AMOS教程：方差与协方差估计与假设检验

"该资源是一堂关于使用AMOS进行方差估计和假设检验的课程，由张伟豪讲解。课程内容涉及如何利用AMOS软件来估计总体方差和协方差，并进行假设检验，主要应用于结构方程模型的分析。案例数据来源于一项关于记忆能力训练的研究，关注的是recall、cued、place以及词汇测试得分四个变量的方差和协方差估计。课程还涵盖了创建模型、命名变量、连接变量以估计协方差，以及如何进行假设检验和参数约束等步骤。" 在结构方程建模中，方差估计和协方差估计是至关重要的步骤。AMOS（Analysis of Moment Structures）是一款强大的统计软件，专用于结构方程建模和多变量数据分析。在这个课程中，张伟豪老师首先介绍了数据背景，使用一个实验研究作为例子，该研究旨在衡量记忆训练前后受访者在recall、cued和place三个方面的表现变化，同时考虑了词汇测试得分、年龄、性别和教育程度的影响。尽管原始数据集包含了多个变量，但课程中仅选取了recall1、recall2、place1、place2四个变量进行分析。 为了估计这些变量的方差和协方差，首先需要在AMOS中创建模型。通过Diagram菜单绘制观察变量，并使用Duplicate功能复制模型。接着，对变量进行命名，并通过DrawCovariances将相关变量两两相连，以便计算协方差。此外，可以通过View->AnalysisProperties设置标准化估计，以获得相关系数。 在进行假设检验时，可以对参数施加约束，比如设定特定的方差值或协方差值。如果已知总体方差，可以直接输入，例如将var(recall1)设为6，var(recall2)设为8。通过这种方式，可以提高估计的精度。同时，保持某些参数一致（如将方差设为v_recall，v_place，协方差设为cov_rp）可以简化模型并增强模型的解释力。 执行假设检验时，会比较实际观测到的协方差矩阵（observed covariances）与假设条件下（即原假设成立时）的隐含协方差矩阵（implied covariances）。如果两者差异显著，那么原假设就会被拒绝，反之则支持原假设。在AMOS中，可以通过ObjectProperties进行模型命名和格式调整，以清晰地展示假设检验的结果。 这个课程深入浅出地讲解了如何在AMOS中进行方差和协方差的估计以及假设检验，对于理解和应用结构方程模型有极大的帮助。无论是初学者还是有一定经验的研究者，都能从中受益，提升数据分析能力。