路径分析
1、作用
路径分析,一种基于线性回归方法、用于分析错综复杂变量之间路径关系的一种模型
2、输入输出描述
输入:变量对应的路径关系,一般要求输入数据为定量数据。
输出:各变量作用的路径关系或是否成立。​
3、案例示例
案例:研究“幸福感”的影响因素,有四个变量可能对幸福感有影响,他们分别是:经济水平、受教育程度、身体健康、情感支持。通过路径分析可以得到这四个变量如图所示路径关系作用于幸福感。
4、案例数据
模型要求为变量对应的路径关系,一般要求输入数据为定量数据(案例数据中为幸福度、经济水平、情感支持水平、身体健康水平、受教育程度),路径关系可以参考案例里的路
径,这是由调查或者询问专家获得的。
5、案例操作
Step1:新建分析;
Step2:上传数据;
Step3:选择对应数据打开后进行预览,确认无误后点击开始分析;
Step4:选择【路径分析】;
Step5:查看对应的数据数据格式,【路径分析】要求按照初步假设出模型中各变量的相互关系,绘制成一张清晰的路径分析图;
Step6:点击【开始分析】,完成全部操作。
怎么做数据分析
6、输出结果分析
输出结果 1:模型路径图
图表说明:上表展示了带权路径图,主要包括模型的标准化系数,用于分析路径影响关系情况。
输出结果 2:模型回归系数表
图表说明
基于配对项经济水平->情感支持水平,显著性 P 值为 0.000***,水平上呈现显著性,则拒绝原假设,因此此路径有效,其影响系数为 0.489。
基于配对项受教育程度->情感支持水平,显著性 P 值为 0.016**,水平上呈现显著性,则拒绝原假设,因此此路径有效,其影响系数为-0.132。
基于配对项情感支持水平->幸福度,显著性 P 值为 0.025**,水平上呈现显著性,则拒绝原假设,因此此路径有效,其影响系数为 0.233。
基于配对项身体健康水平->幸福度,显著性 P 值为 0.000***,水平上呈现显著性,则拒绝原假设,因此此路径有效,其影响系数为-0.354。
基于配对项受教育程度->幸福度,显著性 P 值为 0.000***,水平上呈现显著性,则拒绝原假设,因此此路径有效,其影响系数为-0.768。
输出结果 3:模型拟合指标
图表说明
上表展示了模型的拟合指标,可以适当选择一些指标进行评价,若所有指标均不满足,可以考虑根据输出 1 对路径进行删除或者重构
● 卡方和自由 df 度主要用于比较多个模型,卡方值越小越好,自由度反映了模型的复杂程度,模型越简单,自由度越多,反之,模型越复杂,自由度越少。
● GFI(拟合优度指数):主要是运用判定系数和回归标准差,检验模型对样本观测值的拟合程度。其值在 0-1 之间,愈接近 0 表示拟合愈差。CFI≥0.9,认为模型拟合较好。
● RMSEA(近似误差均方根):一般情况下,RMSEA 在 0.08 以下(越小越好)。
● RMR(均方根残差):该指标通过测量预测相关和实际观察相关的平均残差,衡量模型的拟合程度。如果 RMR < 0.1,则认为模型拟合较好
● CFI(比较拟合指数):该指数在对假设模型和独立模型比较时,其值在 0-1 之间,越接近 0 表示拟合越差,越接近 1 表示拟合越好。一般情况,CFI≥0.9,认为模型拟合较好。
● NNFI(非规范拟合系数)和 CFI(比较拟合指数) :其值越大越好,所拟合的模型表现较好。
结果分析:由上表可知,大部分指标都满足要求,说明拟合的模型表现较好。
输出结果 4:路径节点协方差关系表 ​
图表说明:协方差表格分析了模型中没有入度的节点(即没有箭头指向它的节点),用于分析路径节点之间的关联性。
结果分析:由上表可知,经济水平与受教育程度的协方差关系呈现显著性,标准化系数为-
0.236,有极低的关联性。
受教育程度与身体健康水平的协方差关系呈现显著性,标准化系数为 0.26,有较低的关联性。
所以不用考虑从模型中加入该路径关系进行分析。
7、注意事项
路径分析可以用来反驳一个表明变量之间存在因果关系的模型;但是,它不能用来证明变量之间存在因果关系。