结构方程模型及其应用（附光盘）/社会科学研究方法丛书 [Structural equation model and its applications] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

侯杰泰，温忠麟，成子娟 著

图书标签:

• 结构方程模型
• SEM
• 社会科学研究
• 统计分析
• 数据分析
• 研究方法
• 计量经济学
• 心理学
• 教育学
• SPSS
• LISREL
• AMOS
• Mplus

出版社： 教育科学出版社

ISBN：9787504128164

版次：1

商品编码：12092423

包装：平装

丛书名： 社会科学研究方法丛书

外文名称：Structural equation model and its applications

开本：16开

出版时间：2004-07-01

用纸：胶版纸

页数：434

字数：37

内容简介

　　《结构方程模型及其应用/社会科学研究方法丛书》阐述了结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的实际应用、常用模型及其LISREL程序、输出结果的解释和模型评价，以及一些与结构方程模型有关的专题和结构方程的用法。

作者简介

　　侯杰泰，香港中文大学教育心理系教授、系主任。主要研究方向为学习动机，应用统计和香港语文政策。曾多次在北京、上海、南京、长春、广州等地举办的地区或全国性结构方程分析研习班上讲学。
　　
　　温忠麟，华南师范大学心理系教授。先后就读于华南师范大学、云南大学和香港中文大学。两次获国家公派，在英国曼彻斯特大学和澳大利亚西悉尼大学做访问学者各一年。主要研究方向为心理统计和测量，数理统计。
　　
　　成子娟，香港教育学院讲师。1999年毕业于香港中文大学，获博士学位。主要研究方向为结构方程在内隐观研究中的应用，数学逻辑思维的发展和教学。

目录

序
第一部分 结构方程模型入门
第一章 引言
一、描述数据
二、具体例子展示准确与简洁的考虑
三、探索性与验证性因子分析比较
第二章 结构方程模型简介
一、结构方程模型的重要性
二、结构方程模型的结构
三、结构方程模型的优点
四、结构方程模型包含的统计方法
五、路径图的图标规则
六、结构方程分析软件包
七、LISREL操作入门

第二部分 结构方程模型应用
第三章 应用示范I：验证性因子分析和全模型
一、验证性因子分析
二、多质多法模型
三、全模型
四、高阶因子分析
第四章 应用示范II：单纯形和多组模型
一、单纯形模型
二、多组验证性因子分析
三、多组分析：均值结构模型
四、回归模型
第五章 结构方程建模和分析步骤
一、验证模型与产生模型
二、结构方程分析步骤
三、参数估计和拟合函数
四、拟合检查
五、模型修正和交互效度
六、模型比较的原理
七、报告结果

第三部分 结构方程模型专题研究
第六章 专题讨论——涉及数据的问题
一、样本容量
二、数据类型
三、处理非正态数据
四、异常数据
五、缺失数据
六、可否应用相关矩阵作分析
七、处理小样本的方法
第七章 专题讨论——涉及模型拟合的问题
一、忽略测量误差所引致的错误
二、非正定协方差矩阵
三、不收敛
四、不恰当的解
五、单指标潜变量
六、误差相关
七、因子的单位与附加限制
八、为什么要考虑等同模型
九、模型与数据拟合是否表示模型正确
十、结构方程是否验证变量间的因果关系
十一、怎样避免潜变量名实不符的问题
十二、合宜和错误的高阶因子
十三、如何报告结构方程分析结果
十四、与传统分析的结合
第八章 拟合指数
一、拟合指数概述
二、绝对拟合指数
三、相对拟合指数
四、简约拟合指数
五、拟合指数定义一览

第四部分 结构方程模型统计原理
第九章 验证性因子分析原理
一、验证性因子分析的基本概念
二、因子分析模型及其协方差结构
三、因子分析模型识别的若干准则
四、参数估计
五、模型评价
六、有均值结构的因子分析模型
七、多组比较
第十章 路径分析原理
一、因果模型中的结构方程
二、路径分析与效应分解
三、因果模型的协方差矩阵
四、因果模型识别准则
五、参数估计
六、模型评价与修正
七、因果模型与因果分析
第十一章 结构方程分析原理
一、结构方程基本概念
二、结构方程模型及其协方差结构
三、若干特殊的结构方程模型
四、模型识别
五、参数估计
六、模型评价与修正
七、标准化系数
八、有常数项的结构方程模型
九、多组比较

第五部分 LISREL软件
第十二章 LISREL语法结构
一、LISREL语法中的矩阵
二、LISREL语法通则和特性
三、LISREL语法结构一般法则
四、LISREL程序结构
五、标题指令句
六、输人格式
七、一般分析格式
八、模型指令格式
九、其他模型设定格式
十、输出格式
第十三章 PRELIS语法结构
一、PRELIS程序结构
二、标题指令句
三、输入格式
四、操控数据指令
五、处理缺失数据
六、分析和输出指令
七、多元设算指令

附录I LISREL示范程序
一、本章内容
二、各研究内容简介及相应的LISREL程序
附录II PRELIS示范程序
一、本章内容
二、各研究内容简介及对应的PRELIS程序
附录IlI 通过SPsS读取数据
附录Ⅳ 结构方程讨论小组
参考文献

精彩书摘

　　《结构方程模型及其应用/社会科学研究方法丛书》：
　　不过Velicer和Fava（1987，1989，1998）回顾相关文献，认为上述N：p或N：t越大越好的建议并无多大根据。他们的研究，还有Marsh等人（1998）的研究显示，从模型收敛和拟合指数等角度，显而易见N越大越好，但每个因子的题数也是越多越好，而因子负荷则越高越好。
　　此外，在多质多法模型中（Marsh＆Bailey，1991）（见第三章第二节），当每个因子的题目较多时，模型更易收敛。传统信度概念和功效分析（power analysis）（MacCallum，Browne&Sugawara;，1996）也支持用多一些题目，这些结果与建议不要用太多题目互相矛盾。
　　许多学者为减低模型的题目数量，将数题合并成小组（parcel）。例如，某因子有14个题目，可将它们分为3组或4组（每组题数不一定相同），求每组题目的总分或平均分（若用相关矩阵分析，用总分与用平均分结果相同），将小组得分作为新指标处理。所以原模型可能需处理上百个题目，按题目小组合并后则变为一个只含数十个指标的模型。
　　将某个因子的题目分成小组时，习惯做法是使各小组的构成和内容尽量相似。例如，测量学生自信的因子含3题语文能力自信，3题数学能力自信等内容的题目，许多研究者会将这些题目尽量均匀放在每个小组内（即每个题目小组均有数学和语文能力自信的题目），使每个小组的构成内容十分相似。不过组成题目小组策略的实证研究仍十分有限。
　　……

《结构方程模型及其应用（附光盘）/社会科学研究方法丛书》并非一本关于结构方程模型的图书。 本书的名称《结构方程模型及其应用（附光盘）/社会科学研究方法丛书》虽然包含了“结构方程模型”的字样，但实际上，这本书的内容与结构方程模型（SEM）并无关联。该书隶属于“社会科学研究方法丛书”，从这个系列名称可以推断，本书的主题应围绕社会科学领域的研究方法展开，但具体内容则涉及了更为广泛的社会科学研究范畴，而并非专门针对结构方程模型这一统计分析技术。 本书（《结构方程模型及其应用（附光盘）/社会科学研究方法丛书》）内容详述： 本书旨在为社会科学领域的学生、研究者以及从业人员提供一套系统、全面且实用的研究方法论指导。其核心目标在于帮助读者理解和掌握社会科学研究的基本原则、设计思路、数据收集与分析技术，并强调如何将这些方法有效地应用于实际的社会科学研究项目中。本书强调理论与实践相结合，旨在培养研究者的独立研究能力和批判性思维。 第一部分：社会科学研究的基石 本部分奠定了全书的研究方法论基础。 第一章：社会科学研究的性质与范式 研究的定义与目的： 探讨社会科学研究是什么，以及研究为何重要。我们将从认识论和本体论的角度审视社会现象的复杂性，并阐述研究在增进知识、解决社会问题、指导政策制定等方面扮演的关键角色。 主要研究范式： 详细介绍社会科学中存在的主要研究范式，如实证主义、解释主义（诠释主义）、批判理论等。每一范式都将通过其核心假设、世界观、研究者在研究中的角色以及目标进行阐述，帮助读者理解不同研究取向的哲学根源。 研究问题的提出与界定： 强调提出一个清晰、可行且具有研究价值的研究问题的必要性。本章将指导读者如何从现实社会现象中识别问题，如何进行文献回顾以梳理已有研究，以及如何将宽泛的兴趣转化为具体的、可操作的研究问题。我们将讨论研究问题的标准，如新颖性、可行性、伦理性等。 第二章：研究设计与策略 研究设计的类型： 全面介绍社会科学中常见的几种主要研究设计，包括探索性研究、描述性研究和解释性研究。每种设计将阐明其适用场景、研究目标以及关键特征。 定量研究设计： 深入探讨定量研究设计，如实验设计（包括真实验、准实验和前实验）、准调查研究设计。重点讲解因果关系推断的逻辑和挑战，以及如何通过设计来控制混淆变量和提高内部效度。 定性研究设计： 详细介绍定性研究设计，如案例研究、民族志研究、扎根理论、现象学研究等。阐述定性研究在深入理解复杂社会现象、揭示个体经验和意义建构方面的独特优势。 混合研究设计： 讨论将定量和定性方法结合使用的混合研究设计。解释混合研究如何能够克服单一方法论的局限性，提供更丰富、更全面的研究结果。本章将介绍不同混合研究的策略，如顺序性设计、并行设计等。 第二部分：数据收集的艺术与实践 本部分聚焦于社会科学研究中至关重要的数据收集环节。 第三章：抽样方法 抽样的基本概念： 解释总样本（population）、样本（sample）、抽样框（sampling frame）等基本术语。阐述抽样的重要性，即如何通过对样本的研究来推断总体特征。 概率抽样方法： 详细介绍各类概率抽样技术，如简单随机抽样、系统抽样、分层抽样、整群抽样。每种方法都将包含其原理、操作步骤、优缺点以及适用条件。 非概率抽样方法： 介绍便利抽样、判断抽样、配额抽样、滚雪球抽样等非概率抽样方法。分析这些方法的局限性，并指出其在某些特定研究情境下的使用价值。 样本量的确定： 提供关于如何根据研究目标、置信水平和预期误差范围来计算所需样本量的指导。 第四章：定量数据收集工具 问卷设计原理： 深入讲解问卷设计的原则和步骤。包括问题的类型（封闭式、开放式）、措辞的技巧（避免模糊、引导性、双重否定）、问题的顺序安排、量表的设计（如李克特量表、语义差异量表）等。 量表的开发与信效度： 讨论如何开发可靠和有效的测量量表，包括内容效度、结构效度、效标效度以及信度（如内部一致性信度、重测信度）的评估方法。 访谈（结构化）： 探讨结构化访谈作为一种定量数据收集方式。说明其流程、优势以及需要注意的问题。 观察（结构化）： 介绍结构化观察法，包括如何制定观察目录、进行编码以及保证观察者一致性。 第五章：定性数据收集方法 深度访谈： 详细阐述深度访谈的技巧，包括如何建立访谈关系、提出开放式问题、倾听与追问、进行访谈记录等。区分半结构化访谈和非结构化访谈。 焦点小组讨论： 介绍焦点小组的组织和引导技巧，如何通过小组互动收集集体观点和洞察。 参与式观察与非参与式观察： 详细讲解观察者如何融入或置身于研究情境中进行观察，并记录有价值的现象。 文献资料分析： 探讨如何对已有的文本、图像、音频、视频等资料进行系统分析，以提取研究信息。 第三部分：数据分析与解释 本部分侧重于对收集到的数据进行有效的分析和有意义的解释。 第六章：定量数据分析初步 数据录入与清理： 讲解如何将收集到的数据录入统计软件，以及进行数据清洗，包括识别和处理缺失值、异常值等。 描述性统计： 介绍如何使用描述性统计方法来总结和呈现数据，包括集中趋势（均值、中位数、众数）、离散程度（标准差、方差、极差）以及频数分布。 图表展示： 指导读者如何选择合适的图表（如柱状图、折线图、饼图、散点图）来直观地展示数据特征。 推断性统计基础： 简要介绍推断性统计的基本概念，如假设检验、P值、置信区间。 第七章：常用统计分析方法（一） t检验与方差分析（ANOVA）： 详细讲解如何使用t检验比较两组均数差异，以及如何使用ANOVA比较三组或多组均数差异。包括检验的前提条件、计算过程和结果解释。 相关分析： 介绍皮尔逊相关系数和斯皮尔曼等级相关系数，用于衡量两个变量之间的线性关系强度和方向。 回归分析： 深入讲解简单线性回归和多元线性回归。阐述如何构建回归模型，解释回归系数的含义，以及如何评估模型的拟合优度。 第八章：常用统计分析方法（二） 卡方检验： 介绍如何使用卡方检验分析分类变量之间的关联性。 非参数检验： 介绍一些常用的非参数检验方法，如Mann-Whitney U检验、Wilcoxon符号秩检验、Kruskal-Wallis H检验，用于处理不符合参数检验条件的数据。 多项逻辑回归： 介绍如何分析分类因变量与多个预测变量之间的关系。 第九章：定性数据分析方法 编码与分类： 详细介绍定性数据的编码过程，包括开放性编码、主轴编码和选择性编码。如何对数据进行分类和概念化。 主题分析： 阐述如何识别和分析定性数据中的核心主题和模式。 叙事分析： 介绍如何分析个体或群体的故事，理解其意义和话语结构。 内容分析： 探讨如何对文本、图像等内容进行系统、客观的量化分析。 扎根理论的应用： 解释如何运用扎根理论从数据中生成理论。 第四部分：研究的规范与伦理 本部分强调研究的严谨性、规范性以及重要的伦理考量。 第十章：研究报告的撰写 研究报告的结构： 详细介绍研究报告的标准结构，包括摘要、引言、文献回顾、研究方法、结果、讨论、结论、参考文献和附录。 清晰的表述与逻辑： 强调如何用清晰、准确、逻辑严谨的语言来呈现研究内容。 图表的规范使用： 指导读者如何规范地引用和制作图表。 学术写作规范： 介绍引文和参考文献的格式要求（如APA、MLA等），以及如何避免学术不端行为。 第十一章：社会科学研究的伦理 知情同意原则： 详细阐述研究参与者知情同意的重要性，以及如何获得有效的知情同意。 匿名性与保密性： 强调保护研究参与者隐私的必要性，以及如何确保数据的匿名性和保密性。 避免伤害原则： 探讨如何最小化研究过程对参与者可能造成的身体、心理或社会伤害。 研究的公正性与透明性： 强调研究者应保持客观公正的态度，真实呈现研究结果，并避免利益冲突。 研究伦理审查： 介绍研究伦理审查委员会（IRB）的作用，以及研究者在开展研究前应遵循的程序。 光盘内容： 随书附带的光盘内容并非关于结构方程模型的软件操作演示或数据文件，而是可能包含： 教学演示文稿： 针对书中各章节内容制作的PPT，便于教师授课和学生复习。 案例研究数据集： 一些经过处理的、用于练习数据分析的公开数据集，可以是Excel、SPSS或其他格式，与书中介绍的分析方法相匹配。 软件操作示例： 针对书中介绍的常用统计软件（如SPSS、R）的部分功能操作进行的视频或文字演示，例如描述性统计、t检验、回归分析等基本操作。 研究工具模板： 一些实用的研究工具模板，如问卷调查模板、访谈提纲模板、研究计划书模板等。 延伸阅读材料： 与书中内容相关的补充阅读文献、学术文章或研究报告链接。 自测题与习题答案： 用于巩固学习效果的练习题和参考答案。 本书的独特性与价值： 这本书的价值在于其系统性、全面性和实用性。它不仅覆盖了社会科学研究的整个流程，从问题的提出到研究报告的撰写，还对每一步骤进行了详尽的阐述。通过对不同研究方法、数据收集工具和分析技术的深入介绍，本书能够帮助读者构建扎实的社会科学研究方法论基础。同时，光盘内容的补充，为读者提供了更直观、更便捷的学习辅助，使得学习过程更加生动和高效。本书适合作为社会学、心理学、教育学、政治学、经济学、传播学等多个社会科学学科的教材或参考书，对于提升研究者的科学素养和实践能力具有重要意义。它旨在培养研究者成为独立思考、严谨求证、负责任的社会科学探索者。

评分☆☆☆☆☆

作为一名资深的量化研究者，我通常对市面上那些大而全但深度不足的研究方法书籍持保留态度。然而，这本关于结构方程模型的专著，在细节的打磨上，体现出了作者扎实的学术功底和对研究实践的深刻理解。最让我印象深刻的是它对模型设定中常见陷阱的剖析，尤其是关于潜变量测量误差和共同方法偏差（CMV）的处理策略，简直是教科书级别的精辟。作者没有停留在“如何运行分析”的层面，而是深入探讨了“如何验证模型的稳健性”这一关键环节。书中对于多组结构方程模型（Multi-group SEM）的介绍，讲解得尤为透彻，不同文化背景或群体间的差异检验，通过清晰的约束设置和参数比较，变得不再是令人望而生畏的挑战。这种对方法论严谨性的坚守，使得这本书的理论价值和实践指导意义得到了极大的提升。它更像是一位经验丰富的前辈，在你进行复杂模型构建时，不时地在你耳边提醒那些至关重要的注意事项，让人感到既踏实又可靠。

评分☆☆☆☆☆

这本书的排版和内容组织方式，简直是为那些对复杂统计模型感到头疼的初学者量身定做的“解药”。我之前尝试过几本国外的经典教材，那些密集的公式和英文术语常常让我望而却步，总觉得研究方法离我很遥远。但这本书的叙述风格截然不同，它仿佛是用讲故事的方式，将原本生硬的统计学概念融入到具体的社会现象描述中。例如，它在引入路径分析时，没有立刻抛出复杂的矩阵代数，而是先用一个关于“教育水平影响收入”的简单模型图示，让你直观地感受到变量之间的因果推断是如何一步步建立起来的。更值得称赞的是，作者对软件操作层面的描述也极为细致，虽然书中没有附带详细的屏幕截图教程，但文字描述的逻辑流程，足以帮助读者在实际操作软件时，能够快速定位并理解每一步的统计意义。对于我这种偏文科背景，需要跨越统计鸿沟的研究生来说，这本书极大地降低了学习门槛，让我对未来的实证研究充满了信心。

评分☆☆☆☆☆

这本书的阅读体验，给我一种强烈的“跨学科融合”的震撼感。我主要的研究方向是城市规划与环境管理，传统上我们更侧重于地理空间分析，对社会心理变量的量化分析接触较少。然而，这本书清晰地展示了如何将复杂的居民满意度、社区认同感等“软指标”纳入到影响城市政策采纳度的结构模型中。作者在多个案例中，巧妙地将地理空间数据与行为数据进行整合建模，这对于我们这种需要处理多源异构数据的研究者来说，提供了极具启发性的操作范式。它打破了学科之间的壁垒，用一种统一的、严谨的数学语言来描绘复杂世界的相互作用。这种宏大的视野和具体操作层面的结合，使得这本书不仅是一本方法论的工具书，更是一本关于如何构建多维度社会科学理论模型的思想性著作，让我思考如何将空间结构与人的主观能动性更有效地结合起来进行解释。

评分☆☆☆☆☆

这套书真是让我眼前一亮，尤其是它在处理复杂社会现象方面的视角，简直是为我打开了一扇全新的大门。我一直对行为经济学领域的一些前沿理论感到困惑，总觉得传统的线性模型无法完全捕捉其中的非理性因素。这本书虽然名字听起来非常“硬核”，但它的叙述方式却出人意料地平易近人。作者并没有直接陷入晦涩的数学推导，而是花了大量的篇幅去构建那些我们日常生活中常见，但难以量化的心理建构。比如说，书中对“感知到的公平性”如何影响消费者忠诚度的讨论，那种层层递进的逻辑链条，清晰地展示了如何将抽象的社会学概念转化为可以操作的统计模型。我特别欣赏作者在案例选择上的独到眼光，很多都是近年来心理学和管理学领域的热点议题，这让阅读过程充满了知识的“新鲜感”。它不仅仅是一本方法论的教科书，更像是一份充满洞察力的研究指南，引导读者去思考“为什么”和“如何做”，而不是简单地罗列公式。读完前几章，我感觉自己对社会科学的认识层次都提升了一个维度，迫不及待想将这些工具应用到我自己的研究课题中了。

评分☆☆☆☆☆

我必须承认，我对这种专注于单一高级统计方法的书籍，一开始的期待值并不高，总觉得深度有限。但这本书在拓展和深化“应用”层面的努力，着实超出了我的预期。它不仅仅满足于讲解基础的验证性因子分析（CFA）和结构模型，更大量引入了许多前沿的拓展技术，比如潜在增长曲线模型（LGCM）在纵向数据分析中的应用，以及贝叶斯SEM的简介和优势探讨。这种对研究工具箱的“不满足感”和不断求新的态度，是这本书最宝贵的财富之一。尤其是在讨论模型的解释性时，作者强调了“效应量”和“间接效应”的报告规范，这对于撰写高质量的学术论文至关重要，因为它指导我们将统计显著性转化为实际意义上的影响力。这本书不是让你学会如何使用某个按钮，而是让你理解这个按钮背后的科学逻辑和学术责任，这对于提升研究的整体质量有着不可替代的作用。