基于测量模型结构方程模型GLS与WLS比较.pdf

中国公共卫生年月第卷第期,
2015 1 31 1 Chin J Public Health Jan 2015 Vol. 31 No. 1 ·105·
参数估计方法,当数据违反多变量正态性假设时,
[]
法在使用上有其强韧性 5 而法是一种
GLS WLS
渐近式分布无干扰的估计方法,不受正态分布假设
限制本研究探讨法和法在不同特征数
。 GLS WLS
据参数估计中两类错误发生的频率,对比种方法
2
的差异,为研究者更加准确运用解决实际问题
SEM
奠定理论基础和科学依据,也为推广在医学领
SEM
域中的使用提供方法支持
。
材料与方法
1
运用软件的模块,依据因子
1. 1 材料 SAS IML
分析思想设定变量间的相关系数并建立的真
SEM
模型和误设模型,通过模拟方法实现多
Monte Carlo
变量多特征数据的模拟
。
模型的设定图本研究设定了一个
1. 1. 1 1、2
未包含内生显变量和内生潜变量的相对简单模型,
即测量模型图模型中有个显变量
1 。 15 X1 ~
和个潜变量,每个潜变量分别由个
X 3 ~ 5 全模型的误设模型
15 ξ1 ξ3 图 2
显变量进行测量,构建误设模型时使第个和第个
6 7
显变量和也属于第个潜变量图表模拟实验中的参数条件设定情况
X6 X7 1 ξ1 2 。 1
项目说明
模型真模型, 误设模型
Mo Mo1 = Mo2 =
矩阵相关矩阵, 协方差矩阵
Ma Ma1 = Ma2 =
相关系数, , ,
r r1 = 0. 3 r2 = 0. 5 r3 = 0. 7 r4 = 0. 9
分布类型正态分布, 指数分布, 二项分布
d d1 = d2 = d3 =
样本含量, , , ,
n n1 = 75 n2 = 150 n3 = 300 n4 = 750 n5 = 1 500
拟合方法,
Me Me1 = GLS Me2 = WLS
应用统计软件,利用
1. 2 统计分析 SAS 9. 1 CALIS
过程进行模型拟合,采用两类错误频率对种参数估计
2
方法的性能进行评价,其中表示第一类错误频率, 表
a b
示第二类错误频率, 表示两类错误频率之和
a + b 。
结果
2
2. 1 GLS 法和 WLS 法的性能
法表法对参数的估计是
2. 1. 1 GLS 2、3 GLS
无偏的和渐进有效的,分布特征为正态分布指数分
、
布和二项分布的数据,在采用相关矩阵和协方差矩
阵时, 法的两类错误频率均随相关系数或样本
GLS
含量的增加而减小当时, 即显变
。 r 0. 5 n 300
全模型的真模型≥≥
图 1 量个数的倍的当时,在相
20 a + b < 0. 05 n≥150
模拟条件的设定表主要考虑个数关系数和样本含量相同的条件下, 种矩阵分析均
1. 1. 2 1 3 2
据特征,即显变量间的相关系数样本含量呈正态分布和二项分布的均小于指数分布
r 、 n a + b 。
和数据分布类型,分别采用相关矩阵和协方差法表法对参数