Stata 在結構方程模型及試題反應理論的應用 (附光碟)

張紹勳

買這商品的人也買了...

商品描述

結構方程模型(structural equation modeling, SEM)是一種結合路徑分析(path analysis)與因素分析(factor analysis)的多元統計技術。在社會科學的研究中,除實驗取向的研究之外,其他涉及量化數據的研究,都離不開此一典範的思維模式,因此,我們更可以把他定位成當代量化研究的主要統計方法學典範。

 

Stata延伸了線性SEM之優點,並且開展出gsem指令來分析廣義SEM,包括:多層次SEM、probit迴歸、重複量數、類別變數、分群組SEM等;可分析的變數類型則包括:類別變數、二分變數、次序變數、計數(count)變數、連續變數等。換言之,Stata 可說是「廣義結構方程模型」最成功的推手。在最新的Stata 14版本中,更增加了IRT四種資料型態:二元、比序、類別及混合模型之建模、報表及IRT曲線特徵圖,大大提昇研究者使用的方便性。

 

本書提供完整的Stata分析實作範例,從統計方法原理,到軟體操作的流程都予以詳細解說,希望能幫助研究者在自己的專業領域做出有效的整合應用。

 

本書特色

●一本學通!當代量化研究的主要統計方法學典範:結構方程模型(SEM)。
●扎實的統計方法說明,並提供不同情境的實證分析範例。
●圖片詳解操作流程,無痛學習地表最強統計軟體──Stata。
●本書範例檔案建議使用Stata 13或更新版本執行。
●隨書附贈資料檔光碟

目錄大綱

Chapter 01 結構方程模型簡介
1-1 結構方程模型之介紹
1-1-1 Generalized SEM 特殊案例的統計分析
1-1-2 SEM 基本概念
1-1-3 SEM 的參數
1-1-4 模型認定:t-rule
1-1-5 Path diagrams 代表的指令意義
1-1-6 SEM 整體適配度的類型
1-1-7 sem/gsem 之事後(Postestimation) 指令
1-1-8 Stata 輸入資料格式(ssd 格式檔)
1-2 Stata gsem 之功能
1-2-1 線性sem 功能
1-2-2 廣義SEM 的課外補充( 相關網站查詢)

 

Chapter 02 結構方程模型之數學式
2-1 結構方程模型
2-2 因素分析
2-3 探索性因素vs. 驗證性因素分析
2-4 SEM 資料分析流程
2-4-1 SEM 分析流程及信效度公式
2-4-2 SEM 參數標註的寫法
2-4-3 共變數推導的定理
2-4-4 測量模型的檢定
2-5 結構模型分析(SEM)

Chapter 03 Full SEM 分析實例:員工教育訓練績效評估模型
3-0 結構方程模型之重點整理
3-1 員工教育訓練績效之建模
3-1-1 研究背景與動機
3-1-2 研究目的
3-1-3 研究方法與步驟
3-2 研究
3-2-1 研究架構
3-2-2 研究假設
3-2-3 問卷發展與施測
3-2-4 預試(pilot study)
3-2-5 抽樣設計
3-2-6 統計分析法
3-3 樣本特徵分析
3-4 Full SEM 分析結果與討論
3-4-1 結構方程模型實證分析
3-4-2 整體架構直接與間接效果分析
3-4-3 研究假設分析
3-4-4 檢定力(power) 分析
3-4-5 多樣本之交叉效度(Cross-Validation) 分析:測量不變性

 

Chapter 04 sem 實例分析、Builder 介面操作
4-1 SEM 之適配度、遺漏值
4-1-1 SEM 分析步驟
4-1-2 SEM 之適配度
4-1-3 linear SEM /廣義gsem 事後檢定之指令
4-1-4 線性SEM 估計法:含遺漏值
4-2 線性SEM 之特殊迴歸
4-2-1 相關分析
4-2-2 多變量迴歸(Multivariate regression):非線性迴歸
4-2-3 納入測驗信度之迴歸式
4-2-4 驗證因素分析(CFA):Measurement models
4-2-4a 單因子測量模型(Single-factor measurement model)
4-2-4b Two-factor 測量模型:Equation-level goodness-of-fit
4-2-4c Two-factor 測量模型:Group-level GOF( 交叉效度)
4-2-4d 多樣本Two-factor CFA:Testing parameter equality across groups ( 測量不變性)
4-2-4e 整體goodness-of-fit statistics for linear SEM
4-2-4f 高階驗證因素分析(Higher-order CFA 模型)
4-2-5 階層(Hierarchical) 驗證性因素:Higher-order CFA
4-2-6a 完整(full) 結構模型:panel data 模型的信度及穩定度
4-2-6b panel data 模型:Modification indices
4-2-7a 單層(One-level) 之中介效果
4-2-7b Two-level 之中介(Mediation) 效果
4-2-8 MIMIC 模型及Residual analysis for linear SEM
4-2-9 潛在成長曲線模型(Latent growth curve models)
4-2-10 Correlated uniqueness 模型:Multitrait-Multimethod (MTMM)
4-2-11 似不相關迴歸模型(Seemingly Unrelated Regression)
4-2-12 非遞迴模型的穩定性:直接/間接效果

 

Chapter 05 Generalized SEM 之分析
5-1 認識Generalized SEM
5-1-1 Generalized SEM 的介紹
5-1-2 廣義gsem 與線性sem 指令,二者的差異比較
5-1-3 Generalized SEM 的分配(Family)
5-1-4 Generalized SEM 的特性
5-1-5 gsem 指令之事後檢定
5-2 測量模型(generalized response)
5-2-1 單因子measurement model (generalized response)
5-2-2 雙因子measurement model:Likert 量表vs. 測驗卷的迴歸分析
5-3 Multilevel 模型
5-3-1 雙層次測量模型( 廣義反應變數)
5-3-2 Multilevel mediation models
5-3-3 三層次模型(generalized response)
5-4 Logistic 迴歸 ( 廣義反應變數)
5-5 generalized responses 的組合模型:logit + poisson 迴歸
5-6 多類別(multinomial) 反應變數的logit 迴歸
5-7 MIMIC 模型(generalized indicators)
5-8 序位反應變數之機率迴歸(Ordered probit regression)
5-9 試題反應理論(Item response theory, IRT)
5-9-1 試題反應理論(IRT) 之介紹
5-9-2 單參數之試題反應理論(IRT):Rasch 模型分析
5-9-3 STATA 試題反應理論之irt 指令
5-9-4 雙參數之試題反應理論(IRT)
5-10 gsem 指令之網站補充的特殊迴歸