结构方程模型及其应用（附光盘）/社会科学研究方法丛书 [Structural equation model and its applications] 下载 mobi epub pdf 电子书 2024

☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　《结构方程模型及其应用/社会科学研究方法丛书》阐述了结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的实际应用、常用模型及其LISREL程序、输出结果的解释和模型评价，以及一些与结构方程模型有关的专题和结构方程的用法。

作者简介

　　侯杰泰，香港中文大学教育心理系教授、系主任。主要研究方向为学习动机，应用统计和香港语文政策。曾多次在北京、上海、南京、长春、广州等地举办的地区或全国性结构方程分析研习班上讲学。
　　
　　温忠麟，华南师范大学心理系教授。先后就读于华南师范大学、云南大学和香港中文大学。两次获国家公派，在英国曼彻斯特大学和澳大利亚西悉尼大学做访问学者各一年。主要研究方向为心理统计和测量，数理统计。
　　
　　成子娟，香港教育学院讲师。1999年毕业于香港中文大学，获博士学位。主要研究方向为结构方程在内隐观研究中的应用，数学逻辑思维的发展和教学。

目录

序
第一部分 结构方程模型入门
第一章 引言
一、描述数据
二、具体例子展示准确与简洁的考虑
三、探索性与验证性因子分析比较
第二章 结构方程模型简介
一、结构方程模型的重要性
二、结构方程模型的结构
三、结构方程模型的优点
四、结构方程模型包含的统计方法
五、路径图的图标规则
六、结构方程分析软件包
七、LISREL操作入门

第二部分 结构方程模型应用
第三章 应用示范I：验证性因子分析和全模型
一、验证性因子分析
二、多质多法模型
三、全模型
四、高阶因子分析
第四章 应用示范II：单纯形和多组模型
一、单纯形模型
二、多组验证性因子分析
三、多组分析：均值结构模型
四、回归模型
第五章 结构方程建模和分析步骤
一、验证模型与产生模型
二、结构方程分析步骤
三、参数估计和拟合函数
四、拟合检查
五、模型修正和交互效度
六、模型比较的原理
七、报告结果

第三部分 结构方程模型专题研究
第六章 专题讨论——涉及数据的问题
一、样本容量
二、数据类型
三、处理非正态数据
四、异常数据
五、缺失数据
六、可否应用相关矩阵作分析
七、处理小样本的方法
第七章 专题讨论——涉及模型拟合的问题
一、忽略测量误差所引致的错误
二、非正定协方差矩阵
三、不收敛
四、不恰当的解
五、单指标潜变量
六、误差相关
七、因子的单位与附加限制
八、为什么要考虑等同模型
九、模型与数据拟合是否表示模型正确
十、结构方程是否验证变量间的因果关系
十一、怎样避免潜变量名实不符的问题
十二、合宜和错误的高阶因子
十三、如何报告结构方程分析结果
十四、与传统分析的结合
第八章 拟合指数
一、拟合指数概述
二、绝对拟合指数
三、相对拟合指数
四、简约拟合指数
五、拟合指数定义一览

第四部分 结构方程模型统计原理
第九章 验证性因子分析原理
一、验证性因子分析的基本概念
二、因子分析模型及其协方差结构
三、因子分析模型识别的若干准则
四、参数估计
五、模型评价
六、有均值结构的因子分析模型
七、多组比较
第十章 路径分析原理
一、因果模型中的结构方程
二、路径分析与效应分解
三、因果模型的协方差矩阵
四、因果模型识别准则
五、参数估计
六、模型评价与修正
七、因果模型与因果分析
第十一章 结构方程分析原理
一、结构方程基本概念
二、结构方程模型及其协方差结构
三、若干特殊的结构方程模型
四、模型识别
五、参数估计
六、模型评价与修正
七、标准化系数
八、有常数项的结构方程模型
九、多组比较

第五部分 LISREL软件
第十二章 LISREL语法结构
一、LISREL语法中的矩阵
二、LISREL语法通则和特性
三、LISREL语法结构一般法则
四、LISREL程序结构
五、标题指令句
六、输人格式
七、一般分析格式
八、模型指令格式
九、其他模型设定格式
十、输出格式
第十三章 PRELIS语法结构
一、PRELIS程序结构
二、标题指令句
三、输入格式
四、操控数据指令
五、处理缺失数据
六、分析和输出指令
七、多元设算指令

附录I LISREL示范程序
一、本章内容
二、各研究内容简介及相应的LISREL程序
附录II PRELIS示范程序
一、本章内容
二、各研究内容简介及对应的PRELIS程序
附录IlI 通过SPsS读取数据
附录Ⅳ 结构方程讨论小组
参考文献

精彩书摘

　　《结构方程模型及其应用/社会科学研究方法丛书》：
　　不过Velicer和Fava（1987，1989，1998）回顾相关文献，认为上述N：p或N：t越大越好的建议并无多大根据。他们的研究，还有Marsh等人（1998）的研究显示，从模型收敛和拟合指数等角度，显而易见N越大越好，但每个因子的题数也是越多越好，而因子负荷则越高越好。
　　此外，在多质多法模型中（Marsh＆Bailey，1991）（见第三章第二节），当每个因子的题目较多时，模型更易收敛。传统信度概念和功效分析（power analysis）（MacCallum，Browne&Sugawara;，1996）也支持用多一些题目，这些结果与建议不要用太多题目互相矛盾。
　　许多学者为减低模型的题目数量，将数题合并成小组（parcel）。例如，某因子有14个题目，可将它们分为3组或4组（每组题数不一定相同），求每组题目的总分或平均分（若用相关矩阵分析，用总分与用平均分结果相同），将小组得分作为新指标处理。所以原模型可能需处理上百个题目，按题目小组合并后则变为一个只含数十个指标的模型。
　　将某个因子的题目分成小组时，习惯做法是使各小组的构成和内容尽量相似。例如，测量学生自信的因子含3题语文能力自信，3题数学能力自信等内容的题目，许多研究者会将这些题目尽量均匀放在每个小组内（即每个题目小组均有数学和语文能力自信的题目），使每个小组的构成内容十分相似。不过组成题目小组策略的实证研究仍十分有限。
　　……
结构方程模型及其应用（附光盘）/社会科学研究方法丛书 [Structural equation model and its applications] 下载 mobi epub pdf txt 电子书 格式

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价