新書推薦:
《
我们为什么会做梦:让梦不再神秘的新科学
》
售價:NT$
352.0
《
算法图解(第2版)
》
售價:NT$
356.0
《
科学的奇幻之旅
》
售價:NT$
352.0
《
画艺循谱:晚明的画谱与消闲
》
售價:NT$
653.0
《
新民说·现实政治史:从马基雅维利到基辛格
》
售價:NT$
454.0
《
宽容是件奢侈品(人生360度·一分钟经典故事)
》
售價:NT$
203.0
《
甲骨拼合六集
》
售價:NT$
1520.0
《
视觉美食家:商业摄影实战与创意解析
》
售價:NT$
602.0
|
編輯推薦: |
交互作用分析是社会科学经常使用的方法,然而传统多元回归分析在处理交互作用时,并不能很好地处理测量误差问题,从而导致估计偏误。为此,作者通过引入结构方程模型的方法,介绍了当分析变量存在测量误差和多个测量指标时,我们应该如何去分析交互作用,包括调节作用分析、重复测量分析、纵贯测量分析等具体方法,此外,作者还介绍了结构方程模型的基本内容、模型假定、拟合指标评估等基本知识。书中的例子深入浅出,并附有原始数据和LISREL分析命令,以便读者自学。
主要特点:*案例翔实,附有数据和LISREL分析命令,极具操作性和实践性*结构方程模型和LISREL软件操作的入门书籍*适用于心理学、社会学、教育学、管理学等社会科学领域
|
內容簡介: |
本书系格致方法定量研究系列丛书之一,是同系列中《多元回归中的交互作用》的姊妹篇。在前著的基础上,本书通过运用整合了潜变量分析和LISREL法的结构方程模型(SEM)将交互作用分析向前推进了几步。更为重要的是在结构方程模型的框架下,普通*小二乘法分析中忽略的两个重要条件(多指标和测量误差)得到了很好的处理。
|
關於作者: |
詹姆斯杰卡德(James Jaccard )是纽约州立大学奥尔巴尼分校的心理学教授,是该校应用心理学研究中心的主任。他主要的研究兴趣是人群的心理动态和青少年危险行为,尤其关注青少年意外怀孕和酗酒行为,他的工作主要是基于家庭的方法来处理青少年行为问题。崔凯万(Choi K.Wan)是纽约州立大学奥尔巴尼分校应用心理学研究中心的高级研究学者。他的研究兴趣主要包括健康心理学、行为医学、社会支持。他对定量研究的兴趣包括元分析、时间序列分析、交互作用分析等方法。
|
目錄:
|
序 前言 第1章 导论 第1节 测量误差的类型 第2节 用潜变量来呈现测量误差 第3节 相关误差与无关误差 第4节 测量的精确性 第5节 多指标模型分析:LISREL导论 第6节 用线性方程来表示路径图 第7节 多元回归与结构方程分析的统计假定 第2章 定性调节变量 第1节 嵌套拟合优度策略 第2节 三向交互作用 第3节 多于两组的三向交互作用 第4节 交互作用的大小 第5节 标准系数与非标准化系数 第6节 不同测量结果的普遍性 第7节 第1步中的模型拟合 第8节 主作用和交互作用 第9节 协方差矩阵等同性检验 第10节 探索性的组间比较 第11节 与传统多元回归分析的比较 第3章 重复测量与纵贯设计 第1节 嵌套模型拟合优度检验 第2节 多于两次重复测量的交互作用分析 第3节 三向交互作用 第4节 多于两组的三向交互作用 第5节 交互作用的大小 第6节 不同测量结果的普遍性 第7节 与传统多元回归分析的比较 第4章 乘积项的使用 第1节 LISREL中额外的矩阵 第2节 乘积项分析的统计限定 第3节 估计问题 第4节 程序策略 第5节 三向交互作用 第6节 交互作用的大小 第7节 不同测量结果的普遍性 第8节 对中 第9节 多个乘积项 第10节 连续变量的复杂交互 第11节 连续调节变量与定性预测的乘积项 第12节 与传统多元回归分析的比较 第13节 其他方法 第5章 一般的考虑 第1节 获得多指标 第2节 关于样本规模的决定 第3节 多元正态分布 第4节 缺失数据 第5节 拟合指标 第6节 协变量及单一指标 第7节 一些注意事项 附录1:拟合优度指标 附录2:例子中使用的数据集注释
|
內容試閱:
|
处理复杂性的能力是衡量方法进步的一项重要指标。我们所观察到的世界是由许多错综复杂的变量组成的。为了理解它,研究者或许首先会求助于多元回归分析(普通最小二乘法,OLS),因为它可以在统计控制下分析独立效应。教科书中最常见的三变量模型为:Y=a bX cZ e [1]其中Y表示因变量,X和Z表示自变量,a为截距,b和c为斜率,e是误差项。方程[1]所暗含的一个基本假设是X对Y的影响与Z的取值无关。但是现实世界要比这复杂得多。具体来说,X对Y的影响是否取决于Z值,如果是,那么就存在交互作用,这表示一个乘积项应该被包括在内,如方程[2]所示:Y=a bX cZ d(XZ) e [2]杰卡德、图里西和万等在《多元回归中的交互作用》中已经将交互作用引入了传统的多元回归分析中。本书通过运用整合了潜变量分析和LISREL估计的结构方程模型(structural equation modeling,SEM)将交互作用分析向前推进了几步。更为重要的是在结构方程模型的框架下, OLS分析中忽略的两个重要条件(多指标和测量误差)得到了很好的处理。(关于SEM、LISREL及潜变量分析的背景知识请参考本丛书中的《验证性因子分析》《协方差结构模型》及《潜变量对数线性模型》等书。)在本书中杰卡德和万博士详细阐明了LISREL计算程序及其在结构方程模型中的应用。这是一个可以被输入8个不同矩阵的模型。由于运用的是LISREL软件的最新版本(第八版),本书的例子和展示对读者很有帮助。此外,作者还强调了关键点,例如,如何选择基准变量来定义潜变量矩阵,并且提供一个关于LISREL模型拟合度的指标有价值的比较讨论。包括经常会用到卡方检验。关于这一检验,它们令其反向地逻辑清晰,即如果模型的卡方检验统计不显著则表明模型的拟合比较好。这一特殊的关于交互作用的卡方检验包含两步:第一步,拟合不是强制的(如允许斜率在不同的组中有变化);第二步,拟合是强制的(如限定斜率在不同的组中相等)。通过比较两个模型的结果,来检验是否非强制(含有交互作用)模型的拟合度更好。如果交互作用存在,其规模(IES)能够作为第二步卡方的减少被测量出来。和多元回归类似,由于所有变量都是连续的,LISREL模型也可以包含乘积项。作者还对SEM(包含多指标和测量误差)与普通最小二乘法进行了比较。他们认为这两种方法各有利弊:当在高测量信度、样本规模较小,而且变量不服从多元正态分布时,OLS的估计更好。显然,这些条件通常是无法满足的,在这种情况下,SEM满足了研究者运用更高级、更符合现实的模型来分析交互作用的愿望。迈克尔S.刘易斯-贝克
|
|