AMOS输出解读
惠顿研究
惠顿数据文件在各种结构方程模型中被当作经典案例，包括AMOS和LISREL。本文以惠顿的社会疏离感追踪研究为例详细解释AMOS的输出结果。寿光林海生态博览园AMOS同样能处理与时间有关的自相关回归。
惠顿研究涉及三个潜变量，每个潜变量由两个观测变量确定。67疏离感由67无力感（在1967年无力感量表上的得分）和67无价值感（在1967年无价值感量表上的得分）确定。71疏离感的处理方式相同，使用1971年对应的两个量表的得分。第三个潜变量，SES（社会经济地位）是由教育（上学年数）和SEI(邓肯的社会经济指数)确定。
解读步骤
1. 导入数据。
AMOS在文件ex06-a.amw中提供惠顿数据文件。使用File/Open，选择这个文件。在图形模
买怎么组词
式中，文件显示如下。虽然这里是预定义模式，图形模式允许你给变量添加椭圆，方形，箭头等元素建立新模型
2. 模型识别。
潜变量的方差和与它关联的回归系数取决于变量的测量单位，但刚开始谁知道呢。比如说要估计误差的回归系数同时也估计误差的方差，就好像说“我买了10块钱的黄瓜，然后你就推测有几根黄瓜，每根黄瓜多少钱”，这是不可能实现的，因为没有足够的信息。如何告诉你“我买了10块钱的黄瓜，有花能组什么词5根”，你便可以推出每根黄瓜2块钱。对潜变量，必须给它们指定一个数值，要么是与潜变量有关的回归系数，要么是它的方差。对误差项的处理也是一样。一旦做完这些处理，其它系数在模型中就可以被估计。在这里我们把与误差项关联的路径设为1，再从潜变量指向观测变量的路径中选一条把它设为1。这样就给每个潜变量设置了测量尺度，如果没有这个测量尺度，模型是不确定的。有了这些约束，模型就可以识别了。
注释：设置的数值可以是1，也可以是其它数，这些数对回归系数没有影响，但对误差有影响，在标准化的情况下，误差项的路径系数平方等于它的测量方差。
3. 解释模型。
模型设置完毕后，在图形模式中点击工具栏中计算估计按钮运行分析。点击浏览文本按钮。输出如下。蓝色字体用于注解，不是AMOS输出的一部分。
Title
Example6,ModelA:ExploratoryanalysisStabilityofalienation,mediatedbys.Correlations,standarddeviationsandmeansfromWheatonetal.(1977).
以上是标题，全是英文，自己翻译去吧，没有什么价值，一堆垃圾。
NotesforGroup(Groupnumber1)
Themodelisrecursive.
Samplesize=932
各组注释：Groupnumber1是模型内定的模型名称，因为你还没有给模型取名。它告诉你模型为递归模型，样本量为932。
VariableSummary(Groupnumber1)
Yourmodelcontainsthefollowingvariables(Groupnumber1)
Obrved,endogenousvariables
anomia67
powles67
anomia71
powles71
educatio
SEI
Unobrved,endogenousvariables
71_alienation
67_alienation
Unobrved,exogenousvariables
eps1
eps2
eps3幼小衔接识字
eps4
s
delta1
zeta1
zeta2
delta2
变量汇总：对模型中的变量作一些概括，内生观测变量：心情说说感悟生活67无力感，67无价值感，71无力感，71无价值感，教育和SEI。内生非观测变量：67疏离感，71疏离感。外生非观测变量：各种误差和社会经济地位。
注释：观测变量与非观测变量的区别：一个用方形表示，一个用椭圆表示。内生和外生的区别：箭头指向自己的就是内生，发送箭头的就是外生。注意区分测量模式和结构模式。
Variablecounts(Groupnumber1)
Numberofvariablesinyourmodel: | 17 |
Numberofobrvedvariables: | 6 |
Numberofunobrvedvariables: | 11 |
Numberofexogenousvariables: | 9 |
Numberofendogenousvariables: | 8 |
| |
变量计数：数数模型中的变量，变量总数为17，其中观测变量有6个，非观测变量有11个；外生变量有9个，内生变量有8个。
Parametersummary(Groupnumber1)
| Weights | Covariances | Variances | Means | Intercepts | Total |
Fixed | 11 | 0 | 0 | 0 | 0 | 11 |
Labeled | 0 | 0 | 0 | 0 | 0 | 0 |
两不相欠Unlabeled | 6 | 0 | 9 | 0 | 0 | 15 |
Total 浙贝母的功效与作用 | 17 | 0 | 9 | 0 | 0 | 26 |
| | | | | | |
模型的参数概括：固定系数11个，就是模型识别中固定的11个1。还有6个自由的系数，9个方差对应着前面外生非观测变量。
Computationofdegreesoffreedom(Defaultmodel)
Numberofdistinctsamplemoments: | 21 |
Numberofdistinctparameterstobeestimated: | 15 |
Degreesoffreedom(21-15): | 6 |
| |
（内定模型）的自由度计算：21"样本矩"是6个观测变量的6个样本方差加上15个协方差构
成（也就是6中取2的组合数）。15个参数是模型的6个回归系数和9个被估计的方差。样本矩与估计参数的差为6个自由度。
（内定模型）迭代过程：极大似然估计是一个迭代过程。这里给出迭代历史。这个输出是可选的，你不必直接使用它。基本上没有什么用。
Result(Defaultmodel)
Minimumwasachieved
Chi-square=71.544
Degreesoffreedom=6
Probabilitylevel=.000
卡方拟合指数：这是所有软件都使用的最普通的拟和检验。天津房屋AMOS和LISREL把它称为卡方统计量，其它软件称为卡方拟和优度和卡方拟和劣度。卡方拟合指数检验选定的模型协方差矩阵与观察数据协方差矩阵相匹配的假设。原假设是模型协方差阵等于样本协方差阵。
如果模型拟合的好，卡方值应该不显着。在这种情况下，数据拟和不好的模型被拒绝。卡方检验的问题是样本越大，越可能拒绝模型，越可能犯第一类错误。卡方拟和指数对违反多变量正态假设也是非常敏感。
