影片瀏覽

影片簡介與說明

播放影片為: team1_20141230.flv
演講者: 周志秉
主題: 個案研習-多變量分析模組運用在健康行為研究
職稱: 教授
單位: USC 美國加州大學
演講日期: 2014-12-30

結構方程式(structural equation modeling, SEM)是一個是用於分析因果關係模式的統計方法,能夠同時處理多組變數之間的關係,就是根據可觀察變數與潛變數之間的假設,估算各種潛變量之間的關係,譬如說,假設影響青少年抽 菸的因子有心態,而影響青少年心態的有同儕及教育,則教育與同儕便是潛變量, 還有另外一個變數叫做共變數,老師利用警察與犯罪率之間的關係,簡單的解釋了共變數對模型假設的意義,因結構方程式模型多層次的設定較符合現實生活中的種種狀況,複雜、多元且環環相扣,還可以檢定模型的合適度及控制測量的誤差等等,不是簡單及傳統的回歸模型或假設就能夠真正的解釋,因此結構方程式 被大量運用在社會科學及行為科學方面。 在 SEM 中有分為 Path Analysis(路徑分析)及 Factor Analysis(因素分析) 這兩種,而在因素分析中又細分有 Exploratory FA(探索性因素分析)及 Confirmatory Factor Analysis(驗證性因素分析)兩種。因素分析的例子就是 說 X 跟 Y 這兩個變數會有相關,是受到它們潛變數的影響,例如:社會經 濟地位(F),另一個是家庭收入(X)和教育程度(Y),X 和 Y 之間的相關只要 是受到社會經濟地位的影響。也就是說,我們把可觀察變數之間的關係用 潛變數來解釋。超過一個因變數時就要用 Multivariate Regression Model 的方式來表達。