结构方程模型分析 |
您所在的位置：网站首页 › 模型修正方法有哪些 › 结构方程模型分析 |
结构方程模型分析
|
（一）问卷设计
问卷是社会研究中用来收集资料的一种工具。一份好的调查问卷有利于调动被调查者的回答、对调查数据进行收集、提高作业效率。本文结合问卷设计的目的性原则、科学性原则、逻辑学原则、中立性原则、方便性原则通过设计问卷调查前的探索性研究、设计问卷的初稿、问卷的整改得出附录里的问卷。最终设计6道基础试题，李克特五级量表的七个维度，设计问卷见表1-1和表1-2。 数据分析，结构方程模型，公众号：
以下是做结构方程模型的问卷及其编码： 表 1-2 量表部分问卷 维度 选项 编码 研究方法 HPV 认知 对宫颈癌的了解 Q7R1 结构方程模型、中介效应分析、差异分分析 HPV病毒可以分为很多种类型 Q7R2 HPV（人乳头瘤病毒）是一种常见的病毒 Q7R3 自我自觉效能 我能够及时关注和查询HPV疫苗的相关信息 Q8R1 接种HPV疫苗是对今后家庭负责任的一种表现 Q8R2 人际 传播 朋友 Q9R1 同学 Q9R2 家人 Q9R3 老师 Q9R4 其他 Q9R5 媒介与渠道 社交媒体APP（微信、微博等） Q10R1 视频网站（B站、抖音等） Q10R2 传统媒体（广播、电视等） Q10R3 社区、学校、政府的宣传 Q10R4 医生和相关医疗机构 Q10R5 感知 危险 我认为HPV会产生很多严重的并发症 Q11R1 我认为感染HPV是致命的 Q11R2 如果感染HPV，会给我和家人的生活产生严重影响 Q11R3 我认为我现在的年龄很容易感染HPV Q11R4 HPV疫苗接种意愿 为了安全，我会尽快接种HPV疫苗 Q12R1 我认为接种HPV疫苗很有必要 Q12R2 我会推荐他人接种 Q12R3 行动 阻碍 HPV疫苗接种的价格昂贵（反向计分） Q13R1 我担心接种HPV疫苗可能出现副作用（反向计分） Q13R2 我缺乏对HPV疫苗基本情况的了解（反向计分） Q13R3 HPV疫苗接种不便，如时间地点不允许、难以预约等（反向计分） Q13R4 注：为方便数据检验，对行动障碍维度题项才反向计分制。 首先，通过对问卷量表题进行数据检验，发现最终得到维度与问卷设计相符合，问卷数据有效性与一致性强，基于此基础本章将进行结构方程模型的建立过程，具体从模型的适用性分析、测量模型、结构模型以及研究假设等方面进行。 （二）结构方程模型的适用性分析在需要探究多个变量之间的复杂关系时，结构方程模型（Structural Equation Modeling, SEM）是一种有用的统计工具。SEM是基于多元统计分析的一种方法，它可以分析测量模型和结构模型的关系，这些模型通常用来测试一个理论模型中的假设[17]。SEM是一种广泛适用的方法。影响女大学生对HPV认知与HPV疫苗接种意愿的因素多而复杂，如果采用传统的统计方法，容易忽略测量中的误差，导致研究结果与实际不符，无实际指导意义，同时传统的统计方法无法分析出各潜变量通过HPV认知对接种意愿的影响程度。结构方程模型则设置测量误差，有效的弥补该偏差，同时通过中介效应分析，可以分析出各潜变量通过HPV认知对接种意愿的影响程度。SEM有许多优点，例如它可以处理大量的变量，并能够同时分析多个潜在变量之间关系。此外，SEM还可以检验测量工具的质量，并将多种类型的数据集合并到一个模型中[17]。综上所述，运用结构方程模型研究女大学生对HPV认知与HPV疫苗接种意愿具有较好的指导意义。 （三）理论模型的建立SEM包括两个部分：测量模型和结构模型。测量模型可以用来验证观察到的变量与它们所代表的潜在变量之间的关系。潜在变量通常是无法直接测量的，因此需要从观察到的变量中推断它们的存在。结构模型则可以用来研究不同潜在变量之间的因果关系[11]。 SEM的核心思想是使用一组观测变量来描述一组潜在变量，这些潜在变量通常不能被直接测量。在SEM中，研究者使用多个变量测量潜在变量，并确定它们之间的关系。通过构建一个多个潜在变量之间的理论模型，SEM可以测试这些假设，并生成一个结构方程模型，用于解释数据的变化[16]。 SME是通过一组观测变量来描述一组潜在变量，从观察到的变量中推断潜变量的存在。因此，接下来的测量模型构建将以外生变量和内生变量的分类分别进行测量模型的建立。 1内生变量测量模型构建内生变量是指在结构方程模型中既受其他变量的影响，也影响其他变量的变量。 内生变量多作因变量之用，但也可能作为影响其他的自变量，内生变量的一个重要性质是具有残差，因为内生变量的变异量不一定能够被模型当中的其他变量所解释[1]。HPV疫苗作为因变量受其他变量的影响，HPV认知作为中介变量既受其他变量的影响，也影响其他变量的变量。因此构建结构方程模型内生变量测量模型见图4-1。
图 4-1 内生变量测量模型 以极大似然法估计各回归系数参数结果，设置Q7R1、Q12R1的参数指标值设置为1不予估计，HPV认知内生潜变量测量模型由3个外生观测变量“Q7R1”、“Q7R2”、“Q7R3”组成。HPV疫苗接种意愿内生潜变量测量模型由3个外生观测变量“Q12R1”、“Q12R2”、“Q12R3”组成。 HPV认知与。HPV疫苗接种意愿两个内生变量测量模型的矩阵方程形式，如公（1）式所示
外生变量是指在结构方程模型中只影响其它变量，而不受其它变量影响的变量。由于自我自觉效能、感知危险、行动障碍、人际传播、媒介与渠道这五个潜变量只影响其它变量而不受其它潜变量的影响。因此，结合本文研究目的，构建结构方程模型外生变量测量模型见图4-2。
图 4-2 外生变量测量模型 以极大似然法估计各回归系数参数结果，设置Q8R2、Q9R1、Q10R2、Q11R4、Q13R1的参数指标值设置为1不予估计。自我自觉效能外生潜变量测量模型由2个外生观测变量“Q8R1”、“Q8R2”组成。感知危险外生潜变量测量模型由4个外生观测变量“Q11R1”、“Q11R2”、“Q11R3”、“Q11R4”组成。行动障碍外生潜变量测量模型由4个外生观测变量“Q13R1”、“Q13R2”、“Q13R3”、“Q13R4”组成。人际传播外生潜变量测量模型由5个外生观测变量“Q9R1”、“Q9R2”、“Q9R3”、“Q9R4”、“Q9R5”组成。媒介与渠道外生潜变量测量模型由5个外生观测变量“Q10R1”、“Q10R2”、“Q10R4”、“Q10R4”、“Q10R5”组成。 以人际传播为例构建外生变量测量模型的矩阵方程形式，如下公式（2）所示
结构模型主要用来表示各变量间的结构关系，根据外、生变量的不同，变量间的结构关系具体可分为外生变量对内生变量的影响关系和内生变量之间的影响关系。 在一个完整的结构方程模型建立过程中，在建立测量模型的基础上，只需建立测量模型的各个潜变量之间的影响关系的结构模型，就能得到包含所有变量关系的结构方程模型。在内生变量测量模型与外生变量测量模型的基础上构建结构方程模型图如图4-3。
图 4-3 结构方程理论假设模型 按照图4-3的结构方程模型示意图中的假设路径将测量模型中的各个潜变量连接起来。得到包含 7个潜变量 、26个观测变量及 28个残差变量的结构方程模型 。将外生变量量模型、内生变量量模型和结构模型等各部分组合起来即得到一个完整的结构方程模型。 数据分析，结构方程模型，公众号：优雅但无解
根据图4-3的HPV认知与HPV疫苗接种意愿影响因素关系理论模型以及理论分析，对结构方程模型各变量之间的关系作出如下假设： 假设H1：潜变量“自我自觉效能”对潜变量“HPV认知”不存在显著的影响关系； 假设H2：潜变量“人际传播”对潜变量“HPV认知”不存在显著的影响关系； 假设H3：潜变量“媒介与渠道”对潜变量“HPV认知”不存在显著的影响关系； 假设H4：潜变量“感知危险”对潜变量“HPV认知”不存在显著的影响关系； 假设H5：潜变量“行动障碍”对潜变量“HPV认知”不存在显著的影响关系； 假设H6：潜变量“HPV认知”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系； 假设H7：潜变量“自我自觉效能”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系； 假设H8：潜变量“人际传播”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系； 假设H9：潜变量“媒介与渠道”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系； 假设H10：潜变量“感知危险”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系； 假设H11：潜变量“行动障碍”对潜变量“HPV疫苗接种意愿”不存在显著的影响关系； （五）模型适配度指标在SEM中，模型适配度指标是一个重要的指标，用于评估模型与数据的拟合程度。常用的模型适配度指标包括卡方检验、比较拟合指数（Comparative Fit Index，CFI）、标准化均方根残差（Root Mean Square Error of Approximation，RMSEA）等。本文用到的所有模型适配度指标见表4-1。
指标 统计检验量 建议参考标椎 绝对适配度指标 P>0.05（未达显著性水平） RMSEA 0.9 增值适配度指标 NFI >0.9 TLI（NNFI） >0.9 RFI >0.9 IFI >0.9 CFI >0.8可接受，>0.9拟合良好 简约适配度指标 PGFI >0.5 PNFI >0.5 PCFI PCFI >0.5 CMIN/DF |
【本文地址】
今日新闻 |
推荐新闻 |