【線性結構關係模式】

豐碩

【線性結構關係模式】

 

LinearStructuralRelationsModel

 

【辭書名稱】教育大辭書

 

線性結構關係模式是結合因素模式(factormodel)及結構方程模式(structuralequationmodel)的一種統計模式。

 

其目的主要在驗證建構(construct)間的理論關係。

 

由於模式設定上相當具有彈性，在實證應用上相當廣泛。

 

理論上，一般皆將模式寫為：（測量模式，處理觀察變項與潛在變項之間的關係）（結構模式，處理潛在變項之間的結構關係）式中，x與y表示測量指標向量；

 

ξ及η表示x及y之因素向量；

 

Λx,和Λy則是因素係數矩陣；

 

B及Γ表示結構係數矩陣；

 

δ與ε是測量誤差向量；

 

ζ是結構誤差向量。

 

這個模式包含許多特殊子模式，如因素分析模式、路徑模式、多元迴歸模式、結構方程模式等等；

 

其中，因素分析模式帶有潛在變項，其餘三種模式則皆處理觀察變項之間的關係，不假定潛在變項的存在。

 

參數估計上，一般而言，有未加權最小平方法(unweightedleastsquare,ULS)、一般化最小平方法(generalizedleastsquare,GLS)、最大概率法(maximumlikelihood,ML)及加權最小平方法(weightedleastsquare,WLS)等四種。

 

其中，最常用的是ML及GLS，但這兩種估計法需假定常態母群分布。

 

ULS及WLS雖然不假定母群為常態，但卻需要較大的樣本。

 

評估有推論性統計量及描述性統計量等兩類指標。

 

前者是樣本數減1與配適值的乘積，虛無假設下，這個乘積近似卡方分布。

 

但要注意的是，當分析的矩陣不是共變矩陣時，這乘積並不近似卡方分布。

 

而且，如果母群峰度過高，ML及GLS產生的乘積亦不近似卡方分布。

 

此外，推論性統計量是樣本大小的函數，故實務上常同時輔以描述性統計量進行評估。

 

常見的描述統計量有配適度指標(goodnessoffitindex,GFI)、調整配適度指標(adjustedgoodnessoffitindex,AGFI)及均方誤差根(rootofmeanofsquareerror,RMSE)等。

 

由於線性結構關係模式的應用電腦套裝程式當中，以尤拉斯哥(Jöreskog)及索本(Sörbom)所發展的LISREL最為流行，故線性結構關係模式又常被稱為「LISREL模式」，但實際上可用的電腦程式不止於此，班特勒(Bentler)所發展的EQS就是另外一例。

 

 

轉自:http://edic.nict.gov.tw/cgi-bin/tudic/gsweb.cgi?o=ddictionary