推 LibraFaith:統計學...(嘔吐) 10/25 16:55
推 candytina:真是太強了...(拍拍手) 10/26 17:18
LISREL 是這篇研方paper所提到的名詞 (week 5)
"Discovery and Representation of Causal Relationships in MIS Research"
這個文件解釋的東西和我翻的那部份很有關係 (p1 & P2)
將找到的資料po上來供大家參考~
來源: http://staffweb.ncnu.edu.tw/clhung/Multivariate/Lisrel.doc
---
線性結構關係模式(LInear Structural RELation model, LISREL)
# LISREL的變數間之因果關係分析，
其變數可分為顯現變數(manifest variables)與潛伏變數(latent variables)，
^^^^^^^^ ^^^^^^^^
後者通常為無法實際衡量的「構念變數」，
而前者多為可實際測得的變數或直接為問卷上的問題，
至於潛伏變數之間的關係多為因果關係，而顯現變數與潛伏變數之間則為因素關係。
^^^^^^^^ ^^^^^^^^ ^^^^^^^^ ^^^^^^^^ ^^^^^^^^
# LISREL模式之因素分析，
乃假設數個指定的顯現變數可濃縮於某一潛伏變數，
於是這數個顯現變數即代表此一潛伏變數的因素。
^^^^^^^^ ^^^^^^^^^^^^^^
所以哪些顯現變數對應哪一潛伏變數，必須是事先知悉且設計好的。
# LISREL模式中的迴歸分析(或因徑分析)，
乃假設某些潛伏變數之間可能存在的因果關係，
哪一潛伏變數造成其它潛伏變數之變化，
但這些關係都來自於文獻與先驗的因果關係。
在LISREL中，
被認為是因的變數稱之為外生變數(exogenous variables)，
而被認為是果的變數稱之為內生變數(endogenous variables)。
意謂著，在給定外生變數(x1, x2, …xm)之下，
內生變數(y1, y2,..yn)將會如何變化，這些變化就反映在迴歸係數之上。
# 利用SAS Calis可以執行LISREL分析。
執行的結果主要有適合度卡方分析，
乃作為評斷此一依先驗經驗設計的因果模式之解釋效力，
如果卡方值過大，造成P-value過小，則表示模式並不適合實際的變數關係，
^^^^^^^^^^ ^^^^^^^^^^^ ^^^^^^^^^^^^^^^^^^^^^^^^^^
其產生的因果迴歸係數，必定有部份是呈現不顯著的關係。
^^^^^^^^^^^^^^^^^^^^^^
變數之間的因果關係之顯著與否，可從各係數的t-value看出，
^^^^^^^^^^^^^^^^^^ ^^^^^^^^^^^^^^^^^
如果樣本數很大時，可以與±1.96比較之，
如果在此範圍之外，則表示顯著異於零，確認先驗的因素或因果關係具顯著性。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 120.126.146.93