客服公告:配合防疫政策各項服務暨國內出貨資訊調整詳情

  • 今日66折
  • 天天BUY
超級購物節前導活動
Stata在結構方程模型及試題反應理論的應用

Stata在結構方程模型及試題反應理論的應用

  • 定價:800
  • 優惠價:95760
  • 本商品單次購買10本9折720
  • 使用購物金最高可抵100詳情
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
載入中...
  • 分享
 

內容簡介

  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
 
 

作者介紹

作者簡介

張紹勳


  學歷:國立政治大學資訊管理博士
  現任:國立彰化師大專任教授
  經歷:致理技術專任副教授

研究助理者簡介

張任坊


  國立海洋大學商船系

張博一

  國立台北大學通訊工程學系
 
 

目錄

自序

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 109
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
 
 



  結構方程模型(Structural equation modeling, SEM),它已是社會科學之標準多變量統計技術(Standard multivariate technique)。

  Stata 已超越LISREL、SIMPLIS、AMOS、EQS、Mplus、Mx、Statistica、SAS PROC CALIS、COSAN、LVPLS 等軟體。Stata 延伸了線性SEM 之優點,並且開展出gsem 指令來分析廣義SEM( 多層次SEM、probit 迴歸、重複量數、類別變數、分群組SEM⋯),故可分析變數類型,包括:類別變數、二分變數、次序變數、計數(count) 變數、連續等變數。Stata 可說是「廣義結構方程模型」最成功的推手。即使,非常態分配(Nonnormal Variables)、類別結果(Categorical outcomes) 之變數( 如dichotomous, ordinal, Multinomial、次數變數⋯)、試題反應理論(IRT) 也都可納入sem/ gsem 分析。

  此外,Stata v14 介面增加了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,介面操作簡單易用。

  SEM 是聯立迴歸方程式,它同時估計多個自變數,依變數和潛變量之間關係的廣義線性模型(general linear model) 的進階。Stata 廣義SEM 的估計法,包括Stata 指令「reg、probit、stcox、mixed」,即Stata SEM的估計法,包括OLS 法、線性機率迴歸法、Cox 比例風險模型(proportional hazards model)、多層次(Multilevel)mixed-effects linear ( 或logistic /Poisson) 迴歸分析。

  Stata 分析SEM,有二種方法:sem 或gsem 指令、SEM Builder 圖形介面。其中,Builder 圖形介面( 很像AMOS) 更是簡單易用,人人很容易上手。

  有鑑於STATA 分析功能龐大,故作者將撰寫一系列的STATA 的書,包括:

  1. STATA與高等統計分析。
  2. Stata在財務金融與經濟分析的應用。
  3. Stata在結構方程模型及試題反應理論的應用。
  4. Panel-data迴歸模型:Stata在廣義時間序列的應用。

  以上一系列的STATA 書,適用於:基礎研究、生物學、醫學、心理學、社會學、刑事司法,金融和經濟學,政治學,市場營銷,生態學,教育學和遺傳學等領域,期望這一系列STATA 書能夠對學術研究、實務問題決能有拋磚引玉的效果,成果能夠開枝散葉。

  本書內容,著重理論、統計及方法三者的結合。畢竟工欲善其事,必先利其器。研究者除了要精通自己領域的「理論」基礎外,正確選用創新性之「研究法」及「統計」技術( 即STATA 分析實作),三者間如何有效整合應用,更是成為頂尖研究者不可缺乏的基本功夫。本書中每章都有STATA analysis 範例,其中滲雜了許多實證分析的範例,讓你實際操作分析,進而能輕鬆了解STATA 分析的程序與應用,啟發你的靈感(Insight)。

  最後,特感謝全傑科技公司(www.softhome.com.tw),提供STATA 軟體,晚學才有機會撰寫STATA 一系列的書,以嘉惠學習者。
 
張紹勳 敬上
 

詳細資料

  • ISBN:9789571190594
  • 叢書系列:研究方法系列
  • 規格:平裝 / 664頁 / 19 x 26 x 3.32 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣
 

內容連載

1-1 結構方程模型之介紹
 
結構方程模型(Structural equation modeling, SEM) 是一種融合了因素分析和路徑分析的多元統計技術。它的強勢在於對多變數間交互關係的定量研究。在近三十年內,SEM 大量的應用於社會科學及行為科學的領域裡,並在近幾年開始逐漸應用於心理學、教育學、行銷學研究中。學界中,常見SEM 潛在變數,
 
包括:
 
1. 心理學:壓力程度(level of stress)。
2. 社會學:民主制度的品質(quality of democratic institutions)。
3. 生物學:基因型和環境(genotype and environment)。
4. 醫學保健:個人健康功能差異大(difficulty in personal functioning)。
 
一、何謂SEM?
 
什麼是結構方程模型(Structural equation modeling, SEM)?簡單地說,就是用一系列的算式,檢測變數之間的因果關係(causal relationship)。這種統計方法就叫作SEM。
 
為什麼要學新的SEM?以圖1-2 及圖1-3 來說,你亦可以只用多元迴歸(multiple regression)一個一個算出來,不是嗎?沒錯,但是你要算幾遍才夠?此外,逐次算出來的結果,與用SEM算出來的還是有些不一樣,因為SEM可以讓你作更多的分析。跑一次迴歸就有一次誤差,那如果你迴歸之間的誤差有高度相關,你怎麼解決這樣的問題呢?
 
結構方程模型是一種相當複雜的因果關係模型,它除了可以處理觀察變數與潛在變數以及各潛在變數之間的關係外,同時也考慮了誤差變數的問題。
 
圖1-1 因果圖之示意圖
 
結構方程模型(Structural equation modeling, SEM) 的意涵:
 
1.SEM 是統計之一種技術,旨在檢定變數之間的「關係假設」( test hypotheses about relationships among variables)。
 
2.SEM 統計重點放在:相關、線性迴歸、因素分析、試題反應理論(IRT)、潛在長成分析、聯立方程式⋯。
 
3.SEM 亦可視為共變數結構之分析(Analysis of Covariance Structures), 因為SEM 係用觀察之共變數矩陣及平均數(observed covariances and possibly means) 來適配模型。
 
一般我們所常用的統計方法如迴歸分析、主成分分析、因素分析、路徑分析及變異數分析等,其實都可看成是結構方程模型的特例。但是,結構方程模型的本質上卻都具有上述統計方法所無法比擬的優點。也正因為如此,導致近年來,結構方程模型在心理學、教育學、管理學以及行為科學等領域中能被廣泛的應用。

最近瀏覽商品

 

相關活動

  • 大師的獲利心法,投資理財精選3本73折。
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 國小參考書
  • 商業周刊暢銷展
  • 大雁全書系

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報