Stata在结构方程模型及试题反应理论的应用

点击数:3 借阅数: 3

作者:张绍勋著

出版社:五南图书

出版年:2017

出版地:台北市

格式:PDF

ISBN:978-957-11-9059-4 ; 957-11-9059-4

内容简介
结构方程模型(structural equation modeling, SEM)是一种结合路径分析(path analysis)与因素分析(factor analysis)的多元统计技术。在社会科学的研究中,除实验取向的研究之外,其他涉及量化数据的研究,都离不开此一典范的思维模式,因此,我们更可以把他定位成当代量化研究的主要统计方法学典范。
 
Stata延伸了线性SEM之优点,并且开展出gsem指令来分析广义SEM,包括:多层次SEM、probit回归、重复量数、类别变数、分群组SEM等;可分析的变数类型则包括:类别变数、二分变数、次序变数、计数(count)变数、连续变数等。换言之,Stata 可说是「广义结构方程模型」最成功的推手。在最新的Stata 14版本中,更增加了IRT四种资料型态:二元、比序、类别及混合模型之建模、报表及IRT曲线特征图,大大提升研究者使用的方便性。
 
本书提供完整的Stata分析实作范例,从统计方法原理,到软体操作的流程都予以详细解说,希望能帮助研究者在自己的专业领域做出有效的整合应用。
 
本书特色
 
●一本学通!当代量化研究的主要统计方法学典范:结构方程模型(SEM)。
●扎实的统计方法说明,并提供不同情境的实证分析范例。
●图片详解操作流程,无痛学习地表最强统计软体──Stata。
●本书范例档案建议使用Stata 13或更新版本执行。

 

作者简介
 
张绍勋
 
学历:国立政治大学资讯管理博士
现任:国立彰化师大专任教授
经历:致理技术专任副教授
 
研究助理者简介
 
张任坊
 
国立海洋大学商船系
 
张博一
 
国立台北大学通讯工程学系

  • 自序(第5页)
  • Chapter 01 结构方程模型简介(第13页)
  • 1-1 结构方程模型之介绍(第15页)
  • 1-1-1 Generalized SEM 特殊案例的统计分析(第36页)
  • 1-1-2 SEM 基本概念(第42页)
  • 1-1-3 SEM 的参数(第49页)
  • 1-1-4 模型认定:t-rule(第51页)
  • 1-1-5 Path diagrams 代表的指令意义(第52页)
  • 1-1-6 SEM 整体适配度的类型(第54页)
  • 1-1-7 sem/gsem 之事后(Postestimation)指令(第57页)
  • 1-1-8 Stata 输入资料格式(ssd 格式档)(第58页)
  • 1-2 Stata Generalized SEM(gsem)之功能(第66页)
  • 1-2-1 线性 SEM 功能(第69页)
  • 1-2-2 广义 SEM 的课外补充(相关网站查询)(第73页)
  • Chapter 02 结构方程模型之数学式(第81页)
  • 2-1 结构方程模型(第82页)
  • 2-2 因素分析(第92页)
  • 2-3 探索性因素 vs. 验证性因素分析(第94页)
  • 2-4 SEM 资料分析流程(第96页)
  • 2-4-1 SEM 分析流程及信效度公式(第97页)
  • 2-4-2 SEM 参数标注的写法(第105页)
  • 2-4-3 共变数推导的定理(第106页)
  • 2-4-4 测量模型的检定(第107页)
  • 2-5 结构模型分析(SEM)(第108页)
  • Chapter 03 Full SEM 分析实例:员工教育训练绩效评估模型(第121页)
  • 3-0 结构方程模型之重点整理(第122页)
  • 3-1 员工教育训练绩效之建模(第124页)
  • 3-1-1 研究背景与动机(第125页)
  • 3-1-2 研究目的(第125页)
  • 3-1-3 研究方法与步骤(第126页)
  • 3-2 本例的研究法(第136页)
  • 3-2-1 研究架构(第136页)
  • 3-2-2 研究假设(第137页)
  • 3-2-3 问卷发展与施测(第140页)
  • 3-2-4 预试(pilot study)(第151页)
  • 3-2-5 抽样设计(第200页)
  • 3-2-6 统计分析法(第201页)
  • 3-3 样本特征分析(第208页)
  • 3-4 Full SEM 分析结果与讨论(第210页)
  • 3-4-1 结构方程模型实证分析(第210页)
  • 3-4-2 整体架构直接与间接效果分析(第238页)
  • 3-4-3 研究假设分析(第260页)
  • 3-4-4 检定力(power)分析(第271页)
  • 3-4-5 多样本之交叉效度(Cross-Validation)分析:测量不变性(第276页)
  • Chapter 04 SEM 实例分析、Builder 介面操作(第291页)
  • 4-1 SEM 之适配度、遗漏值(第299页)
  • 4-1-1 SEM 分析步骤(第299页)
  • 4-1-2 SEM 之适配度(第301页)
  • 4-1-3 Linear SEM/广义 gsem 事后检定之指令(第302页)
  • 4-1-4 线性 SEM 估计法:含遗漏值(第316页)
  • 4-2 线性 SEM 之特殊回归(第322页)
  • 4-2-1 相关分析(第322页)
  • 4-2-2 多变量回归(Multivariate regression):非线性回归(第328页)
  • 4-2-3 纳入测验信度之回归式(第334页)
  • 4-2-4 验证性因素分析(CFA):Measurement models(第337页)
  • 4-2-4a 单因子测量模型(Single-factor measurement model)(第339页)
  • 4-2-4b Two-factor 测量模型:Equation-level goodness-of-fit(第352页)
  • 4-2-4c Two-factor 测量模型:Group-level GOF(交叉效度)(第363页)
  • 4-2-4d 多样本 Two-factor CFA:Testing parameter equality acrossgroups(测量不变性)(第377页)
  • 4-2-4e 整体 goodness-of-fit statistics for linear SEM(第382页)
  • 4-2-4f 高阶验证性因素分析(Higher-order CFA 模型)(第384页)
  • 4-2-5 阶层(Hierarchical)验证性因素分析:Higher-order CFA(第385页)
  • 4-2-6a 完整(full)结构模型:panel data 模型的信度及稳定度(第393页)
  • 4-2-6b panel data 模型:Modification indices(第400页)
  • 4-2-7a 单层(One-level)之中介效果(第409页)
  • 4-2-7b Two-level 之中介(Mediation)效果(第418页)
  • 4-2-8 MIMIC 模型及 Residual analysis for linear SEM(第427页)
  • 4-2-9 潜在成长曲线模型(Latent growth curve models)(第438页)
  • 4-2-9a Latent growth curve models:四期犯罪率之成长曲线(第439页)
  • 4-2-9b Latent growth curve models:学生成绩之成长趋势(第447页)
  • 4-2-10 Correlated uniqueness 模型:Multitrait-Multimethod(MTMM)(第451页)
  • 4-2-11 似不相关回归模型(Seemingly Unrelated Regression)(第463页)
  • 4-2-12 非递回模型的稳定性:直接/间接效果(第470页)
  • Chapter 05 Generalized SEM 之分析(第479页)
  • 5-1 认识 Generalized SEM(第480页)
  • 5-1-1 Generalized SEM 的介绍(第481页)
  • 5-1-2 广义 gsem 与线性 sem 指令,二者的差异比较(第486页)
  • 5-1-3 Generalized SEM 可搭分配(Family)有 8 种(第487页)
  • 5-1-4 Generalized SEM 的特性(第499页)
  • 5-1-5 gsem 指令之事后检定(第501页)
  • 5-2 测量模型(generalized response)(第501页)
  • 5-2-1 单因子 measurement model(generalized response)(第501页)
  • 5-2-2 双因子 measurement model:Likert 量表 vs. 测验卷的回归分析(第509页)
  • 5-3 多层次(Multilevel)模型(第522页)
  • 5-3-1 双层次测量模型(广义反应变数)(第524页)
  • 5-3-2 Multilevel mediation models(第537页)
  • 5-3-3 三层次模型(generalized response)(第537页)
  • 5-4 Logistic 回归(广义反应变数)(第547页)
  • 5-5 Generalized responses 的组合模型:logit + poisson 回归(第554页)
  • 5-6 多类别(multinomial)反应变数的 logit 回归(第562页)
  • 5-7 MIMIC 模型(generalized indicators)(第580页)
  • 5-8 序位反应变数之机率回归(Ordered probitregression)(第587页)
  • 5-9 试题反应理论(Item response theory, IRT)(第596页)
  • 5-9-1 试题反应理论(IRT)之介绍(第596页)
  • 5-9-2 单参数之试题反应理论(IRT):Rasch 模型分析(第611页)
  • 5-9-3 Stata 试题反应理论之 irt 指令(第624页)
  • 5-9-4 双参数之试题反应理论(IRT)(第647页)
  • 5-10 gsem 指令之网站补充的特殊回归(第655页)
  • 参考文献(第659页)