标准化路径系数大于1的问题

tonylev

Kenny，
2 x& S+ Y, W. H- X6 x6 w( t
        您好！
        我在做结构方程模型分析时，出现标准化路径系数大于1，且统计检验结果显著的情况。这该怎么解释？有没有相关文献推荐一下？
        谢谢！

- p5 q  y3 i0 D$ Z1 {+ {# @                                                                                                                     Tonylev

Kenneth

Tonylev, 是路径系数，还是因子载荷？如果是因子载荷的话，有可能是你用了一个项目作为基数，把它的载荷定为1.0。那其他的载荷就有可能是大于1.0了。
# r3 m! R/ s9 c4 ]& L如果真是标准化的路径系数的话，我只可以想到一个可能性，就是你的模型确实与数据很不符合。对不起，我不知道有什么文献可以解决这个问题。看看有没有其他“高人”吧。

tonylev

Kenny,
, Z7 _: E3 ?1 I/ b6 o- N" ^
: P* ?! Z/ h% P8 K$ k     是模型的标准化路径系数，奇怪的是，模型的指标为 CFI=0.949， GFI=0.819， NFI=0.868， RMSEA=0.052
      从指标来，模型的拟合度还是可以接受的？为什么会出现这种情况呢？
     还是有一点，你觉得测量模型的拟合指数为CFI=0.884，GIF=766，NFI=0.797，RMSEA=0.072

tonylev

Kenny,

         不好说意思，刚才点错了，没写完就发出去了。
( ]1 B) n' E# }8 y5 k
          是模型的标准化路径系数，奇怪的是，模型的指标为 CFI=0.949， GFI=0.819， NFI=0.868， RMSEA=0.052
      从指标来，模型的拟合度还是可以接受的？为什么会出现这种情况呢？
- b6 \/ J* C( G2 E3 e' D     还是有一点，你觉得测量模型的拟合指数为CFI=0.884，GIF=766，NFI=0.797，RMSEA=0.072，你觉得这个拟合度可以接受吗？
, N7 W: I7 x: ?) W
                                                                tonylev

Kenneth

第一、CFI, GFI， NFI, 都要大于 0.9; RMSEA 最好小于0.05。你的模型绝不是好。
第二、就是因为它要尽量把你的拟合弄好，才会有古怪的估计。你试试把所有可能的路径都写进去，就应该不会有这个问题了。你也可以把图贴上来，告诉我你估计了什么路径。

tonylev

C:\Users\Li Yao\Desktop\无标题.png
Kenny,

      我的概念模型如上面。模型拟合度指标和路径系如下。
C:\Users\Li Yao\Desktop\拟合度指标.png
! d! d# @* i/ M! ~& g) _6 l  j5 oC:\Users\Li Yao\Desktop\路径系数.png
需要说明一点，潜变量E,F原本各有四个测项（indicator），后根据修正系数对他们进行了parceling，并在parceling后重新进行了测量模型检验，取得了良好的效果；这时parceling后的结构方程模型。
为什么会出现标准化路径系数大于1的情况？
: ^- s# {2 Q0 s7 ^  L/ b0 m谢谢了！

Tonylev

tonylev

C:/Users/Li Yao/Desktop/PNG 图像 (.png)

tonylev

Kenny,
          您好！
- X- \8 m  T2 u+ H3 Y( L          图片一直无法上传，不知道为什么？我发到您的邮箱，不知道能否帮我上传一下，供大家讨论！
          谢谢了！

                                                                                       Tonylev

Kenneth

替 tonylev 上传：
$ ~5 ]% y6 `# e' W/ u. O我看你的模型，是极其难有好结果的。因为所有左边的变量，都一定要透过中间的变量，才可以影响右边的变量。中间两个是超级中介变量啊。
/ C* _& X: p' V

: Y& U' @" X5 J; O, t

mnczj

我搜索了一下，貌似有两种原因。
/ _  n5 p; }5 W8 F) r3 c# \1，suppressor effect
* v8 W8 Q% n0 v: Z2, 变量之间的correlation太高。
关于第二点，这里有一个说明。
http://www.ssicentral.com/lisrel ... edCoefficientbe.pdf

假设用变量X2和X3来预测变量X1,随着X2和X3之间的相关增加，回归系数就会变得超过1.简单来说，还是Kenny讲的，模型不好。