结构方程模型的原理与应用－社会科学量化研究方法系列（万千心理）
点此进入淘宝搜索页搜索分類: 图书,社会科学,社会学,社会学方法,
作者： 邱皓政，林碧芳 著
出 版 社： 中国轻工业出版社
出版时间： 2009-2-1字数：版次： 1页数： 452印刷时间：开本： 16开印次：纸张：I S B N ： 9787501967254包装： 平装内容简介
结构方程模型被誉为应用统计的第三次革命，在20世纪80年代以来席卷整个社会科学领域，是新一代学者必备的统计方法学知识。
本书提供了一套从概念原理，到操作技术，再到运用范例的整合性知识，并以作者多年研究实务与丰富教学经验，承袭过去著作风格，以简明流畅的文字，配合LISREL、AMOS、Mplus三种软件的介绍与运用，对结构方程模型的操作与解释提供了完整的说明。
对于想要认识结构方程模型，以及对测量、测验与统计领域有兴趣的研究者，或欲以量化研究为其论文写作内容的研究生而言，本书是必读的经典著作。
作者简介
邱皓政，台湾“中央”大学企业管理学系教授，量化研究学刊主编。曾任美国加州大学洛杉矶分校神经医学研究中心统计分析师，台湾心理学会秘书长，台湾统计方法学学会创会理事长。研究兴趣为统计方法与应用技术、心理测量学、工业与组织心理学、创造力与组织创新研究等，专长为结构方程模型与多变量统计方法。著有《潜在类别模式的原理与技术》《结构方程模式》《量化研究法》，译有《多层次模型分析导论》《创造力》。
目录
第一章 结构方程模型概说
第一节 结构方程模型的特性
第二节 结构方程模型的执行
第三节 SEM的执行重点
第四节 结语
第二章 结构方程模型的组成
第一节 结构方程模型的变量
第二节 结构方程模型的参数
第三节 模型界定
第三章 参数估计与识别问题
第一节 模型识别问题
第二节 参数估计
第三节 参数估计策略
第四节 参数估计的相关议题
第四章 模型拟合评鉴
第一节 模型评鉴的基本概念
第二节 模型评鉴的方法
第三节 结语
第五章 验证性因素分析与模型修饰
第一节 验证性因素分析原理
第二节 测量模型的内部拟合检验
第三节 验证性因素分析的实例
第四节 验证性因素分析的模型修饰
第五节 AMOS的验证性因素分析
第六节 Mplus的验证性因素分析
第七节 结语
第六章 高阶验证性因素分析
第一节 高阶验证性因素分析的概念
第二节 高阶验证性因素分析的实例
第三节 AMOS的高阶验证性因素分析
第四节 Mplus的高阶验证性因素分析
第七章 路径分析
第一节 路径分析的基本概念
第二节 路径分析的模型界定与识别
第三节 LISREL的路径分析
第四节 AMOS的路径分析
第五节 Mplus的路径分析
第六节 结语
第八章 结构方程模型：统合模型分析
第一节 统合模型的基本概念
第二节 统合模型的分析步骤
第三节 变量组合与聚合
第四节 LISREL的统合模型分析
第五节 AMOS的统合模型分析
第六节 Mplus的统合模型分析
第七节 结语
第九章 多样本结构方程模型
第一节 多样本分析的概念
第二节 多样本分析的统计原理
第三节 多样本分析：测量恒等性检验
第四节 AMOS的多样本分析
第五节 MpluS的多样本分析
第六节 多样本分析：复核效化检验
第七节 结语
第十章 平均数结构分析
第一节 平均数结构分析的原理
第二节 平均数结构的分析技术
第三节 平均数结构分析：测量模式
第四节 平均数结构分析：统合模型
第五节 结语
第十一章 结构方程模型的正确运用
第一节 正确运用SEM的相关议题
第二节 SEM的解释与应用
第三节 结语：SEM的展望
附录一 LISREL语法
附录二 SIMPLIS语法
附录三 LISREL常见问题
附录四 SEM操作常见疏失检核表
参考文献
中文部分
英文部分
英汉术语对照表
书摘插图
第一章 结构方程模型概说
第一节 结构方程模型的特性
一、外显与潜在变量
SEM一个重要的特性是能够对抽象的构念（construct）进行估计与检定。社会与行为研究经常必须处理一些抽象的概念，例如我们想知道“你幸福吗？”。此时，针对抽象的概念，我们必须给予一个操作化的定义，以便能够透过该程序得到具体的数据，用以反映不同个体在该概念上的强度。此时，我们所具体进行测量的变量称为外显变量（manifest variable）、观察变量（observed variable）或测量变量（measuredvariable）。这些可以直接获得数据的变量，若是受到同一个潜在构念的影响，则会具有共同性，反映在变量之间的共变关系上，如果针对这些变量之间的共同性加以估计，得到的一个能够反映该潜在构念的强度的数据，称之为潜在变量（1atentvariable）。
在研究中具体用来获得潜在变量的策略，最典型的代表是因素分析（factoranalysis），因素分析系利用一组测量同一个构念的观察变量来估计背后的潜在变量，传统因素分析针对于观察变量的背后具有哪几个潜在变量以及潜在变量与观察变量之间的关系为何，它无法事前预知，直到数据搜集完成之后，进行变量间的共变关系分析，抽取出最适当的因素，确立一个最佳的因素结构模型，将潜在变量加以命名。此一程序所进行的因素分析，得到的潜在因素即是一种经验性的潜在变量，因而被称之为探索性因素分析。
相对之下，在结构方程模型之中，潜在变量的概念与内涵是基于理论的推导，且潜在变量与观察变量的关系是在资料搜集完成之前即事先提出的假设性概念。然后透过实际所搜集的数据，分析比对假设模型与观察到的数据之间的差异性，决定研究者对于潜在变量所提出的假设性看法是否恰当。以此种模式进行的因素分析称为验证性因素分析，也即是一种先验性、事前的潜在变量定义模式。
……
