:::
線性結構關係模式 - 教育百科
回到頁面頂端圖示
| 線 | |
| 性 | |
| 結 | |
| 構 | |
| 關 | |
| 係 | |
| 模 | |
| 式 |
國家教育研究院辭書
基本資料
| 英文： | Linear Structural Relations Model |
| 作者： | 詹志禹 |
| 日期： | 2000年12月 |
| 出處： | 教育大辭書 |
辭書內容
|
名詞解釋： 線性結構關係模式是結合因素模式(factor model)及結構方程模式(structural equation model)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(unweighted least square, ULS)、一般化最小平方法(generalized least square, GLS)、最大概率法(maximum likelihood, ML)及加權最小平方法(weighted least square, 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(goodness of fit index, GFI)、調整配適度指標(adjusted goodness of fit index, AGFI)及均方誤差根(root of mean of square error, 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。 |
|
| 資料來源： | 國家教育研究院_線性結構關係模式 |
| 授權資訊： | 資料採「 創用CC-姓名標示- 禁止改作 臺灣3.0版授權條款」釋出 |