大家好，又见面了，我是你们的朋友全栈君。
基础准备
草堂君在前面几篇文章中，介绍了AMOS软件的操作、分析原理、结构方程模型和各种拟合指标含义等内容，大家可以点击下面的文章链接回顾，也可以从公众号导航栏获取AMOS分析技术（导航页）回顾：
- AMOS分析技术：软件安装及菜单功能介绍；这次是视频教程
- AMOS分析技术：结构方程模型的拟合度评价指标
- AMOS分析技术：模型整体拟合度指标
- AMOS分析原理：结构方程模型无法收敛的原因
前面介绍AMOS能够用于结构方程模型的拟合分析，如下图所示，结构方程模型包括测量模型和结构模型。测量模型对应的分析方法是因子分析；结构模型对应的分析方法是路径分析（多个线性回归方程的组合分析）。在AMOS路径图中，测量变量（问卷收集数据）用矩形表示，例如PL1/PL2/PL3等，而潜在变量（因子分析结果）用圆形或椭圆形表示。
由上可知，AMOS也可以独立进行探索性因子分析和路径分析。如果分析者直接将测量变量（矩形表示）用箭头连接起来，就能够进行路径分析了（路径分析其实就是多个相互关联线性回归方程的组合），如下图所示，这是医院财务部门的分析师根据自己的经验绘制的路径图，包括患者年龄、病情程度（打分）、住院天数以及住院费用四个变量。
这个案例草堂君介绍过，可以使用SPSS进行多次线性回归分析完成。可以将上面的路径图拆分成两个线性回归方程，然后进行两次线性回归分析。
大家可以点击文章链接回顾：数据分析方法：路径分析入门；数据分析需要剥丝抽茧的耐心！。下面草堂君将介绍如何使用AMOS软件对上面的案例进行分析，并比较SPSS和AMOS软件的分析结果。关于路径分析的概念和分析原理，大家也可以通过上面的文章链接回顾，草堂君在本篇文章中就不做过多的描述了。
案例分析
现有一份从医院获得的包括1700个病人住院信息的数据，包括以下信息变量：性别、年龄、婚姻状况(两分类)、病情程度(三级评分，分值越高代表情况越好)、住院天数和住院费用。这些数据都已经被整理成SPSS软件格式，如下图所示：
(数据已经上传到qq群，qq群号：134373751)
分析者根据自己的工作经验，绘制了由四个变量组成的路径图，并将在AMOS软件中绘制，绘制的过程略过，大家可以根据文章：AMOS分析技术：软件安装及菜单功能介绍；这次是视频教程了解AMOS软件菜单功能，自己模仿绘制。
(数据已经上传到qq群，qq群号：134373751)
需要注意，AMOS路径图表示的是线性回归模型，因此所有的因变量（箭头指向的变量）都需要加上残差项（残差项是预测变量而非测量变量，因此用圆形表示）。本案例的因变量有两个：住院天数和住院费用，所以要加上残差项。
分析步骤
1、在AMOS中画好路径图后。如下图所示，点击【数据选择】按钮，在跳出的对话框中，点击【File Name】按钮，将对应的SPSS文件选中，点击【OK】按钮确定。如果数据文件导入成功，在上方的文件信息框中，将会显示导入数据文件的名称和记录数目。
2、将对应测量变量拖动到画好的路径图几何形状中。点击【变量列表】按钮，跳出的对话框中，列出导入SPSS数据文件中包括的所有变量。将变量列表中需要的变量拖动到路径图对应的矩形内。本案例的路径图只涉及四个变量，将列表中年龄、住院天数、病情程度和住院费用变量拖动到相应矩形内。
因为做路径分析，关注的是自变量对因变量是否有解释能力，而对整个模型的拟合效果不太关注，所以在自变量年龄和病情程度之间可以相连也可以不连，对回归系数没有影响。草堂君没有连接。
3、选择输出结果。点击【拟合性质】按钮，在右侧对话框中选择output页，选中最小化过程、标准化回归系数、总体R方、样本协方差矩阵、拟合模型协方差矩阵、残差矩阵、修正指标、间接直接和总效应、协方差估计值、相关系数估计值和多元正态性检验。
4、路径图拟合。点击【模型拟合】按钮，跳出警告对话框，提示有两个自变量年龄和病情程度没有相连。草堂君前面提过，路径分析更加关注自变量对因变量的影响是否有意义，而非整个路径模型的拟合质量，因此可以相连，也可以不相连，对结果没有影响。这里直接点击【继续分析】按钮，输出结果。
结果解释
1、模型结果显示。如果Default model前面的XX变成OK，说明模型系数拟合成功。点击上方【显示结果】按钮，右侧的路径图将会出现回归系数和自变量方差。左侧还可以选择输出非标准化结果和标准化结果。
2、回归系数比较。下面是非标准化和标准化的模型参数拟合结果。在非标准化结果中，自变量和残差边上的数字代表变量方差，例如年龄边上的253.77；而标准化结果中，因变量边上的数字代表回归方程R方，例如住院天数边上的0.05。
对比下方SPSS的两次线性回归结果，可以发现两次R方值0.046和0.16与上方标准化结果是一致的。其它标准化回归系数和非标准化回归系数结果也是一致的。
3、路径分析完整结果。点击【文本阅读】按钮，跳出Amos Output对话框，里面包含前面选择的所有模型输出结果。如下图所示，显示了非标准化回归系数的T检验结果，p值小于0.001，用***表示，代表自变量对因变量有显著性影响。
4、本案例进行的是路径分析，因此对整体模型的拟合效果可以不做考虑。只需考虑上方的参数估计结果即可。在参数估计结果中，包括回归系数，方差和协方差、残差等结果，草堂君在这里就不做过多介绍了，大家可以结合草堂君前面介绍的线性回归内容理解这些结果。线性回归内容从首页下方获取统计基础导航页和SPSS导航页回顾。
5、间接、直接&总效应，这是草堂君要重点介绍的内容。如下图所示，年龄对住院费用的影响，根据分析者绘制的路径图来说，分成两条影响路径，一条是年龄直接作用于住院费用，另一条是年龄通过影响住院天数，然后再影响到住院费用。病情程度对住院费用的影响同样如此。在这个过程中，住院天数变量的角色是中介变量。
下面的表格是Amos输出的非标准化直接效应结果。直接效应结果其实就是上面的回归系数结果。如病情程度对住院天数的直接效应为0.701，发现与前面的回归系数相同。
Amos能够输出间接效应和总效应，这是SPSS软件无法直接输出的结果。这也是Amos相对于SPSS来说，在路径分析上的优势。以年龄对住院费用为例说明，年龄对住院费用的间接效应为6.653，上表显示年龄对住院费用的直接效应为20.510，两者相加，刚好等于总效应表格中的27.163。
间接效应6.653等于年龄到住院天数的0.057乘以住院天数到住院费用的117.055，也就是年龄通过中介变量住院天数传递给住院费用的影响。
案例数据已经上传到QQ群中，需要的朋友可以前往下载。AMOS软件安装包也已经同步分享到QQ群中。
温馨提示：
- 数据分析课程私人定制，一对一辅导，添加微信(possitive2)咨询！
- 生活统计学QQ群：134373751，用于分享文章提到的各种案例资料、软件、数据文件等。支持各种资料的直接下载和百度云盘下载。
- 生活统计学微信交流群，用于各自行业的数据研究项目及其成果交流分享；由于人数大于100人，请添加微信possitive2，拉您入群。
- 数据分析咨询，请点击首页下方“互动咨询”板块，获取咨询流程！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/172659.html原文链接：https://javaforall.cn
