Amos使用指南

使用Amos软件进行验证性因子分析

按钮介绍

图标	介绍	图标	介绍	图标	介绍
	添加观测变量		添加潜变量		为潜变量添加观测变量
	添加单向影响		添加双向影响		添加残差项
	添加文字（弹幕）		模型变量列表		数据变量列表
	选择一个对象		选择所有对象		取消所有选择
	复制		移动		删除
	修改对象大小		旋转潜变量指标方向		翻转潜变量指标方向
	移动参数位置		缩放图纸至全局		自动优化变量指标布局
	添加数据		修改模型参数		执行模型分析
	复制至剪切板		查看分析结果		保存路径图
	对象属性		属性迁移		保持对称性
	缩放至区域		放大		缩小
	缩放至全局		缩放图纸尺寸		放大镜
	贝叶斯分析		多组分析		打印
	撤销		重做		规范搜索

参数估计方法

• Maximum likelihood (极大似然法)：只有样本是大样本并且假设观察数据服从多元正太分布，卡方检验才可以合理使用，此时使用ML估计法最为合适。ML比ULS有效率，因为可以得到较小的标准误。
• Generalized least squares (一般化最小平方法)：如果样本为大样本，但观察数据不服从多元正太分布，最好采用GLS估计法（周子敬，2006）。GLS和ULS均是全信息估计方法，但是ULS需要所需的观察尺度相同。GLS是WLS(ADF)的一条分支。
• Unweighted least squares (未加权最小二次方法)：该方法可以使观察的相关性矩阵和再生的相关性矩阵之间的差的平方值之和最小（忽略对角线）。
• Scale-free least squares (尺度自由最小二乘法)：源自GLS，使用较少
• Asymptotically distrubution-free (渐进分布自由法)：当样本量超过1000时，并且资料不服从正太分布时，可以选择
• Estimate means and intercepts (估计均值和截距): 1.资料有缺失值；2.资料为时序型资料；3.进行anova分析或者manova分析。

拟合参数详解

• CN值 (卡方/自由度)：卡方表示整体模型中的变量相关关系矩阵与实际情况中的相关关系矩阵的拟合度。其数值越大，代表模型与实际情况的差异越大；反之则代表差异越小，也就是差异越不显著；若卡方等于0，则说明模型与实际情况完全符合。因此，可以用卡方自由度比这一参数作为衡量整体模型拟合度的指标：若其值处于1至3之间，表示模型拟合度可以接受。
• GFI (拟合优度检验)：最大为1，其数值越大，表示模型与实际中的矩阵越接近，即拟合程度越高；若值大于0.9，则认为拟合较为理想。AGFI剔除了自由度对GFI的影响。
• Root Mean Square Residual,RMR (均方根残差)：代表实际情况下的矩阵与模型矩阵做差后，所得残差的平方和的平方根，也可以视作拟合残差。若值小于0.05，说明模型拟合优度可以接受。
• Root Mean Square Error of Approximation,RMSEA (近似均方根误差)：代表渐近残差平方和的平方根。若值小于0.08，说明模型拟合优度可以接受。
• Comparative Fit Index,CFI (比较拟合指数)：其数值处于0到1之间，越接近1表明模型拟合程度越高。若值大于0.9，说明模型拟合度可以接受。
• Normed Fit Index,NFI (规范拟合指数)：其数值处于0到1之间，越接近1表明模型拟合程度越高。若值大于0.9，说明模型拟合度可以接受。
• Tucker-Lewis Coefficien,TLI or Non-normed Fit Index,NNFI (非规范拟合指数)：其数值处于0到1之间，越接近1表明模型拟合程度越高。若值大于0.9，说明模型拟合度可以接受。
• Expected Cross-Validation Index,ECVI (期望复核指数)：在除恒定比例因子情况外与AIC相同。其数值越小，表明模型内不同样本间的一致性越高，说明这一模型具有预测效度，即模型可以用于不同的样本。
• Akaike Information Criterion,AIC (赤池信息准则)：将待估计变量的个数考虑进假设模型拟合度中，从而比较两个具有不同潜在变量数量的模型的拟合优度。为综合拟合指标，其数值越小表明模型拟合程度越好。
• Bayes Information Criterion,BIC (贝叶斯信息准则)：与CAIC较为类似但计算具体方法不一样。为综合拟合指标，其数值越小表明模型拟合程度越好。
• Consistent AIC,CAIC (一致性赤池信息准则)：其在模型拟合度程度计算中，将样本大小也加以考虑。为综合拟合指标，其数值越小表明模型拟合程度越好。