簡介LISREL軟件驗證性因素分析完整版PPT是一份面向社科、心理、管理領域研究者與學生的系統(tǒng)課件主要演示如何運用LISREL開展驗證性因素分析CFA并驗證理論模型與實際觀測數(shù)據(jù)是否吻合。內(nèi)容圍繞“準確Vs簡潔”的建模矛盾展開講解了輸入變量相關矩陣、提出簡約模型、輸出再生矩陣從而評估模型的思路系統(tǒng)介紹擬合優(yōu)度指數(shù)GFI、調(diào)整后擬合指數(shù)AGFI、標準化均方殘差SRMR、非范擬合指數(shù)NNFI、比較擬合指數(shù)CFI等關鍵指標并結合多模型比較案例說明因子負荷、誤差方差、因子相關結構的估計策略以及自由度與參數(shù)個數(shù)對模型優(yōu)劣的影響。同時課件還嵌入了結構方程模型的基本框架涵蓋測量模型、外源與內(nèi)生指標、潛在變量和測量誤差等要點幫助研究者理解SEM相對于傳統(tǒng)回歸的優(yōu)勢如同時處理多因變量、允許自變量含測量誤差等。資源包僅含1個PPT文件大小1.22MB結構緊湊適合作為課堂教學或學術匯報的參考材料也便于自學時系統(tǒng)梳理CFA與分析流程。目前已有59人學習適合希望快速掌握LISREL建模與模型比較方法的初、中級研究人員。1. LISREL 驗證性因素分析完整版從一份 PPT 到一條能落地的交付路徑如果只把驗證性因素分析當“跑一個軟件、看幾個擬合指標”那你拿到任何一份以 LISREL 為主題的教程都會覺得像天書。但說實話學會 LISREL 的腳本命令是理解結構方程模型內(nèi)部機制最劃算的一條路。標題里這份“完整版”的 PPT本質上承諾的正是同一件事——把問卷設計、協(xié)方差矩陣、測量模型、參數(shù)設定、輸出解讀和修正策略串成一條能獨立走完的流水線。適合誰來讀正在做量表驗證的社科與經(jīng)管研究者、要替別人跑模型的咨詢從業(yè)者以及剛接觸結構方程、不想把調(diào)參當玄學的同學。讀完你會拿到一套能直接改參數(shù)用的語法模板也知道改每一個參數(shù)時 LISREL 在后臺動了什么。2. 驗證性因素分析的模型結構先想清楚你驗證的是什么2.1 探索與驗證的分水嶺誰在決定因子與題項的從屬關系探索性因素分析EFA是讓數(shù)據(jù)自己聚堆研究者不管題目歸屬靠特征值、碎石圖和旋轉方案命名因子驗證性因素分析CFA完全反過來你先用理論或前人量表指定 Q1~Q4 歸屬第一個潛變量Q5~Q8 歸屬第二個Q9~Q12 歸屬第三個然后檢驗這套指定結構能不能被數(shù)據(jù)拒絕。兩者最大的差別在于自由度EFA 是在“無序中找秩序”CFA 是在“給定秩序下檢驗反證”。用 LISREL 跑 CFA 時你寫下的 PA 矩陣就是在完成這種“指定從屬關系”的動作每一個 1 都在向軟件聲明這道題屬于這個因子請估計它的載荷。很多人在這一步就栽了。最常見的心態(tài)是“我先把所有題都放進去讓軟件告訴我哪些題不好”這本質是拿 CFA 當 EFA 用。CFA 的題目歸屬必須來自理論或前人文獻而不是數(shù)據(jù)探索結果。你可以在報告里寫明“依據(jù)某理論的三個維度構建三因子測量模型”這句話才是整個分析的合法前提。2.2 測量方程簡寫x Λxξ δ 在 LISREL 里怎么落CFA 的測量模型用一句話說觀測變量 因子載荷 × 潛變量 測量殘差。寫成 LISREL 教材里的標準形式就是 x Λxξ δ。x 是 12 個題項的觀測向量ξ 是 3 個潛變量Λx 是 12 行 3 列的因子載荷矩陣δ 是測量殘差向量。LISREL 所有腳本都在做同一件事告訴軟件 Λx 里面哪些位置載荷自由估計、哪些位置固定為 0、ξ 之間的相關是否允許存在、δ 的方差如何處理。這四條信息對應到語法上就是 MO 卡片里 LX、PH、TD 三個矩陣的設置。LX 管“題項和因子的關系”PH 管“潛變量之間的關系”TD 管“測量殘差的方差”。點鼠標的工具把這層關系藏起來了LISREL 把它攤開。所以用 LISREL 跑 CFA 的價值不在結果本身而在它強迫你回答“你憑什么讓 Q1 跟第一個潛變量有關”。2.3 五個核心卡片DA、LA、MO、PA、OU 各管什么一套能跑的 LISREL 語法基本繞不開這五類卡片DA數(shù)據(jù)卡片聲明指標數(shù)、樣本量、輸入矩陣類型。LA標簽卡片逐行給出變量名數(shù)量必須與 NI 一致。MO模型卡片定義 NX、NK以及 LX、PH、TD 等矩陣的初始狀態(tài)。PA模式卡片用 0/1 矩陣聲明哪些位置是自由參數(shù)。OU輸出卡片決定要不要標準化解、修正指數(shù)、殘差分析。執(zhí)行順序上DA 和 LA 先告訴軟件“你的數(shù)據(jù)長什么樣”MO 和 PA 告訴軟件“你想估計什么模型”O(jiān)U 控制“你要看哪些結果”。如果哪一步報錯依次檢查這幾個環(huán)節(jié)比一張張翻界面快得多。2.4 為什么值得用 LISREL 而不是順手拿 R 包三點理由R 語言里用現(xiàn)成結構方程包跑 CFA 也許只要十行代碼默認工作流非常順但初學者經(jīng)常不知道模型是如何被識別的。LISREL 語法里你必須親手寫 PA 矩陣、親手決定 PH 是固定還是自由這逼著你把識別邏輯過一遍。第二個理由是輸出格式的規(guī)范性LISREL 給出的 LAMBDA-X、THETA-DELTA 和 MI 矩陣幾乎就是教科書和論文里直接引用的命名方式讀起來零遷移成本。第三很多期刊審稿人熟悉這套命名習慣你在報告里寫“LAMBDA-X 標準化載荷范圍 0.68~0.92”對方一眼就知道你說的是什么。這不是說 R 不好而是說 LISREL 更適合作為理解 CFA 的第一站。等你把 LISREL 的矩陣邏輯理順了再回去用 R會發(fā)現(xiàn)所有參數(shù)名都能對上排錯也快得多。3. 數(shù)據(jù)準備與 LISREL 語法編排一份能跑通的 CFA 命令模板3.1 數(shù)據(jù)準備為什么我建議直接用協(xié)方差矩陣而不是相關系數(shù)矩陣你的源數(shù)據(jù)可能是問卷原始回答也可能是已經(jīng)算好的矩陣。LISREL 做極大似然估計時真正吃進去的是樣本協(xié)方差矩陣。最穩(wěn)妥的辦法是預處理階段直接輸出協(xié)方差矩陣而不是用相關系數(shù)矩陣。原因很實在因子載荷的標準誤和卡方值都依賴變量的方差尺度相關矩陣把每個變量的尺度信息都歸一化掉了等于提前丟了一部分信息。如果你手里只有相關系數(shù)矩陣也不是不能跑但必須在 DA 卡片里同時給出每個變量的標準差讓 LISREL 把相關矩陣換算回協(xié)方差矩陣。實際操作中很多人沒給標準差就直接拿相關矩陣跑出來的卡方和 RMSEA 往往偏緊模型看起來比實際更差。這個坑在第五章還會再提一次。3.2 一份最小可運行模板12 題 3 因子固定方差策略下面是一份最常見的 CFA 模板12 個觀測變量對應 3 個潛變量每個因子 4 題。協(xié)方差文件放在當前工作目錄下文件名用英文。DA NI12 NO300 MACM LA Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 CM FICFA_data.COV MO NX12 NK3 LXFU,FI PHFI TDDI,FR PA LX 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 1 OU MI SS ND3這段語法里每一行都有明確分工。DA 行聲明了 12 個指標、300 個樣本、輸入矩陣類型為協(xié)方差矩陣LA 下面 12 行變量標簽順序必須和協(xié)方差矩陣的行列順序完全一致CM FI 表示從外部文件讀取協(xié)方差矩陣替換成你自己的路徑即可。MO 行是核心。NX12 和 NK3 分別表示觀測變量數(shù)和潛變量數(shù)LXFU,FI 表示載荷矩陣是滿矩陣且所有位置先固定為 0PHFI 表示潛變量相關矩陣先固定成一個單位矩陣也就是潛變量方差固定為 1TDDI,FR 表示測量殘差矩陣是對角陣并且對角線上的殘差方差自由估計。PA 行下面那張 12 行 3 列的 0/1 矩陣是關鍵所在。每行對應一個觀測變量每列對應一個潛變量1 的位置表示“這道題在這個因子上有載荷需要估計”。前 4 行第一列為 1代表 Q1~Q4 歸屬第一個潛變量中間 4 行第二列為 1代表 Q5~Q8 歸屬第二個潛變量最后 4 行第三列為 1Q9~Q12 歸屬第三個潛變量。最后的 OU 行里MI 表示輸出修正指數(shù)SS 表示輸出標準化解ND3 表示結果保留三位小數(shù)。這套模板跑通之后你得到的是一份完整的 CFA 結果文件包含載荷、潛變量相關、誤差方差和全部擬合指標。3.3 參數(shù)設定策略固定方差、固定載荷到底選哪個上一節(jié)模板用的是“固定潛變量方差為 1”的策略這是 CFA 單獨使用時最常見的做法好處是潛變量的尺度被鎖死載荷直接反映指標與因子的關系強度。另一種常見策略是“固定每個因子第一個載荷為 1”讓潛變量方差自由估計。做法如下。DA NI12 NO300 MACM LA Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 CM FICFA_data.COV MO NX12 NK3 LXFU,FI PHSY,FR TDDI,FR PA LX 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 1 VA 1 LX 1 1 LX 5 2 LX 9 3 OU MI SS ND3區(qū)別只在兩處。MO 行里 PH 從 FI 變成了 SY,FR表示潛變量相關矩陣為對稱矩陣且所有元素自由估計語法最后多了一行 VA 1把第一個因子第 1 個載荷、第二個因子第 5 個載荷、第三個因子第 9 個載荷固定為 1作為潛變量的尺度基準。兩種策略在模型擬合上通常是等價的區(qū)別在于參數(shù)解釋。固定方差時潛變量方差是標準化的適合直接看因子相關固定載荷時潛變量方差是實際尺度后面如果要把 CFA 接成完整結構方程模型路徑系數(shù)解釋更自然。我的習慣是只做測量模型驗證用固定方差計劃繼續(xù)跑結構模型就用 VA 1 固定載荷省的后面重跑一遍。3.4 跑之前先算識別條件t 規(guī)則與自由度檢查模型能不能識別決定你跑出來的是有效結果還是一堆亂碼。識別條件有一個最粗糙但最好用的“t 規(guī)則”模型中需要估計的自由參數(shù)個數(shù)不能超過協(xié)方差矩陣提供的非冗余元素個數(shù)。12 個變量的協(xié)方差矩陣非冗余元素數(shù)是 12×13/278 個。上面模板里需要估計的載荷是 12 個潛變量方差 3 個殘差方差 12 個一共 27 個自由參數(shù)遠小于 78識別空間很充裕。自由度就是 78 減 27等于 51。跑完之后LISREL 輸出的自由度如果正好是 51說明你的參數(shù)設定和預期一致如果自由度數(shù)不對多半是 PA 矩陣里多寫了 1 或者漏寫了 0。識別不足的高發(fā)場景有兩個。一是某個因子只用了 2 個指標并且這兩個載荷都沒做限制等于用 2 個觀測變量反推 1 個潛變量方差、2 個載荷、2 個殘差方差經(jīng)常出現(xiàn)局部不可識別。二是 PA 矩陣里把某個因子的全部載荷都固定為 0相當于這個因子沒有測量指標模型必然出問題。前者可以增加指標或者釋放跨因子載荷后者就是純粹的語法錯誤。3.5 數(shù)據(jù)文件常踩的編碼邊界變量名、路徑和末行換行符LISREL 對純文本輸入的挑剔程度遠超現(xiàn)代軟件很多“玄學報錯”其實都出在文件本身。變量名不要帶中文、不要帶空格Q1、Q2、item1、item2 這種最穩(wěn)協(xié)方差或原始數(shù)據(jù)文件的完整路徑用英文不要出現(xiàn)中文目錄LISREL 老版本對非英文字符的處理經(jīng)常翻車。還有一個很容易忽略的細節(jié)數(shù)據(jù)文本文件最后一行要有換行符否則 LISREL 可能不讀最后一行的內(nèi)容直接導致變量數(shù)和協(xié)方差維度對不上。每次跑之前我習慣先數(shù)一遍空格數(shù)和行數(shù)確保變量標簽數(shù)量等于 NI 聲明值再去打開 LISREL 主程序。這部分花兩分鐘能省掉后面半小時排查。4. LISREL 輸出解讀四張表管住擬合指標與效度判斷4.1 LAMBDA-X 與標準化解先看符號、再看大小跑完后打開輸出文件找到 “LISREL Estimates (Maximum Likelihood)” 這一段最先看的就是 LAMBDA-X 矩陣。這個矩陣的每個元素就是題項在因子上的載荷。非標準化載荷看相對大小標準化載荷看絕對合理性后者依賴 OU 行里的 SS 參數(shù)所以輸出時必須加上。判斷順序有三步。第一步看符號載荷應該是正的如果出現(xiàn)顯著負值先懷疑反向計分的題項沒做反轉處理第二步看大小標準化載荷在 0.50~0.95 之間是比較健康的狀態(tài)低于 0.50 說明這個題項和因子的共同方差太少第三步看 t 值輸出里每個載荷下面會附 t 值絕對值超過 1.96 才算顯著。三步都過了再談擬合指標。4.2 Goodness of Fit StatisticsRMSEA、CFI、SRMR、卡方怎么取舍LISREL 輸出里會有一整塊擬合統(tǒng)計量新手經(jīng)常不知道以誰為準。我給一個自己慣用的取舍順序RMSEA、CFI、SRMR 三者為主卡方只做參考。指標可接受閾值良好閾值注意點卡方/df32大樣本下幾乎必然顯著別用它一票否決RMSEA0.080.06輸出里帶 90% 置信區(qū)間看區(qū)間上限更穩(wěn)CFI0.900.95小于 0.90 說明模型與數(shù)據(jù)差異明顯SRMR0.080.05輸出名稱是 Standardized RMR很多人只盯卡方 p 值樣本量上了 300p 值很難大于 0.05然后就開始瘋狂修模型這是最常見的誤用。我一般會先看 RMSEA 和 CFI這兩個指標對樣本量不那么敏感SRMR 如果超過 0.08則說明殘差里還有明顯的結構信息沒被模型解釋這時候才需要認真考慮修正方向。4.3 PHI 矩陣與區(qū)分效度潛變量相關不能盲目大PHI 矩陣是潛變量之間的相關系數(shù)。它有兩個作用一是告訴你三個因子到底是不是三個不同的東西二是用來輔助判斷區(qū)分效度。如果某兩個潛變量相關超過 0.85基本可以認為它們測的是同一個構念題目歸屬會遭到嚴重質疑。更嚴格的區(qū)分效度檢驗需要算平均方差提取量 AVE 和組合信度 CR。LISREL 不直接給這兩個數(shù)要在輸出里手動計算。公式如下AVE Σ(標準載荷2) / [Σ(標準載荷2) Σ(殘差方差)]CR (Σ標準載荷)2 / [(Σ標準載荷)2 Σ殘差方差]舉個例子某因子 4 個題項的標準載荷分別是 0.72、0.74、0.69、0.70對應的殘差方差約是 1 減載荷平方即 0.48、0.45、0.52、0.51。四個載荷平方和是 2.05殘差方差和是 1.96AVE 就是 2.05 除以 4.01約 0.51剛過 0.5 的門檻。CR 用四個載荷的和 2.85 平方除以同樣分母算出來約 0.81。AVE 大于 0.5、CR 大于 0.7收斂效度才算站得住。4.4 MI 修正指數(shù)能用但它不替你做理論決定輸出文件后半段有一大塊 “Modification Indices and Expected Change”顯示的是每個被固定參數(shù)的修正指數(shù)。MI 數(shù)值可以粗略理解為“如果釋放這個參數(shù)卡方會下降多少”。MI 大于 10 確實值得看一眼但看的方向比數(shù)值更重要。我見過最典型的錯誤Q3 和 Q8 的殘差之間 MI 有 40就直接加一條殘差相關路徑擬合瞬間好看但這兩個題一個屬于因子一、一個屬于因子二語義上八竿子打不著。這種修正你用一次審稿人就能用十次質疑你的模型是數(shù)據(jù)驅動。MI 的正確用法是先看期望改變量 Expected Change 的方向和大小再看這兩個指標在理論或題面語義上是否有共同方法因素如果都沒有寧可保持原模型。5. LISREL 驗證性因素分析高頻坑五個翻車現(xiàn)場與排查清單5.1 現(xiàn)象迭代中斷提示協(xié)方差矩陣非正定跑著跑著 LISREL 直接報錯提示矩陣不是正定矩陣進程退出。這種報錯在 CFA 里非常高頻尤其是樣本量不大、指標又多的時候。先說明現(xiàn)象不是你的模型設定錯了而是參加分析的協(xié)方差矩陣里存在線性相關或估計不穩(wěn)定。原因通常是三類。一是樣本量相對于變量數(shù)太少比如 100 個樣本偏要放進 20 個變量協(xié)方差矩陣本身就不可靠二是某兩個題項幾乎完全線性相關常見的來源是同一道題被錄入兩次、或者正反計分后的兩個題本質是同一道題三是缺失值處理不當軟件用 pairwise 方式補全導致矩陣內(nèi)部矛盾。解決步驟依次是先把完全相關的重復題刪掉再看樣本量經(jīng)驗上每個指標至少對應 10 個樣本12 個指標建議不低于 200最后檢查缺失值盡量用原始數(shù)據(jù)讓 LISREL 或前端工具做完整估算而不是手動填均值。5.2 現(xiàn)象模型能跑但自由度對不上腳本能跑完說明語法沒有致命錯誤但輸出里自由度和自己預期差很多。你預期 51它給你 45或者干脆給個負數(shù)。這往往不是 LISREL 算錯而是你實際估計的參數(shù)個數(shù)和以為的不一樣。最常見的原因在 PA 矩陣和 MO 行不一致。比如 MO 里寫的是 LXFU,FR這個設置本身已經(jīng)把載荷矩陣所有位置都設成自由參數(shù)了后面再用 PA 去限制就會產(chǎn)生混亂或者 PA 矩陣里多寫了 1導致自由參數(shù)增加自由度縮小。解決方法是把 LXFU,FR 改為 LXFU,FI讓所有載荷先固定只用 PA 矩陣來控制哪些位置被釋放這樣自由度完全透明。跑完對照 3.4 節(jié)算出來的預期自由度對不上就回頭數(shù) PA 里面的 1。5.3 現(xiàn)象標準化載荷超過 1 或殘差方差為負這個現(xiàn)象在結構方程里有個專門的名字叫 Heywood case。表現(xiàn)是標準化解里某個載荷大于 1或者某個殘差方差是負數(shù)輸出結果在數(shù)學上不合法。它的出現(xiàn)幾乎總是由估計問題引發(fā)的。常見誘因有三個樣本量太小或某個指標與因子的關系過于強某個因子只有兩個指標局部識別太弱數(shù)據(jù)本身有極端異常值導致協(xié)方差被單點拉動。解決時不要試圖用語法硬約束真正的做法是回到數(shù)據(jù)側。先刪掉極端離群值再看該因子的指標數(shù)量如果只有兩個指標考慮增加指標或合并因子如果樣本量低于 150這個結果本身就不值得解釋。那些把負殘差強行固定為 0 的辦法只是掩蓋癥狀不解決估計不穩(wěn)的根子。5.4 現(xiàn)象用相關系數(shù)矩陣跑模型擬合指標全部偏緊這是把相關矩陣直接喂給 LISREL 后的典型癥狀模型看起來能跑完但 RMSEA 比預期高一大截CFI 也偏低你開始懷疑是不是模型結構錯了。先別急著刪題問題很可能出在數(shù)據(jù)尺度上。前文提過相關矩陣已經(jīng)把所有變量方差歸一化LISREL 做極大似然估計時少了尺度信息卡方和擬合指標都會受影響而且影響方向并不總是溫和的。解決方法是改用協(xié)方差矩陣如果你只有相關矩陣必須在 DA 行里同時聲明 MAKM并額外用 SD 指令把每個變量的標準差喂給軟件讓 LISREL 先把相關矩陣還原成協(xié)方差矩陣再進入擬合階段。檢查點輸入文件里是否真的出現(xiàn)了每個變量的標準差缺一行都會導致結果不可信。5.5 現(xiàn)象加了幾條 MI 之后擬合上去了因子結構卻解釋不了這是最常見的“數(shù)據(jù)驅動翻車”。初始模型 CFI 只有 0.86按 MI 提示連續(xù)加了三條殘差相關CFI 沖到 0.95你以為模型修好了然后發(fā)現(xiàn) Q3 和 Q9 的殘差被相關在一起而這兩個題分屬完全不同的維度你根本沒法向讀者解釋這條殘差相關是什么。原因很簡單MI 只告訴你統(tǒng)計上釋放哪個參數(shù)能降卡方它不告訴你這兩個測量誤差為什么相關。更好的做法是先把那些 MI 特別大的題項從語義上重新讀一遍看它們是否存在相近的表述、同一種反向計分方式、或者共同的方法效應。如果找不到理論依據(jù)最優(yōu)解是直接刪除某個問題題項而不是保留題項并不斷加殘差相關。刪題之后重新擬合模型自由度和解釋力都會更干凈。6. 從 CFA 往前一步把測量模型接成結構模型6.1 從測量模型到結構模型只動兩個矩陣CFA 跑通并做好效度報告之后下一步通常是把潛變量之間加上路徑關系形成完整結構方程模型。在 LISREL 里這一步不是推翻重寫而是在原有基礎上增加 BE 和 GA 兩個矩陣。BE 表示潛變量之間的回歸路徑GA 表示外源潛變量對內(nèi)源潛變量的直接影響。MO 行大致變成這樣MO NX12 NK3 LXFU,FI PHSY,FR TDDI,FR BEFU,FI GAFU,FIPA 階段再分別為 BE 和 GA 各寫一張 0/1 模式矩陣聲明哪條路徑有理論依據(jù)、哪條路徑固定為 0。這里最容易犯的錯是把所有路徑都設為自由等于讓數(shù)據(jù)自己挑路徑語義上和探索性分析沒有區(qū)別。我自己的習慣是每次只釋放一條路徑比較前后模型的卡方差異而不是一次性把所有路徑全打開。6.2 兩步法習慣先把測量模型跑干凈再談結構路徑從交付角度我非常推薦兩步法先單獨跑 CFA確認載荷、擬合指標、效度都達標再做完整結構模型。這個順序的好處是如果最終模型翻車你能立刻判斷問題出在測量層還是路徑層。我曾經(jīng)在一個問卷項目里圖省事跳過單獨的 CFA 直接跑總模型結果某條路徑系數(shù)荒謬到?jīng)]法解釋排查了很久才發(fā)現(xiàn)是最初的測量模型就沒收斂因子都站不住路徑怎么可能站得住。從那以后我把 CFA 當作必經(jīng)檢查點哪怕最終報告里只給總模型心里也先有測量模型的底。完整版方案的價值就是讓你每一步都有據(jù)可查不靠瞎猜希望幫到你。本文還有配套的精品資源點擊獲取 LISREL驗證性因素分析完整教程：從語法到模型修正
簡介LISREL軟件驗證性因素分析完整版PPT是一份面向社科、心理、管理領域研究者與學生的系統(tǒng)課件主要演示如何運用LISREL開展驗證性因素分析CFA并驗證理論模型與實際觀測數(shù)據(jù)是否吻合。內(nèi)容圍繞“準確Vs簡潔”的建模矛盾展開講解了輸入變量相關矩陣、提出簡約模型、輸出再生矩陣從而評估模型的思路系統(tǒng)介紹擬合優(yōu)度指數(shù)GFI、調(diào)整后擬合指數(shù)AGFI、標準化均方殘差SRMR、非范擬合指數(shù)NNFI、比較擬合指數(shù)CFI等關鍵指標并結合多模型比較案例說明因子負荷、誤差方差、因子相關結構的估計策略以及自由度與參數(shù)個數(shù)對模型優(yōu)劣的影響。同時課件還嵌入了結構方程模型的基本框架涵蓋測量模型、外源與內(nèi)生指標、潛在變量和測量誤差等要點幫助研究者理解SEM相對于傳統(tǒng)回歸的優(yōu)勢如同時處理多因變量、允許自變量含測量誤差等。資源包僅含1個PPT文件大小1.22MB結構緊湊適合作為課堂教學或學術匯報的參考材料也便于自學時系統(tǒng)梳理CFA與分析流程。目前已有59人學習適合希望快速掌握LISREL建模與模型比較方法的初、中級研究人員。1. LISREL 驗證性因素分析完整版從一份 PPT 到一條能落地的交付路徑如果只把驗證性因素分析當“跑一個軟件、看幾個擬合指標”那你拿到任何一份以 LISREL 為主題的教程都會覺得像天書。但說實話學會 LISREL 的腳本命令是理解結構方程模型內(nèi)部機制最劃算的一條路。標題里這份“完整版”的 PPT本質上承諾的正是同一件事——把問卷設計、協(xié)方差矩陣、測量模型、參數(shù)設定、輸出解讀和修正策略串成一條能獨立走完的流水線。適合誰來讀正在做量表驗證的社科與經(jīng)管研究者、要替別人跑模型的咨詢從業(yè)者以及剛接觸結構方程、不想把調(diào)參當玄學的同學。讀完你會拿到一套能直接改參數(shù)用的語法模板也知道改每一個參數(shù)時 LISREL 在后臺動了什么。2. 驗證性因素分析的模型結構先想清楚你驗證的是什么2.1 探索與驗證的分水嶺誰在決定因子與題項的從屬關系探索性因素分析EFA是讓數(shù)據(jù)自己聚堆研究者不管題目歸屬靠特征值、碎石圖和旋轉方案命名因子驗證性因素分析CFA完全反過來你先用理論或前人量表指定 Q1~Q4 歸屬第一個潛變量Q5~Q8 歸屬第二個Q9~Q12 歸屬第三個然后檢驗這套指定結構能不能被數(shù)據(jù)拒絕。兩者最大的差別在于自由度EFA 是在“無序中找秩序”CFA 是在“給定秩序下檢驗反證”。用 LISREL 跑 CFA 時你寫下的 PA 矩陣就是在完成這種“指定從屬關系”的動作每一個 1 都在向軟件聲明這道題屬于這個因子請估計它的載荷。很多人在這一步就栽了。最常見的心態(tài)是“我先把所有題都放進去讓軟件告訴我哪些題不好”這本質是拿 CFA 當 EFA 用。CFA 的題目歸屬必須來自理論或前人文獻而不是數(shù)據(jù)探索結果。你可以在報告里寫明“依據(jù)某理論的三個維度構建三因子測量模型”這句話才是整個分析的合法前提。2.2 測量方程簡寫x Λxξ δ 在 LISREL 里怎么落CFA 的測量模型用一句話說觀測變量 因子載荷 × 潛變量 測量殘差。寫成 LISREL 教材里的標準形式就是 x Λxξ δ。x 是 12 個題項的觀測向量ξ 是 3 個潛變量Λx 是 12 行 3 列的因子載荷矩陣δ 是測量殘差向量。LISREL 所有腳本都在做同一件事告訴軟件 Λx 里面哪些位置載荷自由估計、哪些位置固定為 0、ξ 之間的相關是否允許存在、δ 的方差如何處理。這四條信息對應到語法上就是 MO 卡片里 LX、PH、TD 三個矩陣的設置。LX 管“題項和因子的關系”PH 管“潛變量之間的關系”TD 管“測量殘差的方差”。點鼠標的工具把這層關系藏起來了LISREL 把它攤開。所以用 LISREL 跑 CFA 的價值不在結果本身而在它強迫你回答“你憑什么讓 Q1 跟第一個潛變量有關”。2.3 五個核心卡片DA、LA、MO、PA、OU 各管什么一套能跑的 LISREL 語法基本繞不開這五類卡片DA數(shù)據(jù)卡片聲明指標數(shù)、樣本量、輸入矩陣類型。LA標簽卡片逐行給出變量名數(shù)量必須與 NI 一致。MO模型卡片定義 NX、NK以及 LX、PH、TD 等矩陣的初始狀態(tài)。PA模式卡片用 0/1 矩陣聲明哪些位置是自由參數(shù)。OU輸出卡片決定要不要標準化解、修正指數(shù)、殘差分析。執(zhí)行順序上DA 和 LA 先告訴軟件“你的數(shù)據(jù)長什么樣”MO 和 PA 告訴軟件“你想估計什么模型”O(jiān)U 控制“你要看哪些結果”。如果哪一步報錯依次檢查這幾個環(huán)節(jié)比一張張翻界面快得多。2.4 為什么值得用 LISREL 而不是順手拿 R 包三點理由R 語言里用現(xiàn)成結構方程包跑 CFA 也許只要十行代碼默認工作流非常順但初學者經(jīng)常不知道模型是如何被識別的。LISREL 語法里你必須親手寫 PA 矩陣、親手決定 PH 是固定還是自由這逼著你把識別邏輯過一遍。第二個理由是輸出格式的規(guī)范性LISREL 給出的 LAMBDA-X、THETA-DELTA 和 MI 矩陣幾乎就是教科書和論文里直接引用的命名方式讀起來零遷移成本。第三很多期刊審稿人熟悉這套命名習慣你在報告里寫“LAMBDA-X 標準化載荷范圍 0.68~0.92”對方一眼就知道你說的是什么。這不是說 R 不好而是說 LISREL 更適合作為理解 CFA 的第一站。等你把 LISREL 的矩陣邏輯理順了再回去用 R會發(fā)現(xiàn)所有參數(shù)名都能對上排錯也快得多。3. 數(shù)據(jù)準備與 LISREL 語法編排一份能跑通的 CFA 命令模板3.1 數(shù)據(jù)準備為什么我建議直接用協(xié)方差矩陣而不是相關系數(shù)矩陣你的源數(shù)據(jù)可能是問卷原始回答也可能是已經(jīng)算好的矩陣。LISREL 做極大似然估計時真正吃進去的是樣本協(xié)方差矩陣。最穩(wěn)妥的辦法是預處理階段直接輸出協(xié)方差矩陣而不是用相關系數(shù)矩陣。原因很實在因子載荷的標準誤和卡方值都依賴變量的方差尺度相關矩陣把每個變量的尺度信息都歸一化掉了等于提前丟了一部分信息。如果你手里只有相關系數(shù)矩陣也不是不能跑但必須在 DA 卡片里同時給出每個變量的標準差讓 LISREL 把相關矩陣換算回協(xié)方差矩陣。實際操作中很多人沒給標準差就直接拿相關矩陣跑出來的卡方和 RMSEA 往往偏緊模型看起來比實際更差。這個坑在第五章還會再提一次。3.2 一份最小可運行模板12 題 3 因子固定方差策略下面是一份最常見的 CFA 模板12 個觀測變量對應 3 個潛變量每個因子 4 題。協(xié)方差文件放在當前工作目錄下文件名用英文。DA NI12 NO300 MACM LA Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 CM FICFA_data.COV MO NX12 NK3 LXFU,FI PHFI TDDI,FR PA LX 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 1 OU MI SS ND3這段語法里每一行都有明確分工。DA 行聲明了 12 個指標、300 個樣本、輸入矩陣類型為協(xié)方差矩陣LA 下面 12 行變量標簽順序必須和協(xié)方差矩陣的行列順序完全一致CM FI 表示從外部文件讀取協(xié)方差矩陣替換成你自己的路徑即可。MO 行是核心。NX12 和 NK3 分別表示觀測變量數(shù)和潛變量數(shù)LXFU,FI 表示載荷矩陣是滿矩陣且所有位置先固定為 0PHFI 表示潛變量相關矩陣先固定成一個單位矩陣也就是潛變量方差固定為 1TDDI,FR 表示測量殘差矩陣是對角陣并且對角線上的殘差方差自由估計。PA 行下面那張 12 行 3 列的 0/1 矩陣是關鍵所在。每行對應一個觀測變量每列對應一個潛變量1 的位置表示“這道題在這個因子上有載荷需要估計”。前 4 行第一列為 1代表 Q1~Q4 歸屬第一個潛變量中間 4 行第二列為 1代表 Q5~Q8 歸屬第二個潛變量最后 4 行第三列為 1Q9~Q12 歸屬第三個潛變量。最后的 OU 行里MI 表示輸出修正指數(shù)SS 表示輸出標準化解ND3 表示結果保留三位小數(shù)。這套模板跑通之后你得到的是一份完整的 CFA 結果文件包含載荷、潛變量相關、誤差方差和全部擬合指標。3.3 參數(shù)設定策略固定方差、固定載荷到底選哪個上一節(jié)模板用的是“固定潛變量方差為 1”的策略這是 CFA 單獨使用時最常見的做法好處是潛變量的尺度被鎖死載荷直接反映指標與因子的關系強度。另一種常見策略是“固定每個因子第一個載荷為 1”讓潛變量方差自由估計。做法如下。DA NI12 NO300 MACM LA Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 CM FICFA_data.COV MO NX12 NK3 LXFU,FI PHSY,FR TDDI,FR PA LX 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 1 VA 1 LX 1 1 LX 5 2 LX 9 3 OU MI SS ND3區(qū)別只在兩處。MO 行里 PH 從 FI 變成了 SY,FR表示潛變量相關矩陣為對稱矩陣且所有元素自由估計語法最后多了一行 VA 1把第一個因子第 1 個載荷、第二個因子第 5 個載荷、第三個因子第 9 個載荷固定為 1作為潛變量的尺度基準。兩種策略在模型擬合上通常是等價的區(qū)別在于參數(shù)解釋。固定方差時潛變量方差是標準化的適合直接看因子相關固定載荷時潛變量方差是實際尺度后面如果要把 CFA 接成完整結構方程模型路徑系數(shù)解釋更自然。我的習慣是只做測量模型驗證用固定方差計劃繼續(xù)跑結構模型就用 VA 1 固定載荷省的后面重跑一遍。3.4 跑之前先算識別條件t 規(guī)則與自由度檢查模型能不能識別決定你跑出來的是有效結果還是一堆亂碼。識別條件有一個最粗糙但最好用的“t 規(guī)則”模型中需要估計的自由參數(shù)個數(shù)不能超過協(xié)方差矩陣提供的非冗余元素個數(shù)。12 個變量的協(xié)方差矩陣非冗余元素數(shù)是 12×13/278 個。上面模板里需要估計的載荷是 12 個潛變量方差 3 個殘差方差 12 個一共 27 個自由參數(shù)遠小于 78識別空間很充裕。自由度就是 78 減 27等于 51。跑完之后LISREL 輸出的自由度如果正好是 51說明你的參數(shù)設定和預期一致如果自由度數(shù)不對多半是 PA 矩陣里多寫了 1 或者漏寫了 0。識別不足的高發(fā)場景有兩個。一是某個因子只用了 2 個指標并且這兩個載荷都沒做限制等于用 2 個觀測變量反推 1 個潛變量方差、2 個載荷、2 個殘差方差經(jīng)常出現(xiàn)局部不可識別。二是 PA 矩陣里把某個因子的全部載荷都固定為 0相當于這個因子沒有測量指標模型必然出問題。前者可以增加指標或者釋放跨因子載荷后者就是純粹的語法錯誤。3.5 數(shù)據(jù)文件常踩的編碼邊界變量名、路徑和末行換行符LISREL 對純文本輸入的挑剔程度遠超現(xiàn)代軟件很多“玄學報錯”其實都出在文件本身。變量名不要帶中文、不要帶空格Q1、Q2、item1、item2 這種最穩(wěn)協(xié)方差或原始數(shù)據(jù)文件的完整路徑用英文不要出現(xiàn)中文目錄LISREL 老版本對非英文字符的處理經(jīng)常翻車。還有一個很容易忽略的細節(jié)數(shù)據(jù)文本文件最后一行要有換行符否則 LISREL 可能不讀最后一行的內(nèi)容直接導致變量數(shù)和協(xié)方差維度對不上。每次跑之前我習慣先數(shù)一遍空格數(shù)和行數(shù)確保變量標簽數(shù)量等于 NI 聲明值再去打開 LISREL 主程序。這部分花兩分鐘能省掉后面半小時排查。4. LISREL 輸出解讀四張表管住擬合指標與效度判斷4.1 LAMBDA-X 與標準化解先看符號、再看大小跑完后打開輸出文件找到 “LISREL Estimates (Maximum Likelihood)” 這一段最先看的就是 LAMBDA-X 矩陣。這個矩陣的每個元素就是題項在因子上的載荷。非標準化載荷看相對大小標準化載荷看絕對合理性后者依賴 OU 行里的 SS 參數(shù)所以輸出時必須加上。判斷順序有三步。第一步看符號載荷應該是正的如果出現(xiàn)顯著負值先懷疑反向計分的題項沒做反轉處理第二步看大小標準化載荷在 0.50~0.95 之間是比較健康的狀態(tài)低于 0.50 說明這個題項和因子的共同方差太少第三步看 t 值輸出里每個載荷下面會附 t 值絕對值超過 1.96 才算顯著。三步都過了再談擬合指標。4.2 Goodness of Fit StatisticsRMSEA、CFI、SRMR、卡方怎么取舍LISREL 輸出里會有一整塊擬合統(tǒng)計量新手經(jīng)常不知道以誰為準。我給一個自己慣用的取舍順序RMSEA、CFI、SRMR 三者為主卡方只做參考。指標可接受閾值良好閾值注意點卡方/df32大樣本下幾乎必然顯著別用它一票否決RMSEA0.080.06輸出里帶 90% 置信區(qū)間看區(qū)間上限更穩(wěn)CFI0.900.95小于 0.90 說明模型與數(shù)據(jù)差異明顯SRMR0.080.05輸出名稱是 Standardized RMR很多人只盯卡方 p 值樣本量上了 300p 值很難大于 0.05然后就開始瘋狂修模型這是最常見的誤用。我一般會先看 RMSEA 和 CFI這兩個指標對樣本量不那么敏感SRMR 如果超過 0.08則說明殘差里還有明顯的結構信息沒被模型解釋這時候才需要認真考慮修正方向。4.3 PHI 矩陣與區(qū)分效度潛變量相關不能盲目大PHI 矩陣是潛變量之間的相關系數(shù)。它有兩個作用一是告訴你三個因子到底是不是三個不同的東西二是用來輔助判斷區(qū)分效度。如果某兩個潛變量相關超過 0.85基本可以認為它們測的是同一個構念題目歸屬會遭到嚴重質疑。更嚴格的區(qū)分效度檢驗需要算平均方差提取量 AVE 和組合信度 CR。LISREL 不直接給這兩個數(shù)要在輸出里手動計算。公式如下AVE Σ(標準載荷2) / [Σ(標準載荷2) Σ(殘差方差)]CR (Σ標準載荷)2 / [(Σ標準載荷)2 Σ殘差方差]舉個例子某因子 4 個題項的標準載荷分別是 0.72、0.74、0.69、0.70對應的殘差方差約是 1 減載荷平方即 0.48、0.45、0.52、0.51。四個載荷平方和是 2.05殘差方差和是 1.96AVE 就是 2.05 除以 4.01約 0.51剛過 0.5 的門檻。CR 用四個載荷的和 2.85 平方除以同樣分母算出來約 0.81。AVE 大于 0.5、CR 大于 0.7收斂效度才算站得住。4.4 MI 修正指數(shù)能用但它不替你做理論決定輸出文件后半段有一大塊 “Modification Indices and Expected Change”顯示的是每個被固定參數(shù)的修正指數(shù)。MI 數(shù)值可以粗略理解為“如果釋放這個參數(shù)卡方會下降多少”。MI 大于 10 確實值得看一眼但看的方向比數(shù)值更重要。我見過最典型的錯誤Q3 和 Q8 的殘差之間 MI 有 40就直接加一條殘差相關路徑擬合瞬間好看但這兩個題一個屬于因子一、一個屬于因子二語義上八竿子打不著。這種修正你用一次審稿人就能用十次質疑你的模型是數(shù)據(jù)驅動。MI 的正確用法是先看期望改變量 Expected Change 的方向和大小再看這兩個指標在理論或題面語義上是否有共同方法因素如果都沒有寧可保持原模型。5. LISREL 驗證性因素分析高頻坑五個翻車現(xiàn)場與排查清單5.1 現(xiàn)象迭代中斷提示協(xié)方差矩陣非正定跑著跑著 LISREL 直接報錯提示矩陣不是正定矩陣進程退出。這種報錯在 CFA 里非常高頻尤其是樣本量不大、指標又多的時候。先說明現(xiàn)象不是你的模型設定錯了而是參加分析的協(xié)方差矩陣里存在線性相關或估計不穩(wěn)定。原因通常是三類。一是樣本量相對于變量數(shù)太少比如 100 個樣本偏要放進 20 個變量協(xié)方差矩陣本身就不可靠二是某兩個題項幾乎完全線性相關常見的來源是同一道題被錄入兩次、或者正反計分后的兩個題本質是同一道題三是缺失值處理不當軟件用 pairwise 方式補全導致矩陣內(nèi)部矛盾。解決步驟依次是先把完全相關的重復題刪掉再看樣本量經(jīng)驗上每個指標至少對應 10 個樣本12 個指標建議不低于 200最后檢查缺失值盡量用原始數(shù)據(jù)讓 LISREL 或前端工具做完整估算而不是手動填均值。5.2 現(xiàn)象模型能跑但自由度對不上腳本能跑完說明語法沒有致命錯誤但輸出里自由度和自己預期差很多。你預期 51它給你 45或者干脆給個負數(shù)。這往往不是 LISREL 算錯而是你實際估計的參數(shù)個數(shù)和以為的不一樣。最常見的原因在 PA 矩陣和 MO 行不一致。比如 MO 里寫的是 LXFU,FR這個設置本身已經(jīng)把載荷矩陣所有位置都設成自由參數(shù)了后面再用 PA 去限制就會產(chǎn)生混亂或者 PA 矩陣里多寫了 1導致自由參數(shù)增加自由度縮小。解決方法是把 LXFU,FR 改為 LXFU,FI讓所有載荷先固定只用 PA 矩陣來控制哪些位置被釋放這樣自由度完全透明。跑完對照 3.4 節(jié)算出來的預期自由度對不上就回頭數(shù) PA 里面的 1。5.3 現(xiàn)象標準化載荷超過 1 或殘差方差為負這個現(xiàn)象在結構方程里有個專門的名字叫 Heywood case。表現(xiàn)是標準化解里某個載荷大于 1或者某個殘差方差是負數(shù)輸出結果在數(shù)學上不合法。它的出現(xiàn)幾乎總是由估計問題引發(fā)的。常見誘因有三個樣本量太小或某個指標與因子的關系過于強某個因子只有兩個指標局部識別太弱數(shù)據(jù)本身有極端異常值導致協(xié)方差被單點拉動。解決時不要試圖用語法硬約束真正的做法是回到數(shù)據(jù)側。先刪掉極端離群值再看該因子的指標數(shù)量如果只有兩個指標考慮增加指標或合并因子如果樣本量低于 150這個結果本身就不值得解釋。那些把負殘差強行固定為 0 的辦法只是掩蓋癥狀不解決估計不穩(wěn)的根子。5.4 現(xiàn)象用相關系數(shù)矩陣跑模型擬合指標全部偏緊這是把相關矩陣直接喂給 LISREL 后的典型癥狀模型看起來能跑完但 RMSEA 比預期高一大截CFI 也偏低你開始懷疑是不是模型結構錯了。先別急著刪題問題很可能出在數(shù)據(jù)尺度上。前文提過相關矩陣已經(jīng)把所有變量方差歸一化LISREL 做極大似然估計時少了尺度信息卡方和擬合指標都會受影響而且影響方向并不總是溫和的。解決方法是改用協(xié)方差矩陣如果你只有相關矩陣必須在 DA 行里同時聲明 MAKM并額外用 SD 指令把每個變量的標準差喂給軟件讓 LISREL 先把相關矩陣還原成協(xié)方差矩陣再進入擬合階段。檢查點輸入文件里是否真的出現(xiàn)了每個變量的標準差缺一行都會導致結果不可信。5.5 現(xiàn)象加了幾條 MI 之后擬合上去了因子結構卻解釋不了這是最常見的“數(shù)據(jù)驅動翻車”。初始模型 CFI 只有 0.86按 MI 提示連續(xù)加了三條殘差相關CFI 沖到 0.95你以為模型修好了然后發(fā)現(xiàn) Q3 和 Q9 的殘差被相關在一起而這兩個題分屬完全不同的維度你根本沒法向讀者解釋這條殘差相關是什么。原因很簡單MI 只告訴你統(tǒng)計上釋放哪個參數(shù)能降卡方它不告訴你這兩個測量誤差為什么相關。更好的做法是先把那些 MI 特別大的題項從語義上重新讀一遍看它們是否存在相近的表述、同一種反向計分方式、或者共同的方法效應。如果找不到理論依據(jù)最優(yōu)解是直接刪除某個問題題項而不是保留題項并不斷加殘差相關。刪題之后重新擬合模型自由度和解釋力都會更干凈。6. 從 CFA 往前一步把測量模型接成結構模型6.1 從測量模型到結構模型只動兩個矩陣CFA 跑通并做好效度報告之后下一步通常是把潛變量之間加上路徑關系形成完整結構方程模型。在 LISREL 里這一步不是推翻重寫而是在原有基礎上增加 BE 和 GA 兩個矩陣。BE 表示潛變量之間的回歸路徑GA 表示外源潛變量對內(nèi)源潛變量的直接影響。MO 行大致變成這樣MO NX12 NK3 LXFU,FI PHSY,FR TDDI,FR BEFU,FI GAFU,FIPA 階段再分別為 BE 和 GA 各寫一張 0/1 模式矩陣聲明哪條路徑有理論依據(jù)、哪條路徑固定為 0。這里最容易犯的錯是把所有路徑都設為自由等于讓數(shù)據(jù)自己挑路徑語義上和探索性分析沒有區(qū)別。我自己的習慣是每次只釋放一條路徑比較前后模型的卡方差異而不是一次性把所有路徑全打開。6.2 兩步法習慣先把測量模型跑干凈再談結構路徑從交付角度我非常推薦兩步法先單獨跑 CFA確認載荷、擬合指標、效度都達標再做完整結構模型。這個順序的好處是如果最終模型翻車你能立刻判斷問題出在測量層還是路徑層。我曾經(jīng)在一個問卷項目里圖省事跳過單獨的 CFA 直接跑總模型結果某條路徑系數(shù)荒謬到?jīng)]法解釋排查了很久才發(fā)現(xiàn)是最初的測量模型就沒收斂因子都站不住路徑怎么可能站得住。從那以后我把 CFA 當作必經(jīng)檢查點哪怕最終報告里只給總模型心里也先有測量模型的底。完整版方案的價值就是讓你每一步都有據(jù)可查不靠瞎猜希望幫到你。本文還有配套的精品資源點擊獲取