路径分析

路径分析(Path analysis),也称通径分析(有时也称结构方程模型,一般情况下如果包括测量模型和结构模型,则称为结构方程模型;如果只包括结构模型,则称为路径分析)。路径分析在于研究模型影响关系,用于对模型假设进行验证。比如下图的模型框架:希望研究工作条件,人际关系对于公司满意度的影响;同时还希望研究公司满意度和机会感知对于离职倾向的影响。路径有一共有4条(即4对影响关系),路径分析可以同时研究此4对影响关系。

针对路径分析的步骤上,SPSSAU建议分为以下三个步骤,分别为:

  • 第一步:建立模型。并初步查看模型拟合结构,回归系数显著性等;

  • 第二步:调整模型。如果拟合指标不达标(比如RMSEA值过大),此时共有两种模型调整办法,第一种办法是结合“回归影响关系-MI指标表格”结果及专业知识情况,重新调整模型;第二种办法是设置“模型协方差调整”MI指标参数。多次重复调整模型,直至拟合指标在标准范围内即可。

  • 第三步:分析模型。待模型拟合指标达到标准后,对模型进行详细分析和说明。

  • 特别提示:
  • 路径分析、线性回归均可以研究影响关系;但二者区别为路径分析可同时研究多个自变量,多个因变量的影响关系情况。而线性回归每次分析时只能有一个因变量。

路径分析案例

  • 1、背景

    在进行实证研究时,建议模型如下。希望研究工作条件,人际关系对于公司满意度的影响;同时还希望研究公司满意度和机会感知对于离职倾向的影响。相当于一共建立了四个假设。希望使用路径分析进行模型验证,最终进行假设检验。

  • 2、理论

    针对路径分析的步骤上,SPSSAU建议分为以下三个步骤,分别为:

    • 第一步:建立模型。并初步查看模型拟合结构,回归系数显著性等;

    • 第二步:调整模型。如果拟合指标不达标(比如RMSEA值过大),此时共有两种模型调整办法,第一种办法是结合“回归影响关系-MI指标表格”结果及专业知识情况,重新调整模型;第二种办法是设置“模型协方差调整”MI指标参数。多次重复调整模型,直至拟合指标在标准范围内即可。

    • 第三步:分析模型。待模型拟合指标达到标准后,对模型进行详细分析和说明。

    路径分析可能会经过中间多次调整,包括重新设置模型和按MI指标进行协方差调整等,但这些均是中间过程。针对路径分析的最终结果呈现上,通常包括两部分,分别为模型拟合指标结果和模型回归系数汇总表格结果。

    • 特别提示:
    • 如果某项由多个量表题表示,比如本例子公司满意度由很多个量表题表示,则需要先求平均值后(SPSSAU生成变量功能)得到新的一列数据叫‘公司满意度’,然后再分析。

  • 3、操作

    本例中共有四种路径关系,结合四条路径关系,首先建立路径模型如下图:

    首先建立模型后,得到拟合指标如下图:

    模型拟合指标非常多,通常情况下只需要关注卡方自由度比,GFI,RMSEA,RMR,CFI,NFI,NNFI共七个指标即可。并不需要全部指标均达标,有时候甚至只需要关注于RMSEA,RMR,CFI,NFI共4个指标即可。从上图可以看到,模型明显不达标,各项指标均不在标准范围内。因此需要进行模型调整。模型调整共有两种方法:第一种办法是结合“回归影响关系-MI指标表格”结果及专业知识情况,重新调整模型;第二种办法是设置“模型协方差调整”MI指标参数。

    (一)第1种模型调整方法:“回归影响关系-MI指标表格”

    从上图可以看到,共有五条路径的MI值均大于15,但并非说此5条路径均要放入模型中。而是仅放入更符合实际情况的一条即可,这样稳定重复的调整模型,并且还需要结合专业知识情况综合而定。从上图来看,机会感知对于公司满意度时MI值最大为22.087,而且从实际意义上看,机会感知有可能影响到公司满意度。所以先加入此条路径到模型。

    至于上图中还有另外4条路径,暂不加入模型中,先加入一条后尝试看模型拟合指标变化情况,如果已经达标就不需要再继续调整模型。当然也可以继续结合新的MI指标进行模型调整。加入机会感知与公司满意度的路径关系后,模型路径设置如下图:

    (二)第2种模型调整方法:“模型协方差调整”

    除了结合“回归影响关系-MI指标表格”进行模型调整外,还可以结合“模型协方差调整”,二者可同时进行,也可以分开进行均可。一般情况下,按MI大于10或者按MI大于20进行协方差调整即可。

    • 特别提示:
    • 协方差调整是指建立项之间的相关关系(非影响关系),MI指标越大,说明关联关系越强越应该建立关系。并且按MI指标调整协方差关系,这一过程被SPSSAU自动进化处理,用户只需要设置即可。比如此处设置MI>10进行协方差关系调整,如果说构建模型时有MI大于10,则SPSSAU会自动建立协方差关系,并且会将建立后的协方差关系进行呈现(即使协方差关系表格不在我们关注范围内,并且重要性非常低)。如果构建模型后没有MI大于10的协方差关系则SPSSAU不会处理。

    在完成上述两步模型调整,包括建立机会感知与公司满意度的路径关系,并且按MI大于10进行协方差关系调整后,最终发现模型拟合指标达标,具体下一部分呈现结果并且说明。

  • 4、SPSSAU输出结果

    SPSSAU共输出表格分别为:模型回归系数汇总表格,模型拟合指标,回归影响关系-MI指标表格(Regression - MI table)和协方差关系表格;其中协方差关系表格可能并不会呈现。

    从上表可以看到:工作条件对于公司满意度并没有呈现出显著的影响关系(CR=0.844,p =0.399>0.05),即说明工作条件对于公司满意度没有影响关系。同时机会感知也不会对离职倾向产生影响关系。但人际关系会对公司满意度产生显著的正向影响关系(CR=2.591,p =0.01 < 0.05),说明人际关系的认可态度越高时,员工对于公司满意度也会越高,除此之外,公司满意度对于离职倾向会产生显著的负向影响关系(CR=-9.370, p =0.000<0.01),公司满意度越高,离职倾向会越低。

    对于新加入的路径关系,即机会感知对于公司满意度的影响关系,其最初并不在模型框架中,但在调整模型时加入了此路径关系。也可适当进行讨论分析即可,具体视研究者实际情况而定即可。

    针对模型拟合指标来看,模型χ²/df =1.045< 3,并且RMSEA和RMR值分别是0.017和0.011,均小于0.1,GFI,CFI,NFI和NNFI这四个指标值均大于0.9,意味着模型各项指标均在标准范围内,模型拟合良好。

    • 特别提示:
    • 模型拟合指标有非常多,建立以文献为准即可,通常情况下选择其中几个常见指标进行分析即可。很难所有的拟合指标均在标准范围内。

    上表格展示回归影响关系MI表格,其目的在于辅助判断是否还需要加入路径关系,一般MI值大于20时则需要考虑加入路径关系(并没有固定标准)。上表格显示各条路径关系对应的MI值均小于10,而且当前模型已经达标,并不需要继续加入路径关系。

    • 特别提示:
    • 如果模型不达标时才会查看此表格并且结合MI值重新加入路径关系,而且还需要结合专业知识进行判断,并且一般一次加入一条路径关系即可。重新建立模型后再次重复进行拟合指标查看,并且又结合此表格加入路径关系到模型中等。直到模型拟合指标合格为止。

    本案例按MI>10这一标准让SPSSAU自动建立协方差关系,上表格展示出三对协方差关系。此表格意义非常小,不用过多关注。其仅是按设定建立了协方差关系,因而SPSSAU默认提供结果值展示而已,实际意义较小。

  • 5、文字分析

    见上一部分

  • 6、剖析

    涉及以下几个关键点,分别如下:

    • 如果拟合指标不达标(比如RMSEA值过大),此时共有两种模型调整办法,第一种办法是结合“回归影响关系-MI指标表格”结果及专业知识情况,重新调整模型;第二种办法是设置“模型协方差调整”MI指标参数。

    • 按“模型协方差调整”MI指标参数进行模型调整时,一般情况下建立按MI大于10,或者MI大于20进行设置即可。

疑难解惑

  • 无论如何拟合指标都不达标如何办?
  • 如果模型质量较差,进行多次模型调整尝试后均无法达标,且各指标离标准差距特别大不可容忍,此时可考虑直接使用线性回归分析即可,将路径模型拆解后,分别进行多次线性回归进行假设验证。

  • 模型MI调整?
  • 模型MI调整是指建立具体分析项(显变量)之间的协方差关系(相关关系),SPSSAU提供4种调整方式,分别是不调整,MI>10MI>20MI>50作为模型调整标准。

  • 通常情况下,按MI进行调整后,模型的拟合指标卡方值,卡方自由度值会有小幅度降低,从而模型拟合会相对更好。但模型MI调整仅仅是对模型的微调整,具体模型拟合质量是由数据本身的结构稳定性及数据质量等决定,研究人员不能依赖于MI指标调整模型质量。

  • SPSSAU会展示出进行过MI调整后,建立的具体分析项间协方差表格(相关关系),但该表格实际意义很小。

  • 提示‘数据质量异常’?
  • 当提示“数据质量异常”时,可能有以下原因所致:

  • 第一:如果样本量过小(比如仅几个样本),有可能模型无法拟合;

  • 第二:研究关系中出现因果关系研究(比如X影响Y,同时Y影响X),此时有可能出现“数据质量异常”。

  • 下拉框一次只能选择一个但是我有多个如何办?
  • 显变量才能进行路径分析。比如某个维度有两个题“我愿意向朋友推荐SPSSAU”,“我有需要会再来使用SPSSAU”,此两个题是“忠诚度”维度的体现。可使用SPSSAU【数据处理->生成变量(平均值)】功能完成。将“忠诚度”概括成一个整体之后,则可以进行相关分析、回归分析、方差分析等(以整体进行,而不是以题项分别进行)。

  • 拟合度R 方值是什么意思?
  • R 方值是指模型拟合情况,X对于Y产生影响时,X对于Y的解释力度情况,比如为0.2,则说明X对于Y有20%的解释力度。每个Y都会产生对应的R 方值。通常以研究是否有影响作为研究目的,因此此指标的意义相对较小,关注也较少。

  • 残差值估计值有什么作用?
  • 该指标值通常无实际意义,只是模型拟合后产生的残差值而已。

  • 路径分析使用的估计方法是?
  • SPSSAU默认使用最大似然法ML进行模型估计。

  • 模型拟合度里面自由度为0?
  • 模型拟合度出现自由度为0是正常现象,并且此时无法计算得到卡方值,卡方自由度值等,此时直接不关注对应的指标即可。出现自由度为0的原因通常是模型过于简单,或者模型过于‘饱和’,可能是非递归模型所致(比如A影响B,B影响C,C影响A)。

  • 标准化路径系数大于1?
  • 如果标准化路径系数值大于1,通常是由于出现共线性问题所致;建议可通过相关分析查看相关系数,如果某具体项之间的相关系数值非常高,可考虑移除该项;如果共线性不严重,通常并不需要移除。

  • 协方差关系↔的作用是什么?
  • 路径分析时,SPSSAU支持影响关系和协方差(相关)关系。一般在MI指标值较大时,可以建立对应的协方差关系。

  • 模型自动构建说明?
  • 相对于传统软件进行路径模型构建,SPSSAU自动进行一些处理,便于简化操作。分别如下:第1是自动建立残差;第2是在结构方程模型构建时会将第1项的方差设置为1;第3是外生变量之间会自动建立协方差关系;第4是内生变量之间会自动建立协方差关系。第1点和第2点是基本默认性操作,正常的模型构建均应该如此;关于第3和第4点,可通过结果中的“协方差关系表格”查看SPSSAU自动构建的关系。

  • z 值和临界值或t 值的意义?
  • 路径分析时,SPSSAU输出z 值,该值与AMOS软件等的临界值CR或t 值意义完全一致。