內容簡介
結構方程模型(SEM)是近三十年來社會科學和行為科學研究中最為重要的多元統計方法,很多研究者使用結構方程模型進行測驗質量的分析。《基於結構方程模型的測驗分析方法》係統整理瞭結構方程模型的此類應用,特彆介紹瞭近年來該領域研究的最新進展。相信這《基於結構方程模型的測驗分析方法》的內容,能夠為相關研究者開發心理和教育測驗提供新的思路和方法。
作者簡介
吳瑞林,北京航空航天大學心理與行為研究所教師,管理學博士。在美國聖母大學(UniversityofNotreDame)心理學係聯閤培養期間,師從美國華人心理統計學傢Ke-HalYuan.主要從事心理測量與統計、教育測評方麵的研究。近三年來,主持國傢自然科學基金一項,在SCI(E)、EI、CSSCI檢索的期刊上發錶論文十餘篇。
內頁插圖
目錄
第一章 測驗與測驗質量分析
1.1 測量與測驗
1.2 教育和心理測量的特點
1.3 教育和心理測驗的功能
1.4 測驗質量與測驗質量的評估
第二章 結構方程模型基礎
2.1 什麼是結構方程模型
2.2 結構方程模型的數學原理
2.3 路徑分析與測量模型
2.4 構建結構方程模型的過程
2.5 結構方程模型的軟件
第三章 結構方程模型與順序數據
3.1 心理和教育測驗數據的形式
3.2 順序數據與相關係數
3.3 麵嚮順序數據的結構方程模型
3.4 麵嚮順序數據結構方程模型的應用情況
3.5 參數估計過程中遇到的問題
第四章 因素分析與測驗效度
4.1 因素分析的發展與分類
4.2 因素分析與構念效度
4.3 麵嚮順序數據因素分析的實例
第五章 基於結構方程模型的信度分析
5.1 信度及其估計方法
5.2 基於順序數據的信度
5.3 使用結構方程模型估計信度的實例
第六章 題目分析
6.1 經典測驗理論中的題目難度和區分度
6.2 因素分析與題目的難度和區分度
6.3 項目反應理論與題目分析
6.4 因素分析與項目反應理論的關係
6.5 使用結構方程模型計算難度和區分度的實例
第七章 測量一緻性與題目功能差異
7.1 多組驗證性因素分析
7.2 題目功能差異檢驗及其與測量一緻性的關係
7.3 測量一緻性檢驗的實例
第八章 使用結構方程模型的其他問題
8.1 應該使用多大的樣本量
8.2 模型修正與嵌套模型
8.3 如何報告結構方程模型的結果
8.4 打包操作及其使用條件
結語
附錄1 結構方程模型常用圖標
附錄2 EQS命令簡介
附錄3 Mplus命令簡介
參考文獻
精彩書摘
8.3.3報告統計軟件與統計過程
根據結構方程模型的統計基礎,它既可以與樣本協方差矩陣擬閤,也可以用樣本相關係數矩陣來分析,協方差矩陣與相關係數矩陣間本來就可以通過方差來相互轉換。在結構方程模型誕生之初,它首先是與協方差矩陣相結閤的;但一些研究者認為,與相關係數矩陣擬閤後獲得的模型參數已經標準化,變量間關係也更明晰,所以更樂於使用樣本相關係數矩陣進行分析。
不管擬閤哪種矩陣,報告研究結果時都應該說明擬閤矩陣的類型;並應列齣完整的樣本協方差矩陣或樣本相關係數矩陣,一旦給齣兩種矩陣之一,論文或研究報告的讀者就可以重復進行研究者使用結構方程模型所做的分析,以便驗證或改進研究的結果。當研究的變量比較少時,協方差矩陣或相關係數矩陣可以直接通過錶格給齣。但是,變量增多以後,限於文章的篇幅,就很難列齣完整的矩陣瞭。如果有條件的話,可以將變量較多的協方差(或相關係數)矩陣放在互聯網上,供感興趣的讀者下載,或允許其通過電子郵件獲得。
目前已有多個支持結構方程模型的成熟軟件,但這些軟件的估計結果並不相同,所提供的模型擬閤指標也各有韆鞦,特彆是各軟件默認的參數估計方法不一緻,所以應該報告具體選用瞭哪個軟件完成統計工作。
接下來,參數估計的方法和估計過程是不可或缺的部分。不同的參數估計方法適用於不同類型的數據,所獲參數估計值也不會一緻。由於極大似然法(ML)的無偏性,多數結構方程模型軟件都以ML作為默認的估計方法;但ML法建立在多元正態分布假設基礎上,並要求一定的樣本量(至少數百個被試)纔能發揮齣效果。所以很多時候,研究者也會考慮使用ULS、WLS、DWLS等其他估計方法。選用哪種估計方法,是具體研究問題的數據所決定的,但在論文中都應該說明選用的方法和理由。一般而言,結構方程模型軟件都會存在預設的最大迭代次數,當達到該迭代次數後,無論參數估計值是否收斂,軟件都會自動停止估計過程。
……
前言/序言
基於結構方程模型的測驗分析方法 下載 mobi epub pdf txt 電子書
評分
☆☆☆☆☆
不錯,送貨上門的,方便。
評分
☆☆☆☆☆
有用
評分
☆☆☆☆☆
正版,印刷質量好,價格便宜。
評分
☆☆☆☆☆
為什麼發票沒有隨書一起寄送過來????
評分
☆☆☆☆☆
有用
評分
☆☆☆☆☆
評分
☆☆☆☆☆
為什麼發票沒有隨書一起寄送過來????
評分
☆☆☆☆☆
書挺薄的,但內容卻挺深的。建議想深入瞭解SEM的不妨仔細一讀。
評分
☆☆☆☆☆
不管擬閤哪種矩陣,報告研究結果時都應該說明擬閤矩陣的類型;並應列齣完整的樣本協方差矩陣或樣本相關係數矩陣,一旦給齣兩種矩陣之一,論文或研究報告的讀者就可以重復進行研究者使用結構方程模型所做的分析,以便驗證或改進研究的結果。當研究的變量比較少時,協方差矩陣或相關係數矩陣可以直接通過錶格給齣。但是,變量增多以後,限於文章的篇幅,就很難列齣完整的矩陣瞭。如果有條件的話,可以將變量較多的協方差(或相關係數)矩陣放在互聯網上,供感興趣的讀者下載,或允許其通過電子郵件獲得。