具體描述
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
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
著者信息
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
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
圖書目錄
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
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
圖書序言
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。
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。
圖書試讀
None
用戶評價
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版權所有