結構方程模型及其應用（附光盤）/社會科學研究方法叢書 [Structural equation model and its applications] 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《結構方程模型及其應用/社會科學研究方法叢書》闡述瞭結構方程分析（包括驗證性因子分析）的基本概念、統計原理、在社會科學研究中的實際應用、常用模型及其LISREL程序、輸齣結果的解釋和模型評價，以及一些與結構方程模型有關的專題和結構方程的用法。

作者簡介

　　侯傑泰，香港中文大學教育心理係教授、係主任。主要研究方嚮為學習動機，應用統計和香港語文政策。曾多次在北京、上海、南京、長春、廣州等地舉辦的地區或全國性結構方程分析研習班上講學。
　　
　　溫忠麟，華南師範大學心理係教授。先後就讀於華南師範大學、雲南大學和香港中文大學。兩次獲國傢公派，在英國曼徹斯特大學和澳大利亞西悉尼大學做訪問學者各一年。主要研究方嚮為心理統計和測量，數理統計。
　　
　　成子娟，香港教育學院講師。1999年畢業於香港中文大學，獲博士學位。主要研究方嚮為結構方程在內隱觀研究中的應用，數學邏輯思維的發展和教學。

目錄

序
第一部分 結構方程模型入門
第一章 引言
一、描述數據
二、具體例子展示準確與簡潔的考慮
三、探索性與驗證性因子分析比較
第二章 結構方程模型簡介
一、結構方程模型的重要性
二、結構方程模型的結構
三、結構方程模型的優點
四、結構方程模型包含的統計方法
五、路徑圖的圖標規則
六、結構方程分析軟件包
七、LISREL操作入門

第二部分 結構方程模型應用
第三章 應用示範I：驗證性因子分析和全模型
一、驗證性因子分析
二、多質多法模型
三、全模型
四、高階因子分析
第四章 應用示範II：單純形和多組模型
一、單純形模型
二、多組驗證性因子分析
三、多組分析：均值結構模型
四、迴歸模型
第五章 結構方程建模和分析步驟
一、驗證模型與産生模型
二、結構方程分析步驟
三、參數估計和擬閤函數
四、擬閤檢查
五、模型修正和交互效度
六、模型比較的原理
七、報告結果

第三部分 結構方程模型專題研究
第六章 專題討論——涉及數據的問題
一、樣本容量
二、數據類型
三、處理非正態數據
四、異常數據
五、缺失數據
六、可否應用相關矩陣作分析
七、處理小樣本的方法
第七章 專題討論——涉及模型擬閤的問題
一、忽略測量誤差所引緻的錯誤
二、非正定協方差矩陣
三、不收斂
四、不恰當的解
五、單指標潛變量
六、誤差相關
七、因子的單位與附加限製
八、為什麼要考慮等同模型
九、模型與數據擬閤是否錶示模型正確
十、結構方程是否驗證變量間的因果關係
十一、怎樣避免潛變量名實不符的問題
十二、閤宜和錯誤的高階因子
十三、如何報告結構方程分析結果
十四、與傳統分析的結閤
第八章 擬閤指數
一、擬閤指數概述
二、絕對擬閤指數
三、相對擬閤指數
四、簡約擬閤指數
五、擬閤指數定義一覽

第四部分 結構方程模型統計原理
第九章 驗證性因子分析原理
一、驗證性因子分析的基本概念
二、因子分析模型及其協方差結構
三、因子分析模型識彆的若乾準則
四、參數估計
五、模型評價
六、有均值結構的因子分析模型
七、多組比較
第十章 路徑分析原理
一、因果模型中的結構方程
二、路徑分析與效應分解
三、因果模型的協方差矩陣
四、因果模型識彆準則
五、參數估計
六、模型評價與修正
七、因果模型與因果分析
第十一章 結構方程分析原理
一、結構方程基本概念
二、結構方程模型及其協方差結構
三、若乾特殊的結構方程模型
四、模型識彆
五、參數估計
六、模型評價與修正
七、標準化係數
八、有常數項的結構方程模型
九、多組比較

第五部分 LISREL軟件
第十二章 LISREL語法結構
一、LISREL語法中的矩陣
二、LISREL語法通則和特性
三、LISREL語法結構一般法則
四、LISREL程序結構
五、標題指令句
六、輸人格式
七、一般分析格式
八、模型指令格式
九、其他模型設定格式
十、輸齣格式
第十三章 PRELIS語法結構
一、PRELIS程序結構
二、標題指令句
三、輸入格式
四、操控數據指令
五、處理缺失數據
六、分析和輸齣指令
七、多元設算指令

附錄I LISREL示範程序
一、本章內容
二、各研究內容簡介及相應的LISREL程序
附錄II PRELIS示範程序
一、本章內容
二、各研究內容簡介及對應的PRELIS程序
附錄IlI 通過SPsS讀取數據
附錄Ⅳ 結構方程討論小組
參考文獻

精彩書摘

　　《結構方程模型及其應用/社會科學研究方法叢書》：
　　不過Velicer和Fava（1987，1989，1998）迴顧相關文獻，認為上述N：p或N：t越大越好的建議並無多大根據。他們的研究，還有Marsh等人（1998）的研究顯示，從模型收斂和擬閤指數等角度，顯而易見N越大越好，但每個因子的題數也是越多越好，而因子負荷則越高越好。
　　此外，在多質多法模型中（Marsh＆Bailey，1991）（見第三章第二節），當每個因子的題目較多時，模型更易收斂。傳統信度概念和功效分析（power analysis）（MacCallum，Browne&Sugawara;，1996）也支持用多一些題目，這些結果與建議不要用太多題目互相矛盾。
　　許多學者為減低模型的題目數量，將數題閤並成小組（parcel）。例如，某因子有14個題目，可將它們分為3組或4組（每組題數不一定相同），求每組題目的總分或平均分（若用相關矩陣分析，用總分與用平均分結果相同），將小組得分作為新指標處理。所以原模型可能需處理上百個題目，按題目小組閤並後則變為一個隻含數十個指標的模型。
　　將某個因子的題目分成小組時，習慣做法是使各小組的構成和內容盡量相似。例如，測量學生自信的因子含3題語文能力自信，3題數學能力自信等內容的題目，許多研究者會將這些題目盡量均勻放在每個小組內（即每個題目小組均有數學和語文能力自信的題目），使每個小組的構成內容十分相似。不過組成題目小組策略的實證研究仍十分有限。
　　……
結構方程模型及其應用（附光盤）/社會科學研究方法叢書 [Structural equation model and its applications] 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價