 指令之網站補充的特殊迴歸
 

序

　　結構方程模型(Structural equation modeling, SEM)，它已是社會科學之標準多變量統計技術(Standard multivariate technique)。

　　Stata 已超越LISREL、SIMPLIS、AMOS、EQS、Mplus、Mx、Statistica、SAS PROC CALIS、COSAN、LVPLS 等軟體。Stata 延伸瞭綫性SEM 之優點，並且開展齣gsem 指令來分析廣義SEM( 多層次SEM、probit 迴歸、重復量數、類彆變數、分群組SEM⋯)，故可分析變數類型，包括：類彆變數、二分變數、次序變數、計數(count) 變數、連續等變數。Stata 可說是「廣義結構方程模型」最成功的推手。即使，非常態分配(Nonnormal Variables)、類彆結果(Categorical outcomes) 之變數( 如dichotomous, ordinal, Multinomial、次數變數⋯)、試題反應理論(IRT) 也都可納入sem/ gsem 分析。

　　此外，Stata v14 介麵增加瞭IRT 四種資料型態：二元、比序、類彆及混閤模型之建模、報錶及IRT 麯綫特徵圖，介麵操作簡單易用。

　　SEM 是聯立迴歸方程式，它同時估計多個自變數，依變數和潛變量之間關係的廣義綫性模型(general linear model) 的進階。Stata 廣義SEM 的估計法，包括Stata 指令「reg、probit、stcox、mixed」，即Stata SEM的估計法，包括OLS 法、綫性機率迴歸法、Cox 比例風險模型(proportional hazards model)、多層次(Multilevel)mixed-effects linear ( 或logistic /Poisson) 迴歸分析。

　　Stata 分析SEM，有二種方法：sem 或gsem 指令、SEM Builder 圖形介麵。其中，Builder 圖形介麵( 很像AMOS) 更是簡單易用，人人很容易上手。

　　有鑑於STATA 分析功能龐大，故作者將撰寫一係列的STATA 的書，包括：

　　1. STATA與高等統計分析。
　　2. Stata在財務金融與經濟分析的應用。
　　3. Stata在結構方程模型及試題反應理論的應用。
　　4. Panel-data迴歸模型：Stata在廣義時間序列的應用。

　　以上一係列的STATA 書，適用於：基礎研究、生物學、醫學、心理學、社會學、刑事司法，金融和經濟學，政治學，市場營銷，生態學，教育學和遺傳學等領域，期望這一係列STATA 書能夠對學術研究、實務問題決能有拋磚引玉的效果，成果能夠開枝散葉。

　　本書內容，著重理論、統計及方法三者的結閤。畢竟工欲善其事，必先利其器。研究者除瞭要精通自己領域的「理論」基礎外，正確選用創新性之「研究法」及「統計」技術( 即STATA 分析實作)，三者間如何有效整閤應用，更是成為頂尖研究者不可缺乏的基本功夫。本書中每章都有STATA analysis 範例，其中滲雜瞭許多實證分析的範例，讓你實際操作分析，進而能輕鬆瞭解STATA 分析的程序與應用，啓發你的靈感(Insight)。

　　最後，特感謝全傑科技公司(www.softhome.com.tw)，提供STATA 軟體，晚學纔有機會撰寫STATA 一係列的書，以嘉惠學習者。
 

1-1 結構方程模型之介紹
 
結構方程模型(Structural equation modeling, SEM) 是一種融閤瞭因素分析和路徑分析的多元統計技術。它的強勢在於對多變數間交互關係的定量研究。在近三十年內，SEM 大量的應用於社會科學及行為科學的領域裏，並在近幾年開始逐漸應用於心理學、教育學、行銷學研究中。學界中，常見SEM 潛在變數，
 
包括：
 
1. 心理學：壓力程度(level of stress)。
2. 社會學：民主製度的品質(quality of democratic institutions)。
3. 生物學：基因型和環境(genotype and environment)。
4. 醫學保健：個人健康功能差異大(difficulty in personal functioning)。
 
一、何謂SEM？
 
什麼是結構方程模型(Structural equation modeling, SEM)？簡單地說，就是用一係列的算式，檢測變數之間的因果關係(causal relationship)。這種統計方法就叫作SEM。
 
為什麼要學新的SEM？以圖1-2 及圖1-3 來說，你亦可以隻用多元迴歸(multiple regression)一個一個算齣來，不是嗎？沒錯，但是你要算幾遍纔夠？此外，逐次算齣來的結果，與用SEM算齣來的還是有些不一樣，因為SEM可以讓你作更多的分析。跑一次迴歸就有一次誤差，那如果你迴歸之間的誤差有高度相關，你怎麼解決這樣的問題呢？
 
結構方程模型是一種相當復雜的因果關係模型，它除瞭可以處理觀察變數與潛在變數以及各潛在變數之間的關係外，同時也考慮瞭誤差變數的問題。
 
圖1-1 因果圖之示意圖
 
結構方程模型(Structural equation modeling, SEM) 的意涵：
 
1.SEM 是統計之一種技術，旨在檢定變數之間的「關係假設」( test hypotheses about relationships among variables)。
 
2.SEM 統計重點放在：相關、綫性迴歸、因素分析、試題反應理論(IRT)、潛在長成分析、聯立方程式⋯。
 
3.SEM 亦可視為共變數結構之分析(Analysis of Covariance Structures)， 因為SEM 係用觀察之共變數矩陣及平均數(observed covariances and possibly means) 來適配模型。
 
一般我們所常用的統計方法如迴歸分析、主成分分析、因素分析、路徑分析及變異數分析等，其實都可看成是結構方程模型的特例。但是，結構方程模型的本質上卻都具有上述統計方法所無法比擬的優點。也正因為如此，導緻近年來，結構方程模型在心理學、教育學、管理學以及行為科學等領域中能被廣泛的應用。

评分☆☆☆☆☆

這本書的書名，立刻勾起瞭我對於過去那些為瞭統計分析而熬夜查文獻、試圖理解複雜模型、以及在電腦前與 Stata 奮鬥的點點滴滴的迴憶。結構方程模型（SEM）的強大之處在於它能夠讓我們描繪齣抽象概念之間複雜的因果關係，這在心理學、社會學、市場研究等領域，都是非常關鍵的研究工具。而試題反應理論（IRT），更是讓我在測驗發展和人纔評估方麵，有瞭更精確、更科學的依據。然而，將這些理論從紙麵上的公式，轉化為 Stata 程式碼，再到能夠解讀的分析結果，這中間的過程，實在是充滿瞭挑戰。 我尤其關注的是，這本書在 Stata 的操作方麵，會有多麼詳盡的指導。Stata 的語法雖然靈活，但對於初學者來說，可能需要花不少時間去適應。我希望書中能夠提供清晰、易懂的 Stata 指令，並且能夠解釋每一個指令背後所代錶的意義，以及它在 SEM 或 IRT 模型建構中的作用。此外，我也期待書中能夠展示如何利用 Stata 來進行模型的適配度檢驗，並針對不同的適配度指標，提供詳細的解釋和判讀建議。因為，很多時候，模型建構完成後的解讀，往往比模型建構本身更為關鍵。如果這本書能夠在這方麵給予我足夠的啟發和幫助，那將會是一本我願意長期珍藏的工具書。

评分☆☆☆☆☆

這本《Stata在結構方程模型及試題反應理論的應用》這個書名，對於我們這種在颱灣教育領域打滾的老師們來說，簡直是久旱逢甘霖。我們長期以來都在為學生的學習成效、測驗的信效度、課程的評量機製傷腦筋。SEM 在我們評估教育政策的影響、探討學習動機與學業成就的關聯等方麵，有著不可替代的作用。例如，我們想知道某個新的教學方法，是不是真的能有效提升學生的數學能力，並且這種提升是透過增強學生的學習興趣來達成的，這就非常適閤用 SEM 來驗證。 而 IRT，對於我們編製標準化測驗，像是升學考試、國傢級的學力檢定，更是核心的分析工具。傳統的 KR-20 或 Cronbach's alpha 雖然能提供總體的信度指標，但在項目分析、評估單一題目的難度、鑑別度，以及更精確地評量學生的能力水平方麵，IRT 提供瞭更為細緻的視角。尤其是在推動適性化學習、精熟學習的理念下，IRT 所能提供的個別化能力評估，更是顯得尤為重要。因此，若這本書能將 Stata 這個強大的分析軟體，與這兩大統計理論完美結閤，並且提供一些貼近颱灣教育情境的案例，那對於我們這些身處第一線的教育工作者來說，無疑是一份極為寶貴的資源。我希望書中能深入淺齣地講解，讓非統計學科班齣身的老師也能讀懂、學會，並能實際應用到我們的教學與研究中。

评分☆☆☆☆☆

每次在學術研討會上，聽到同儕們分享 SEM 和 IRT 的研究成果，總會讓我感到既羨慕又有些力不從心。雖然我對這些理論的概念有初步的瞭解，但當他們開始談論模型設定、參數估計、軟體操作時，我常常會感到一頭霧水。尤其是 Stata，雖然我知道它很強大，但我平時接觸的都是一些比較基礎的統計分析，對 Stata 的進階語法和操作流程，還不是非常熟悉。這也讓我對嘗試應用 SEM 和 IRT 產生瞭心理上的障礙。 所以我非常期待這本書能成為我跨越這個障礙的橋樑。我希望它能提供一個循序漸進的學習路徑，從最基本的 SEM 模型（像是單因子、多因子驗證性因素分析）和 IRT 模型（例如二分法項目反應模型）開始，逐步引導讀者熟悉 Stata 的相關指令和操作。同時，我也希望書中能提供一些真實世界的資料範例，並詳細展示如何利用 Stata 來進行資料的預處理、模型的建立、參數的估計、模型的診斷（例如適配度指標的判讀），以及結果的解釋。更重要的是，希望書中能包含一些常見問題的解決方案，以及一些在實際應用中可能遇到的陷阱和注意事項。如果能有這樣的指導，我相信我一定能更有信心去探索 SEM 和 IRT 的世界。

评分☆☆☆☆☆

坦白說，光是書名中的「Stata」、「結構方程模型」、「試題反應理論」這幾個關鍵字，就足以讓我這個長年與數據打交道的「Stata 控」感到心癢難耐。在颱灣，從事學術研究或者數據分析工作的，很少有人沒接觸過 Stata。它強大的資料處理能力、靈活的語法操作，以及豐富的擴展模組，確實讓它在眾多統計軟體中脫穎而齣。而 SEM 和 IRT，更是許多進階研究論文的核心分析工具。我記得以前為瞭搞懂 SEM 的一些細節，常常需要翻閱好幾本不同的教科書，還要找很多國外的論文來比對，花瞭不少時間摸索。IRT 更是感覺像是在另外一個獨立的知識體係，要同時融會貫通，確實需要一個好的引導。 我對於這本書的編排方式非常感興趣。它會從 SEM 的基礎概念開始，逐步深入到各種進階模型嗎？抑或是會直接切入 Stata 的指令操作，透過實際範例來解釋理論？而 IRT 的部分，又會著重在哪些模型？是 Rasch 模型、二參數模型，還是三參數模型？更重要的是，書中會不會提供一些實際的資料集，讓讀者可以跟著書中的步驟一起練習，從原始資料到最終的分析報告，都能一手掌握？畢竟，光看理論、看範例，遠不如自己動手做一遍來得深刻。如果書中能提供足夠的實例，並且能涵蓋從資料準備、模型設定、參數估計、模型適配度檢驗，到結果解釋的完整流程，那這本書的價值將會大大提升。我迫切地想知道，它能讓我省下多少時間，少走多少彎路。

评分☆☆☆☆☆

看到這本《Stata在結構方程模型及試題反應理論的應用》的書名，我的腦海裡立刻浮現齣許多過去在學術研究和實際操作中遇到的挑戰。結構方程模型（SEM）和試題反應理論（IRT）都是統計學中非常強大但同時也極具深度的領域。SEM 在探討複雜變項關係、驗證理論模型方麵，扮演著至關重要的角色，對於社會科學、心理學、教育學等領域的研究者來說，它幾乎是必備的工具。而 IRT 則在測驗編製、能力評估、項目分析等方麵，提供瞭更精確、更具統計基礎的分析方法，尤其在教育測驗、學術能力鑑定等領域，其重要性不言而喻。 然而，這兩套理論的實際應用，往往不是一蹴可幾的。光是理解其背後的數學原理和統計假設，就可能讓許多人望之卻步。更不用說將這些理論落實到實際數據分析中，需要熟練掌握相應的統計軟體，並能正確解讀軟體輸齣的結果。Stata 作為一款功能強大且廣泛使用的統計軟體，在處理複雜模型和進行精確分析方麵，具有顯著優勢。因此，一本能將 Stata 的應用與 SEM 和 IRT 這兩個高階統計方法結閤的書籍，對於像我一樣，希望能將理論知識轉化為實務能力的讀者來說，絕對是一本值得期待的寶藏。我尤其好奇書中會如何引導讀者，從理論概念的介紹，到 Stata 實際操作的步驟，再到結果的解釋和應用的建議，這整個流程的銜接是否流暢，能否有效幫助讀者剋服學習上的障礙。