[软体程式类别]: AMOS Graphic 16 [程式问题]: 资料处理 [软体熟悉度]: 低(1~3个月) [问题叙述]: 开启AMOS >> 画构面图 >> 各构面间的参数设定为1 >> 套用问卷数据 >> Calculate estimates >> View Text (Model Fit项目) 然後发现 全部的配适度指标都在接受范围外, 我个人推断是因为 问卷资料呈现非常态分布的缘故 所以没有办法跑出接受范围内的配适度的结果, 於是...死马当活马医~~ 想要试试看有没有可能运用前人已经跑出来的SEM模型参数，使用新的问卷数据 来计算新问卷对於前人的SEM模型配适度如何... 再用来解释新样本的意义 请问大家有像上述这样"逆向"运用SEM的范例or书or关键字嘛？ [程式范例]: 我有一份问卷资料PTTdata.xls要跑SEM, 问卷里面分成四组访问对象不同的资料 结果如下 data1:239样本 Default model CMIN/DF=10.486 data2: 51样本 Default model CMIN/DF= 4.367 data3: 50样本 Default model CMIN/DF= 3.707 data4:395样本 Default model CMIN/DF=14.117 (data2与data3模型无法收敛, 点选"Calculate estimates"按钮後, "View the output path diagram"按钮不能点 这样正常嘛？) 研究构面图：http://ppt.cc/kx,P 资料档案 1234.rar 大小：123kb http://www.megaupload.com/?d=LCUHNJVF 上面的资料档案里包含问卷资料：PTTdata.xls（包含data1~4 四页资料表） 资料为data1的AMOS档案：ModelTestData1.amw 资料为data2的AMOS档案：ModelTestData2.amw 资料为data3的AMOS档案：ModelTestData3.amw 资料为data4的AMOS档案：ModelTestData4.amw （只有套用问卷资料不同,其他部分都一样） ----------------------------------------------------------------------------- 先感谢大家看完这篇混乱的文章...0rz --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.228.128.169 ※ 编辑: osanaosana 来自: 61.228.128.169 (01/16 17:28) 估计法是用Maximum likelihood(最大概似估计法) 如果改用Generalized least squares (一般化最小平方法) 数据如下： data1:239样本 Default model CMIN/DF= 3.841 data2: 51样本 Default model CMIN/DF= 1.432（无法收敛） data3: 50样本 Default model CMIN/DF= 1.528（无法收敛） data4:395样本 Default model CMIN/DF= 5.445 使用 一般化最小平方法 是因为它对样本数量不敏感的关系嘛？ 我没有用多变量常态检定,因为我也还不清楚那是什麽及其必要性, 正在研究中＆爬文中... ※ 编辑: osanaosana 来自: 61.228.128.169 (01/17 20:02) 先回答CL的问题,CL确实是潜在变数, 问题在於设计题项过少, 当初被老师砍CL题目的时候,忘了再加新的题项... ML与GLS皆是以常态分布为基本假设, 而ADF则适用非常态分布的状况,需要大量的样本 目前还是欠缺一个说明资料是否为常态分布的方法... ※ 编辑: osanaosana 来自: 61.228.124.65 (01/18 11:38) 使用 SPSS 17 > 载入 PTTdata.xls 资料 > "分析" > "叙述统计" > "资料预检" > 选择no以外的全部题项 > 选择 "图形" > 常态机率图附检定 > "确定"执行 data01常态检定 Kolmogorov-Smirnov检定a Shapiro-Wilk 常态性检定 统计量 自由度 显着性 统计量 自由度 显着性 sns01 .228 239 .000 .853 239 .000 sns02 .272 239 .000 .875 239 .000 sns03 .264 239 .000 .882 239 .000 peous01 .296 239 .000 .791 239 .000 peous02 .274 239 .000 .807 239 .000 peous03 .278 239 .000 .828 239 .000 pcs01 .249 239 .000 .859 239 .000 pcs02 .263 239 .000 .801 239 .000 pcs03 .268 239 .000 .826 239 .000 pes01 .265 239 .000 .780 239 .000 pes02 .254 239 .000 .757 239 .000 cps01 .284 239 .000 .796 239 .000 cps02 .270 239 .000 .856 239 .000 cls01 .247 239 .000 .803 239 .000 a. Lilliefors 显着性校正 data02常态检定 Kolmogorov-Smirnov检定a Shapiro-Wilk 常态性检定 统计量 自由度 显着性 统计量 自由度 显着性 sns01 .226 51 .000 .868 51 .000 sns02 .301 51 .000 .847 51 .000 sns03 .313 51 .000 .837 51 .000 peous01 .278 51 .000 .732 51 .000 peous02 .262 51 .000 .770 51 .000 peous03 .256 51 .000 .776 51 .000 pcs01 .292 51 .000 .841 51 .000 pcs02 .294 51 .000 .767 51 .000 pcs03 .256 51 .000 .827 51 .000 pes01 .301 51 .000 .677 51 .000 pes02 .290 51 .000 .745 51 .000 cps01 .295 51 .000 .760 51 .000 cps02 .302 51 .000 .752 51 .000 cls01 .276 51 .000 .769 51 .000 a. Lilliefors 显着性校正 data03常态检定 Kolmogorov-Smirnov检定a Shapiro-Wilk 常态性检定 统计量 自由度 显着性 统计量 自由度 显着性 sns01 .232 50 .000 .809 50 .000 sns02 .229 50 .000 .876 50 .000 sns03 .304 50 .000 .832 50 .000 peous01 .331 50 .000 .765 50 .000 peous02 .356 50 .000 .754 50 .000 peous03 .284 50 .000 .804 50 .000 pcs01 .286 50 .000 .833 50 .000 pcs02 .283 50 .000 .794 50 .000 pcs03 .260 50 .000 .820 50 .000 pes01 .394 50 .000 .672 50 .000 pes02 .306 50 .000 .745 50 .000 cps01 .243 50 .000 .803 50 .000 cps02 .283 50 .000 .787 50 .000 cls01 .282 50 .000 .767 50 .000 a. Lilliefors 显着性校正 data04常态检定 Kolmogorov-Smirnov检定a Shapiro-Wilk 常态性检定 统计量 自由度 显着性 统计量 自由度 显着性 sns01 .281 395 .000 .837 395 .000 sns02 .285 395 .000 .867 395 .000 sns03 .253 395 .000 .887 395 .000 peous01 .288 395 .000 .804 395 .000 peous02 .295 395 .000 .797 395 .000 peous03 .269 395 .000 .794 395 .000 pcs01 .258 395 .000 .839 395 .000 pcs02 .247 395 .000 .805 395 .000 pcs03 .238 395 .000 .846 395 .000 pes01 .315 395 .000 .722 395 .000 pes02 .323 395 .000 .722 395 .000 cps01 .294 395 .000 .794 395 .000 cps02 .280 395 .000 .821 395 .000 cls01 .316 395 .000 .760 395 .000 a. Lilliefors 显着性校正 显着性皆没有大於0.005，应为非常态分布 这是操作失误嘛？...全都是000... 还是非常标准的非常态分布呢？ ※ 编辑: osanaosana 来自: 61.228.124.65 (01/18 18:35) ※ 编辑: osanaosana 来自: 61.228.124.65 (01/19 03:06) 目前考虑出两件事情明天要做... 1.利用ADF估计法,如果数据还是很难看的话, 不知道能不能配合bootstrap把问卷资料再抽样拓展样本数目？ 2.调整CL的题项 ※ 编辑: osanaosana 来自: 61.228.124.65 (01/19 03:12)