amos路径分析详细步骤
粉丝10.1万获赞2.7万
相关视频
12:55查看AI文稿AI文稿各位同学大家好，很高兴今天我们能够相遇在二幺幺统计网络课堂，我们来接着学习俄罗斯驻门教程路径分析的后续部分， 在前面的介绍过程中，我们介绍了路径分析是什么，介绍了路径分析的一个求解过程。我们讲上节课呢，我们讲解了 p a 杠 l、 o， v 的一个模型，路径分析的一个求解模型大家还记得吗？ p a 杠 o v 就是我们只用观测变量来作为我们的变量 来求解一个我们的路径分析模型图，对于路径分析如何求解，如何对结果进行解释，我们给出的呃上节课给大家进行的讲解，今天呢，我们来看一下我们第三节的内容，路径分析的求解下，也就是今天我们会来讲解一下 p a 杠 lv 路径分析模型图的一个求解。 首先呢，呃，模型图求解的一个步骤呢？还是跟 pa 杠 ov 的求解是类似的？首先呢，我们先需要根据自己的理论基础绘制相应的模型图， 绘制完成模型图之后呢，我们需要选择合适的一个数据，根据我们自己所研究的一个需要，我们要对数据进行一些相应的处理。然后最终呢，我们对模型进行求解，求解得到的结果呢，我们要进行相应的解释。 我们来看一下我们给的这个今天老师来做的这个 p a 杠 lv 呢，是 p a 杠 lv， 是这样的，就我们只选取了 a， d， e 作为只作为大家参考，老师里边是有 a， b， c， d， e 五个变量的对不对？ 然后呢，在这里呢，老师只用到 a， d， e 这三个，同时呢 a 呢他，他有四个浅面量测量面料，然后 d 呢？他有 三个测量面料，一呢还有五个测量面料，那么这么这样的一个模型图呢，就构成了我们今天所要分析的一个呃 pa 杠 lv 的一个路径分析的一个模型图， 我们可以看到 a 对 d 有影响， d 对 e 有影响， a 对 e 直接也有影响， a 通过 d 也会间接的来影响 e， 这是我们的一个路径图的一个这样一个呈现出来，那么我们利用老师给的数据，如果大家进行也进行相应的求解的话，我们就会得到呃下图琐事的一个结果， 那么今那么这样的话呢，我们就来通过实际的软件来给大家进行一下演示。 我们首先呢打开，我们首先呢绘制相应的呃前面量有三个前面量对不对？那么绘制完一个之后呢，我们需要对 对他进行一个移动，对他进行一个复制，我们先复制个 d， 然后再复制个 e， 那么下一步呢，就让 a 和 e 在相同的坐标轴上，然后对齐好了，他们两个现在对齐了，大小也都一致，那么现在呢我们就加上测量面量， a 呢是有四个，呃 d 呢是有三个，然后 e 呢是有五个， 那么这样的话呢，我们的路径通行模式就绘制完了，我们绘制完成之后呢，我们就来对他进行旋转，使得更加好看一点，然后他那个 d 呢就不用旋转， e 呢我们就需要进行一个这样的一个旋转 好了，这样完成之后呢我们就发现呃这个 a 呢可能有点超，这样的话我们就大家还记得我们当时给大家怎么讲的吗？就说我们 这时候如果选择所有的话，是我们来进行移动，试一下就是整个模型图中都会进行移动，对不对？ 那么现在就遇到一个问题，我们如果说画出来模型图是这样的话，我们现在取消选择所有，如果我们绘制出来模型图是这样的话，但是他呢已经超出来我们打印的边界了，这时候我们需要怎么做呢？我们逐个来，我们逐个来单击， 我们按住 ctrl 键，啊不对，我们先要选择这个，然后按住 ctrl 键，然后逐个来单击 这些，呃边量框和这个路径路径系数路径图，那么这样的话呢，我们就把它 现在整个这个属于 a 的测量图都已经变成相应的颜色，改变颜色了，对吧？这时候呢我们来 来进行相应的移动，大家就能看到这个就跟选择所有呢是一模一样的，对不对？所以说这个就是给大家今天临时加的一点，就说如何在在已经绘制好魔性图的基础之上，如何再来选择所有让他进行相等的动。那么我们现在呢再来绘制一下箭头， 我们箭头呢是从 a 指向到 d， d 指向到 e， 同时呢还有从 a 直接指向 e 的一个箭头。 那么录进模型图绘制完之后呢，我们下一步就选择数据，我们打开数据选择的选项，然后我们选择第四章， 然后选择第三节路径分析的一个数据，老师提前把数据都已经给大家处理好了，大家在进行相应的学习的时候，可以直接选用老师处理好的这个数据就可以了，就可以解决问题了，点击选择 数据之后，我们点击确定，那么这样的话数据就已经进入到模型图里边了，对吧？那么现在要做的就是我们看一下边量列表都有什么，那我们就把 a 相应的给他拖拽过来， a 一 a 二 a 三 a 四拖拽到相应的边量框中，对不对？是不是这样做的？ 那么这个拖拽完成之后呢？我们还有说什么？还有 d 的对不对？ d 的还有三个，所以呢我们把第一呃第二还有第三都给他拖拽过来，那么同时还有 e 的一一一二一三的，对不对？我们把一一 一二，然后一三一四一五都相应的给他拖拽到他应该在的一个合理的一个位置上，这样我们最终 你和出来结果才是我们想要需要的一个结果，那么我们还需要做的就是要对前边量进行一个命名，对不对？我们把它命名为 a， 我们把它命名为 d， 我们把它命名为 e， ok， 那么命名完这些之后呢，还记得需要加一个什么吗？我们需要给 d 和 e 加上残叉，对不对？为什么呢？因为他俩都是一个内省面料， 然后所以呢，就是在进行孤寂的过程中呢，一定要给他记得加上残渣相，加上残渣相之后呢， a 这个 d 这个他的他的这个呃残渣相呢？不是位置不是很好看，所以说呢，我们对他进行一定的拖拽，让他变得更加的美观一点，那么这样的话呢，我们就得到了一个 比较好的一个模型图了，现在对吧？呃，完成之后呢，我们现在就我们还还还差 下一步，就说我们现在还差的是什么呢？大家都能发现我们残渣相还都没有命名，我们这里已经有一一一二一三一四一五了，对不对？那么我们就需要从一六来开始进行一个命名， 因为如果还是按照从一一五一一开始的话，那么前面的必然会冲突，冲突之后呢就会导致模型图没发。你和这个大家前面都给大家进行过讲解， 我们来把这个都命名完成之后呢，来给大家进行一个求解。在这个命名的过程中呢，我来给大家讲一下，就是说我们在绘制模型图的时候还需要注意哪些问题？ 呃，大家在绘制模型图的时候可能会发现就说总是要需要后期调整的比较多，那么这种情况我们应该怎么做呢？就是说我们在呃绘制之前呢，我们先通过手绘一个模型图大 大概的区位位置，大概需要占用多大的地方，我们先大致的给他定一个大小，定一个大小之后呢我们就再绘制，再在这个 mos 里边绘制模型图的时候，我们就有一个心里有一个大致的一个位置，他应该在一个什么样的位置，他应该占用多少的距离，占用多少的宽度， 那么这样的话呢，我们在实际的绘制过程中呢，我们就一定能够保证我们绘制的模型图尽量的美观，如果就算我们第一次绘制的模型图不太符合我们预期的话，那么我们在后期进行调整的过程中，调整也会没有那么大，只是进行些微调就能完全符合我们的需要。 所以说呢，我们在绘制之前一定要先打一个草稿，让大家心里都有一个数，然后这样的话呢才能保证我们最终的你和结果最终画质的绘制的模型图呢符合我们的研究的需要， 同时呢又非常的美观。那么我们现在呢已经将这个呃残渣相当命名完了，我们看一下哈，从六七八九，然后十十一，十二， 十三漏了一个十二，不过没关系，这个呃十二他没有漏上的话，他也不会影响我们的计算，只不过就是说大家行为习惯的话，大家还是希望大家能够顺序的下来，这样的话在后期你才能发现。 呃你这个缺的边量是哪一个？那么老师这个图案因为很很简单，就这么几个测量边量就这么几个残大象，所以说呢你会很快发现少了个十二，那么如果说你的图比较大的话，你可能就会找起来比较费劲，所以说就是还是希望大家呢能够顺序的来绘制这个模型图， 那么绘制完这个之后呢，我们十四，十五，十六，十七，十八，十九二十，最主要的就保证一点没有重复的就行了， 那么这样的话呢，我们已经完成了，对吧？完成模型图之后呢，我们需要对模型图进行个保存，我们呢将其保存为，呃，我们这个是 拍四，拍四二吧，拍四吧随便，然后呢这就是我们的陆地模型图，模型图绘制完成之后，我们数据也进行链接，那么我们下一步呢，看一下我们需要得到的一个分析结果的一个属性， 我们可以在奥特铺子里边选择相应的结果，那么我们可以选择上非标标准化的结果，那么我们就可以单击运行，运行之后呢我们就可以得到运行的结果，我们可以看到通过十二步迭代取得的最小值，最小值已经达到了，那么得到的咖方值呢是六十九点零，自由度呢是五十一， 我们为了我们可以在这里我们现在呈现的是非标准化的一个结果，我们可以进行切换，呈现标准化的一个结果， 就可以看出呢，在这个模型图中呢，就是说呃， a 对 d 的影响路径是零点八，系数零点八，然后 d 对 e 呢是零点零，负的负的零点零四， 然后 a 对 e 的直接影响路径是零点八四，那么间接影响路径呢就是零点八零乘以负的零点零四，这就是一个直接效应，一个间接效应。那么讲到这一步呢，我们的 p a 杠 lv 模型呃路径分析模型图呢已经基本讲完了， 如何进行求解，如何进行相应的绘制？都已经讲完了，那么我们再来简单的来看一下，就是说他的一个结果， 这个结果呢就跟 pa 杠 lv 的模型图的结果比较类似，同时呢还是首先先会给出一些汇总的信息，还有一些群组的信息，变量的汇总，然后参数的估计的汇总， 然后同时呢还有一些模型上的一些自由度，塌方自由度的一些值，还有就是最最重要的就我们要看这个估计的结果，我们看出来呢就是 d 对 e 的影响路径根本就不显著， 这这时候呢大家就需要进行些调整，但是呢老师给的这个数据呢是老师的部分数据，所以说呢，在这个模型图里边可能不显著，但是呢大家在做的时候，拿到自己的数据之后，拿到自己真实的数据之后，一定要记得看这里的 p 值是否符合我们的需要，是否符合我们的标准， 一般小于零点零五就行，他标星星星的一三颗星的意思，就说他小于零点零零一了，就没必要把每个数字都给你详细的标示出来，所以他就直接都改成三颗星了，你看这个没有小于零点零零一，但是他也足够小了，他就给你标识出来了。像这种 大于零点零五的，我们就必须得进行一些相应的注意，看看到底究竟是什么原因导致的。我们这个录音记录不显著，是理论上的原因呢？还是我们模型操作上的一个问题，找到相应的问题之后，我们找到我们给出相应的解决对策。 这个就是我们最小化的历史模型估计的一些参数的一信息，他的 cfm 达到零点九五八，然后 tli 呢达到了零点九七五，都是非常高的一个标准，那么 imsea 呢，也有零点零三九，但是呢就是因为那个东西系统不显著， 那么同学们拿自己的数据之后呢，可以进行相应的分析。以上呢，就是今天我们所讲解的 pa 杠 lv 路径分析模型图的一个求解，呃，希望大家在学习完这个课程之后呢，结合上一张 pa 杠 ov 的模型图，路径分析的求解，能够对路径分 分析有一个非常详细的一个了解，能够熟练的运用 omose 来解决路径分析中的一些问题，能够对自己的科研活动呢产生相应的帮助。那么以上就是呢本节所讲解的内容， 下节课呢，我们会对如何详细的来对路径分析的结果进行尝试，给大家做一个详细细致的一个集中的一个讲解。这次课程就到这里，谢谢大家，我们下节课见。
13:08
07:37查看AI文稿AI文稿各位同学大家好，很高兴今天我们能够相遇在二幺幺统计网络课堂，我们来接着学习俄罗斯入门教程的后续章节，我是本课程的主讲老师阿 sir。 在前面的课程中，我们介绍了验证性因子分析，上一章呢，就验证性因子分析，我们介绍了验证性因子分析是什么，验证性因子分析与探索性因子分析的一同，如何利用 omes 来求解验证性因子分析，同时对于结果的如何来进行解释。 从这张开始呢，我们将主要来学习路径分析和探探索性和验证性的分析相似，我们路径分析的讲解思路依然是按照上次的上次验证性的分析所讲解的那样基本相同。首先呢，我们会介绍路径分析是什么，介绍一些 路定分析的基本知识，同时呢，我们会介绍如何利用 omes 来求解路定分析，同时呢，对于路定分析的结果如何来进行一个合理的解释，我们也会进行详细的讲解。 以上就是呢，路径分析整个章节的行文的一个讲解的一个思路大的框架。今天呢，我们先来看一下第一节路径分析的基本思路， 路电分期是什么呢？大家首先来看一下我们绘制的一般绘制的模型图，我们大家就能发现，呃，我们假设这个模型图呢有三个浅变量，每个浅边量呢，分别对应的有三个测量变量， 然后我们就将每个浅边量与相应测量变量所组成的这一个模型叫做测量模型，就说用这三个浅边量来用这三个测量变量来测量这个浅边量的一个测量模型，这里边呢 测量模型就有三个，对不对？然后我们将中心这个三个浅边量的这个模型呢，就叫做一个结构模型，那 他们两个总共合起来这个大的模型呢，我们就叫做结构方程模型。我们今天呢先来看的是路径分析的内容，结构方程模型的内容呢，我们会在下节课的介绍过程中对大家进行讲，下一章中重点得来讲解这个结构方程模型， 因为俄梦斯呢主要就是用来分析结构方程模型的验证。性子分析和路径分析只不过是结构方程模型分析中非常小的一个辅助的一个分析分析的一个过程。然后我们今天呢就就先来简单的看一下路径分析是一个什么样的过程， 就说如果说每一个的每一个的前面量，每一个的前面量，他只有一个测量变量的话，那么这一 测量面料就是不是就能够百分之百的来解释这个浅面量呢？你答案是肯定的对不对？就说如果每一个都是只有一个浅面，都有只有一个测量面料的话，那么这个浅面量是不是相应的就可以直接用这个测量面料来进行替代呢？ 如果可以的话呢，那我们就产生了这个，呃，我们我们今天所介绍的第一个模型，路径分析的模型叫做 pa 杠 ov 路径分析，这个什么意思呢？就是 pa 就是路径分析的意思，拍死 analyze， 然后杠 ov 呢就说它对应的类型， ov 呢就说 observed variable， 就说根据测量变量所构建的一个路径分析的一个模型，就叫做 p a 杠 ov 路径分析模型，大家以后见到这个名词的话，不要觉得陌生，不要觉得奇怪就行。呃，一会呢我们还会介绍一个 ca 杠 lv， lv 呢，就是 leiternflurry 吧，就浅变量的模型路径分析图，那么在介绍这个路径路径分析的时候呢，我们就会发现，我们将路径分析呢现有的理论界呢，主要将路径分析分为这两种， 第一个叫做地规模型，就说残渣颠未甲定有相关关系，也就是我们下图的我们这个左边这个图所展示的，这样就说这两个这两个残渣之间呢没有相互的影响关系。 然后还有一个呢叫做非地规模型图，非地规模型图呢，也就是意思就是说他们假定了残叉间有相关关系，那 那么他俩的区别主要在哪里呢？区别主要就在这里，大家可以看到这是两个有有向右的也有向左的箭头，他们是两个双向的一个过程，就说有相关的关系，但是呢 大家一定要注意这个相关关系跟我们这里所讲解的他们两个相关关系是不一样的，因为这里是两个单向箭头，这里是一个双向箭头，他们所代表的是完全相反的两个概念，完全不同的两个概念，大家在后续的分析过程中一定要谨慎的小心，这一点 一定要来进行合理的一个区分。然后这个就是我们今天所讲解的第一个 p a 杠 ov 路径分析模型图的一个大致的一个情况。然后求解过程呢，我们会在下节课的内容中进行一个非常细致的一个讲解 啊，大家首先今天呢就是先来学一下路径分析究竟是什么，是一个什么样的一个形式，再下来呢？我们看一个 pa 杠 lv 模型图， lv 的话就是刚才给大家已经说了 latten to vrog 不是大家买的 lv 的包包哈， lv 白天的 frey。 不就说浅变量的一个路径分析模型图，大家想这样一个情况，就是说每一个浅面量都是有两个测量变量，那么我们的模型图就应该是这样一个样子，对不对？ 是每个前面量都有两个测量面料，每个前面量都有两个测量面量，然后他们之间的影响关系大家也都绘制好之后，那就是这样一个形状的， 大家还要考虑一个情况，就是说大家都是多于多于一个的，对吧？这个就是说这现在图形中所绘制出来的四个前面量都是有多于一个的测量面量的，那么如果说存在只有一个测量面量的呃前面量的话，那么应该如何处理呢？就是首先我们来看一下下面这个东西， 就说如果是这样一个图形的话，右上三角的这这三个前面量都相应的有两个测量面量，但是 左下角的这个测量浅面量呢？只有一个测量面量，那么我们是不是可以用浅面量，直接用这个测量面量来替代这个浅面量做做在模型中呢？他应该呈现出来一个是这样一个理论模型图，但是为了更加直观，更加符合我们的分析的一个思路呢，我们对他进行一个处理，我们就会看到我们进行这样一个处理， 大家看到变化在哪里了吗？刚才这里直接是一个浅面量，刚才这里直接是一个测量面量，然后我们现在呢将浅面量画在这里，然后这个浅面量呢完全由这个测量面量来进行估计，这个就跟我们所看到的这个是一模一样的，对吧？只不过他的测量题目有一个也有两个，有多个， 他的测量题目呢只有一个，但本质上呢已经是完全相同的相等的一个概念了。那么这个呢就是 p a 杠 lv 的路径分析的两种情况的一个模型图 的一个介绍。那么介绍完这些之后呢，我们关于路径分析的一些知识呢，基本就介绍完成了。我们路径分析呢，主要就是讲解的路径分析是一个什么样的过程，讲解的路径分析的两种分类， p a 杠 lv 和 p a 杠 o v， 同时还讲解的地规模型和非地规模型。 希望大家通过本节课的学习呢，能够对路径分析的不同分类路径分析的概念有一个相详细的一个了解，大家有不懂的可以自己查阅一些相关的资料，加深一些印象。 在下节课下，后面的后续的课程中呢，我们会对 pa 杠 lv 和 pa 杠 ov 的模型图都会对大家进行一个求解，实际的来对大家进行一个演练，让大家对这两种模型图的求解都有一个更加直观的一个印象，最终呢还会讲解这个求解出来结果如何，进行一个详细的解释。 然后以上就是呢本节课程所介绍的路径分析的基本知识的内容，我们下节课见，谢谢大家。
26:47237王雷老师数据分析
07:54查看AI文稿AI文稿今天呢，我们先来看一下第三章，第三章呢，我们将主要介绍验证性因子分析。验证性因子分析呢是在处理结构方程模型软件中一个必不可少的一个程序，因此呢，我们今天先来学习一下第三章。第一节验证性因子分析的介绍。 验证性因子分析是什么呢？验证性因子分析与普通与探索性因子分析的一同，我们再来强调一下验证性因子分析的主要目的是什么。 验证性因子分析啊，就是说他是主要就是用来检验变量键的一个区分度测量，验证测量题目与因子的一个存储关系。 就说我们在利用我们自己开发的量表来构建了一个我们的我们认为的这个，用来用这个浅变量，用这些测量变量来测量我， 我们无法测量这个浅变量，但是这个理论基础是否能够得到一个支持呢？因此呢，我们就需要应用数据来进行一个检验，使得呢，我们检验得到的各项指标能够直观的反映出我们所构建的模型，我们的量表是符合我们理论研究的需要的， 这就是验证性因子分析的一个主要的一个一同，主要的一个点。然后验证因子分析与探索性因子分析的一同呢，就是说我们在 呃相信大家在多元统计分析里边，大家都接触过因子分析，当时的因子分析呢，就叫做探索性因子分析，就是说我们有了一些数据，我们需要从数据中提取出来几个因子，简单的来说就是降维，比如说我们刚开始有十几二十个因子， 然后我们需要通过降维呢来提取几个公共的因子，使得这几个公共的因子能够最大可能的解释原始变量的信息，这就是探索性因子分析需要做的一点。 然后下面我们就来简要的分析一下，探索性因子分析和验证性因子分析有什么不一样呢？ 就说最简单的，我们就可以通先来直观的来看一下，就是说探索型因子分析呢，他是一个先有一个数据，跟 根据你所测量的这个数据呢，来对其给出一个最终根据你的结果给出一个理论上的一个解释，是先有数据，再有理论，然后利用数据来探索，探索出测量变量的一个框架，这是探索型因子分析一直 在做的一个点。然后验证性因子分析呢，就是说验证性因子分析是我们先进行的理论的理论的观点或概念架构的一个 一个准备。我们在有了理论之后呢，我们想要通过数据来对这个理论进行一个检验，我们来看看这个理论模型是否适当，是否合理。 因此呢，我们就是先有理论再来做一个检验，这是验证性因子分析的验证性因子分析的逻辑。然后验证性因子分析呢和探索性因子分析呢，我们首先能发现的一个点呢，就是说他们的理论基础是不一样的，然后验证性因子分析先有理论，然后根据数据来进行检验。探 探索性因子分析是我们只有数据，然后通过数据我们想要得出一个理论上的一个解解释，然后这是探索性因子分析 与验证性因子分析，一个呃最直观的一个差异，下面呢我们再来看一下从其他几个方面，我们再来看一下这个是否有一定的差异呢？ 呃，我们首先来看一下他们的理论上的一个贡献。我们刚开始前面已经讲了，就是说呃探索性因子分析呢，是做一个理论上的一个 呃产出，然后验证性因子分析呢，是做一个理论上的一个解释，探索性是通过数据来产出一个新的理论，验证性是通过 呃我们现有的数据，现有的理论，现有的理论基础，我们来对理论进行一个验证，所以这这是两个在理论上的一个差异，同时呢，然后两个在处理的逻辑上也会存在一定的差异。就是探索性因子分析呢， 我们就是说他先是理论启发，然后文献基础薄弱，就说他没有相应的文献的研究基础，没有前任理论的研究基础，他仅仅是只能通过数据来对他进行一个相应的解释。 然后验证性因子分析呢，他就有一个非常强大的一个理论基础来做支撑，有了这个理论基础之后，我们再用我们的实际数据来对这个理论基础进行一个检验。 然后同时呢再再有一点不同的呢，就是说探索性因子分析呢，我们是最终为了决定这个因素的数量，我们最终要决定提取多少个公因子，能 能够最大限度的解释我们所提出的这个我们所原始的这些变量的一个情况。然后验证性因子分析呢，就不同了，他是说他在我们在分析之前 前呢，我们根据现有的理论，我们每个浅变量所具有的测量变量，也就是我们这个模型的因素都已经是固定好的了，我们只不过来对他进行一个检验，所以说呢，这就是两 两个决定因素的两个，两个理论的两个研究的方向的一个差异。探索性因子分析呢，是为了确定这个数量，然后验证性因子分析呢，是为了给出一个，是为了给出理论已经确定好的一个模型的一个合理的解释， 然后最终呢就是说还有一点就是说呢，呃，就是说这个变探索性因子分析啊，我们是用来做探索的，对吧？我们不知道呢，这个变量是需要归位哪一类的 三者性因子分析呢？最简单的一个一个一个直观的一个猜，直观的一个解释就是说我们是原始信息，我们把原始信息 绘制在呃，绘制在坐标系中，我们通过来进行一定的转轴，大家二维的就可以想象的出来，我们把 x 轴和歪轴来进行一个旋转，使得我们的变量 尽可能的集中在第一个主轴，也就是 x 轴，然后在 y 轴上呢，也会尽量的尽量的大，这样之后呢，我们就相当于把原来一个不太相关的 信息给他转换到一个非常相关的 x 主轴上，第一个相当于他的话就叫第一个因子，然后和 y 另外一个因子得 这个一个一个过程。然后验证性因子分析呢，我们是说的是这个某一个测量变量，他归属于某个浅变量，他是我们在研究分析之前已经通过理论给出一个确切的分类的，这个是我们没有没有办法进行更改的，然后这个就是 两个是否是否确定这个因素因素的归类，探索性因子分析呢？因素的归类是可以随机的，比如说我们这一次做，我们根据不同的准则来选的话，可能可能这个 a 问题就可以归到不同的 电量里边去。然后呢验证性因子分析就是说我们这个 a 问题是用来测量某个浅变量的，那他就只能归属于某个浅变量，这个就是这个。我们我们就从四个方面给出了验证性因子分析和探索性因子分析的 各个方面的一个一同，希望大家能够对验证性因子分析和探索性因子分析有一个直观细致的一个了解。然后今天呢就是我们简要的介绍了一下验证性因子分析的一个介绍，我们通过今天的介绍呢，希望大家能够对验证性因子分析和探索性因子分析产生一个宏观的认， 最终呢为了后边学习各个模块，为了后面学习呢，我们下节课程的验证基因子分析的实际的求解以及后续的解释呢，会先打下一个坚实的一个理论基础， 希望大家能够对今天的课程能够在课下进行一定的熟悉，对这个理论呢有进一步的了解。呃，以上就是今天课程内容，谢谢大家，我们下节。
211贰壹壹项目数据分析服务
02:44查看AI文稿AI文稿各位同学大家好，今天我们来讲解下我们免费领取的模型在自己电脑上如何实现数据的一键刷新。那我们以静销存模型进行举例， 假设我免费领取的资料放在了桌面上，也就是这个文件夹，那数据源自线的话都在这个文件夹当中，那我们打开 pro b i 这个模型，我们点击刷新， 那大家可以看到这边的话刷新出现了一个错误的阻止，那其实这边的数据员每一个连接都还是显示老师这一边的保存路径，大家可以看一下。那接下来的话我们要点击转换数据 拉箭头数据源设置，将这一个数据源的路径设置为自己电脑上面的这一个路径，那这样最后就能够实现一键刷新了。那我们先来将静销存的底稿资料更改一下，点击更改原 浏览，那我们这个数据的话是放在桌面上的进销存模型资料，点击选择一下确定确定，那下面这一个的话也是同样的道理，点击更改原浏览商品资料， 确定最后一个时间表。 好，这样的话大家可以看到他的一个路径已经 全部修改完毕了，那我们关闭一下，那接下来我们再来点击一下刷新，那 ok， 这样的话就能够刷新成功了，那我们再来试验一下修改数据之后能不能刷新进来。 假设我选择十二月份的，我随便选一个款式，将它的一个期末数量跟期末金额全部改为无限大保存一下，再来刷新一下， 已经刷新进来了，大家可以看到，那这样的话这个模型就能在同学们自己的一个电脑上实现数据的一键刷新了，其实就是将数据源更改一下。那今天为什么要讲这一堂课？因为 前几天有好几个同学免费领取模板之后，在自己电脑上不知道怎么去导入数据，所以今天单独出一节这样的课程。那感谢同学们的认真听讲，谢谢大家。再见。
00:56查看AI文稿AI文稿大家好，这是我们一个学员构建的结构方程模型，它构建了三个字变量，两个音变量。我们来计算一下，这是他自己通过调查问卷收集到的数据， 那么这是计算结果，我们来具体看一下。我们首先来看一下皮值，皮值显示有四条路径的皮值都大于零点零五，那么总共有一二三四五六六条路径，那么四条都不显著， 很显然这个结果是非常不理想的，那么在我们的帮助之下，经过调整，最后模型变得非常理想。 下期视频我们来展示一下我们调整之后的模型结果。点击关注，每天学习统计知识。
291孟老师结构方程模型
