AMOS的使用手册(3)

为了进行SEM 分析，识别是结构上或数学上的需要。许多规则能用于评价模型的识别水平，但这些规则不完善，用纸笔计算（事实上，几乎不可能）非常困难，尤其是复杂模型。SEM 软件例如AMOS把执行识别检查作为模型拟合过程的一部分。它们通常提供有关欠识别条件的合理警告。

能出现另一个复杂化的情况是经验欠识别。当设置识别模型有非常小（接近0）估计的参数估计时，会出现经验欠识别。当SEM进行矩阵逆运算时，参数估计在模型参数定义的解空间中下降，这样程序突然侦测到结构欠识别问题是什么。由于SEM估计的自然迭代，参数估计例如方差从正值开始在一次一次迭代中渐渐地接近0。例如，估计值接近0的路径系数在SEM矩阵逆运算算法中被当作0来处理。如果路径系数识别模型是必须的，那么模型就变成欠识别。

各种形式欠识别模式的补救方法是设法找到识别问题的来源和确定来源是经验欠识别还是结构欠识别。对结构欠识别，唯一的补救方法是重新定义模型。经验欠识别通过收集更多的数据或重新定义模型来校正。

Rigdon (1997)的例子可以说明这些问题。考虑下列模型：

9

Itellin@163.com

它包含一个因子F1，两个误差或残差e1 和 e2，一个因子载荷连接F1 到 I2。模型需要估计四个参数：因子的方差，两个误差方差和一个因子载荷。

有多少可利用的输入能在分析过程中使用？三个。怎么知道要有输入三个变量？可以使用下面公式

[Q(Q + 1)] / 2

这里Q 表示模型数据库中测量变量的数目。在这个模型中有两个观测变量， I1 和 I2，所以由上面公式显示， [2(2+1)]/2 = 3。有两个方差，一个是两个变量都有的方差，一个是I1 和 I2间协方差。

用三个输入估计四个未知参数怎么可能呢？答案是这是不可能的：有三个已知变量或可利用的自由度，但有四个未知参数要估计，所以模型的自由度是 3 – 4 = -1 ，明显地不可能。模型是欠识别——为了得到满意识别水平，需要利用这个模型增加约束。

10