Stata在結構方程模型及試題反應理論的應用

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
 

序

　　結構方程模型(Structural equation modeling, SEM)，它已是社會科學之標準多變量統計技術(Standard multivariate technique)。

　　Stata 已超越LISREL、SIMPLIS、AMOS、EQS、Mplus、Mx、Statistica、SAS PROC CALIS、COSAN、LVPLS 等軟體。Stata 延伸了線性SEM 之優點，並且開展出gsem 指令來分析廣義SEM( 多層次SEM、probit 迴歸、重複量數、類別變數、分群組SEM⋯)，故可分析變數類型，包括：類別變數、二分變數、次序變數、計數(count) 變數、連續等變數。Stata 可說是「廣義結構方程模型」最成功的推手。即使，非常態分配(Nonnormal Variables)、類別結果(Categorical outcomes) 之變數( 如dichotomous, ordinal, Multinomial、次數變數⋯)、試題反應理論(IRT) 也都可納入sem/ gsem 分析。

　　此外，Stata v14 介面增加了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，介面操作簡單易用。

　　SEM 是聯立迴歸方程式，它同時估計多個自變數，依變數和潛變量之間關係的廣義線性模型(general linear model) 的進階。Stata 廣義SEM 的估計法，包括Stata 指令「reg、probit、stcox、mixed」，即Stata SEM的估計法，包括OLS 法、線性機率迴歸法、Cox 比例風險模型(proportional hazards model)、多層次(Multilevel)mixed-effects linear ( 或logistic /Poisson) 迴歸分析。

　　Stata 分析SEM，有二種方法：sem 或gsem 指令、SEM Builder 圖形介面。其中，Builder 圖形介面( 很像AMOS) 更是簡單易用，人人很容易上手。

　　有鑑於STATA 分析功能龐大，故作者將撰寫一系列的STATA 的書，包括：

　　1. STATA與高等統計分析。
　　2. Stata在財務金融與經濟分析的應用。
　　3. Stata在結構方程模型及試題反應理論的應用。
　　4. Panel-data迴歸模型：Stata在廣義時間序列的應用。

　　以上一系列的STATA 書，適用於：基礎研究、生物學、醫學、心理學、社會學、刑事司法，金融和經濟學，政治學，市場營銷，生態學，教育學和遺傳學等領域，期望這一系列STATA 書能夠對學術研究、實務問題決能有拋磚引玉的效果，成果能夠開枝散葉。

　　本書內容，著重理論、統計及方法三者的結合。畢竟工欲善其事，必先利其器。研究者除了要精通自己領域的「理論」基礎外，正確選用創新性之「研究法」及「統計」技術( 即STATA 分析實作)，三者間如何有效整合應用，更是成為頂尖研究者不可缺乏的基本功夫。本書中每章都有STATA analysis 範例，其中滲雜了許多實證分析的範例，讓你實際操作分析，進而能輕鬆了解STATA 分析的程序與應用，啟發你的靈感(Insight)。

　　最後，特感謝全傑科技公司(www.softhome.com.tw)，提供STATA 軟體，晚學才有機會撰寫STATA 一系列的書，以嘉惠學習者。