Stata在結構方程模型及試題反應理論的應用


	結構方程模型（structural equation modeling, SEM）是一種結合路徑分析（path analysis）與因素分析（factor analysis）的多元統計技術。在社會科學的研究中，除實驗取向的研究之外，其他涉及量化數據的研究，都離不開此一典範的思維模式，因此，我們更可以把他定位成當代量化研究的主要統計方法學典範。　　Stata延伸了線性SEM之優點，並且開展出gsem指令來分析廣義SEM，包括：多層次SEM、probit迴歸、重複量數、類別變數、分群組SEM等；可分析的變數類型則包括：類別變數、二分變數、次序變數、計數（count）變數、連續變數等。換言之，Stata 可說是「廣義結構方程模型」最成功的推手。在最新的Stata 14版本中，更增加了IRT四種資料型態：二元、比序、類別及混合模型之建模、報表及IRT曲線特徵圖，大大提昇研究者使用的方便性。　　本書提供完整的Stata分析實作範例，從統計方法原理，到軟體操作的流程都予以詳細解說，希望能幫助研究者在自己的專業領域做出有效的整合應用。本書特色　　●一本學通！當代量化研究的主要統計方法學典範：結構方程模型（SEM）。　　●扎實的統計方法說明，並提供不同情境的實證分析範例。　　●圖片詳解操作流程，無痛學習地表最強統計軟體──Stata。　　●本書範例檔案建議使用Stata 13或更新版本執行。　　◎隨書附贈資料檔光碟


	目錄自序 Chapter 01 結構方程模型簡介 1-1 結構方程模型之介紹 1-1-1 Generalized SEM 特殊案例的統計分析 1-1-2 SEM 基本概念 1-1-3 SEM 的參數 1-1-4 模型認定：t-rule 1-1-5 Path diagrams 代表的指令意義 1-1-6 SEM 整體適配度的類型 1-1-7 sem/gsem 之事後(Postestimation) 指令 1-1-8 Stata 輸入資料格式(ssd 格式檔) 1-2 Stata gsem 之功能 1-2-1 線性sem 功能 1-2-2 廣義SEM 的課外補充( 相關網站查詢) Chapter 02 結構方程模型之數學式 2-1 結構方程模型 2-2 因素分析 2-3 探索性因素vs. 驗證性因素分析 2-4 SEM 資料分析流程 2-4-1 SEM 分析流程及信效度公式 2-4-2 SEM 參數標註的寫法 2-4-3 共變數推導的定理 2-4-4 測量模型的檢定 2-5 結構模型分析(SEM) Chapter 03 Full SEM 分析實例：員工教育訓練績效評估模型 109 3-0 結構方程模型之重點整理 3-1 員工教育訓練績效之建模 3-1-1 研究背景與動機 3-1-2 研究目的 3-1-3 研究方法與步驟 3-2 研究 3-2-1 研究架構 3-2-2 研究假設 3-2-3 問卷發展與施測 3-2-4 預試(pilot study) 3-2-5 抽樣設計 3-2-6 統計分析法 3-3 樣本特徵分析 3-4 Full SEM 分析結果與討論 3-4-1 結構方程模型實證分析 3-4-2 整體架構直接與間接效果分析 3-4-3 研究假設分析 3-4-4 檢定力(power) 分析 3-4-5 多樣本之交叉效度(Cross-Validation) 分析：測量不變性 Chapter 04 sem 實例分析、Builder 介面操作 4-1 SEM 之適配度、遺漏值 4-1-1 SEM 分析步驟 4-1-2 SEM 之適配度 4-1-3 linear SEM ／廣義gsem 事後檢定之指令 4-1-4 線性SEM 估計法：含遺漏值 4-2 線性SEM 之特殊迴歸 4-2-1 相關分析 4-2-2 多變量迴歸(Multivariate regression)：非線性迴歸 4-2-3 納入測驗信度之迴歸式 4-2-4 驗證因素分析(CFA)：Measurement models 4-2-4a 單因子測量模型(Single-factor measurement model) 4-2-4b Two-factor 測量模型：Equation-level goodness-of-fit 4-2-4c Two-factor 測量模型：Group-level GOF( 交叉效度) 4-2-4d 多樣本Two-factor CFA：Testing parameter equality across groups ( 測量不變性) 4-2-4e 整體goodness-of-fit statistics for linear SEM 4-2-4f 高階驗證因素分析(Higher-order CFA 模型) 4-2-5 階層(Hierarchical) 驗證性因素：Higher-order CFA 4-2-6a 完整(full) 結構模型：panel data 模型的信度及穩定度 4-2-6b panel data 模型：Modification indices 4-2-7a 單層(One-level) 之中介效果 4-2-7b Two-level 之中介(Mediation) 效果 4-2-8 MIMIC 模型及Residual analysis for linear SEM 4-2-9 潛在成長曲線模型(Latent growth curve models) 4-2-10 Correlated uniqueness 模型：Multitrait-Multimethod (MTMM) 4-2-11 似不相關迴歸模型(Seemingly Unrelated Regression) 4-2-12 非遞迴模型的穩定性：直接／間接效果 Chapter 05 Generalized SEM 之分析 5-1 認識Generalized SEM 5-1-1 Generalized SEM 的介紹 5-1-2 廣義gsem 與線性sem 指令，二者的差異比較 5-1-3 Generalized SEM 的分配(Family) 5-1-4 Generalized SEM 的特性 5-1-5 gsem 指令之事後檢定 5-2 測量模型(generalized response) 5-2-1 單因子measurement model (generalized response) 5-2-2 雙因子measurement model：Likert 量表vs. 測驗卷的迴歸分析 5-3 Multilevel 模型 5-3-1 雙層次測量模型( 廣義反應變數) 5-3-2 Multilevel mediation models 5-3-3 三層次模型(generalized response) 5-4 Logistic 迴歸 ( 廣義反應變數) 5-5 generalized responses 的組合模型：logit + poisson 迴歸 5-6 多類別(multinomial) 反應變數的logit 迴歸 5-7 MIMIC 模型(generalized indicators) 5-8 序位反應變數之機率迴歸(Ordered probit regression) 5-9 試題反應理論(Item response theory, IRT) 5-9-1 試題反應理論(IRT) 之介紹 5-9-2 單參數之試題反應理論(IRT)：Rasch 模型分析 5-9-3 STATA 試題反應理論之irt 指令 5-9-4 雙參數之試題反應理論(IRT) 5-10 gsem 指令之網站補充的特殊迴歸