全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件 LISREL、AMOS等结构方程模型分析软件
5657 4
2019-09-24

library(plspm)

data(satisfaction)

IMAG <- c(0,0,0,0,0,0)

EXPE <- c(1,0,0,0,0,0)

QUAL <- c(0,1,0,0,0,0)

VAL <- c(0,1,1,0,0,0)

SAT <- c(1,1,1,1,0,0)

LOY <- c(1,0,0,0,1,0)

sat.mat <-rbind(IMAG, EXPE, QUAL, VAL, SAT, LOY)

#上面定义的矩阵与内部关系方程中的矩阵相同

#下面语句把显变量分配到与其有关的隐变量确定测量模型

sat.sets <-list(1:5,6:10,11:15,16:19,20:23,24:27)

sat.mod <-rep("A",6)

#上面"A"说明6组显变量都是反映型的("B"意味着显变量是影响型的)

res=plspm(satisfaction,sat.mat,sat.sets,sat.mod,scaled=F)

summary(res)

innerplot(res) #绘制路径图-含系数

PARTIAL LEAST SQUARES PATH MODELING (PLS-PM)

----------------------------------------------------------

MODEL SPECIFICATION模型设定

1  Number of Cases      250

2  Latent Variables     6

3  Manifest Variables   27

4  Scale of Data        Raw Data

5  Non-Metric PLS       FALSE

6  Weighting Scheme     centroid

7  Tolerance Crit       1e-06

8   MaxNum Iters        100

9  Convergence Iters    4

10 Bootstrapping        FALSE

11 Bootstrap samples    NULL

----------------------------------------------------------

BLOCKS DEFINITION  构念设定

   Block         Type   Size  Mode(反映模型)

1   IMAG    Exogenous      5     A

2   EXPE   Endogenous      5     A

3   QUAL   Endogenous      5     A

4    VAL   Endogenous      4     A

5    SAT   Endogenous      4      A

6    LOY   Endogenous      4     A

----------------------------------------------------------

BLOCKS UNIDIMENSIONALITY 信度

     Mode  MVs  C.alpha DG.rho  eig.1st  eig.2nd

IMAG    A    5    0.830  0.882     3.02    0.778

EXPE    A    5    0.847  0.891     3.10    0.611

QUAL    A    5    0.871  0.907     3.31    0.568

VAL     A    4    0.836  0.890     2.68    0.601

SAT     A    4    0.894  0.927     3.04    0.422

LOY     A    4    0.819  0.881     2.60    0.573

----------------------------------------------------------

OUTER MODEL  

          weight  loading  communality(公因式分叉)  redundancy(冗余度)

IMAG                                               

  1imag1  0.0982    0.709       0.503       0.000

  1imag2  0.1575    0.877        0.770       0.000

  1imag3  0.1567    0.842       0.709       0.000

  1imag4  0.0766    0.569       0.324       0.000

  1imag5  0.1843    0.778       0.606       0.000

EXPE                                               

  2expe1  0.1062    0.766       0.586       0.197

  2expe2  0.1407    0.837       0.701       0.235

  2expe3  0.1188    0.760       0.577       0.194

  2expe4  0.0995    0.718       0.516       0.173

  2expe5  0.1384    0.837       0.701       0.235

QUAL                                               

  3qual1  0.1066    0.781       0.611       0.440

  3qual2  0.1346    0.882       0.777       0.559

  3qual3  0.1171    0.794       0.631       0.454

  3qual4  0.0956    0.789       0.622       0.448

  3qual5  0.1157    0.807       0.652       0.469

VAL                                               

  4val1   0.1750    0.865       0.748       0.441

  4val2   0.1177    0.796       0.634       0.374

  4val3   0.1208    0.750       0.563       0.332

  4val4   0.1665    0.844       0.713       0.421

SAT                                               

  5sat1   0.1664    0.920       0.846       0.598

  5sat2   0.1627    0.916       0.839       0.594

  5sat3   0.1211    0.826       0.682       0.482

  5sat4   0.1321    0.818       0.668       0.473

LOY                                               

  6loy1   0.1586    0.907       0.822       0.419

  6loy2   0.0817    0.671       0.450       0.230

  6loy3   0.1617    0.905       0.819       0.418

  6loy4   0.0807    0.682       0.465       0.237

----------------------------------------------------------

CROSSLOADINGS  交叉载荷

           IMAG   EXPE   QUAL   VAL    SAT    LOY

IMAG                                               

  1imag1  0.709  0.314 0.313  0.425  0.394 0.397

  1imag2  0.877  0.480 0.534  0.608  0.597 0.544

  1imag3  0.842  0.477 0.515  0.663  0.646 0.555

  1imag4  0.569  0.270 0.313  0.406  0.346 0.347

  1imag5  0.778  0.532 0.589  0.539  0.556 0.474

EXPE                                               

  2expe1  0.402  0.766 0.631  0.500  0.463 0.363

  2expe2  0.511  0.837 0.749  0.591  0.547 0.420

  2expe3  0.406  0.760 0.627  0.479  0.415 0.323

  2expe4  0.492  0.718 0.621  0.561  0.509 0.446

  2expe5  0.476  0.837 0.695  0.556  0.507 0.386

QUAL                                               

  3qual1  0.461  0.685 0.781  0.598  0.554 0.504

  3qual2  0.552  0.746 0.882  0.687  0.629 0.528

  3qual3  0.445  0.666 0.794  0.580  0.501 0.379

  3qual4  0.632  0.626 0.789  0.635  0.592 0.604

  3qual5  0.524  0.708 0.807  0.614  0.571 0.508

VAL                                               

  4val1   0.628  0.663 0.713  0.865  0.750 0.591

  4val2   0.510  0.473 0.554  0.796  0.676 0.574

  4val3   0.485  0.432 0.514  0.750  0.540 0.484

  4val4   0.637  0.591 0.669  0.844  0.696 0.607

SAT                                               

  5sat1   0.648  0.585 0.654  0.805  0.920 0.672

  5sat2   0.642  0.623 0.711  0.795  0.916 0.602

  5sat3   0.523  0.453 0.543  0.622  0.826 0.493

  5sat4   0.585  0.461 0.498  0.608  0.818 0.604

LOY                                               

  6loy1   0.570  0.457 0.555  0.652  0.664 0.907

  6loy2   0.410  0.306 0.378  0.403  0.399 0.671

  6loy3   0.572  0.476 0.592  0.647  0.657 0.905

  6loy4   0.374  0.223 0.340  0.433  0.344 0.682

----------------------------------------------------------

INNER MODEL (内部模型)

$EXPE

           Estimate   Std. Error    t value  Pr(>|t|)

Intercept  3.79e-17       0.0518   7.32e-16  1.00e+00

IMAG       5.79e-01       0.0518   1.12e+01  8.96e-24

$QUAL

           Estimate   Std. Error    t value  Pr(>|t|)

Intercept  6.28e-17       0.0336   1.87e-15  1.00e+00

EXPE       8.48e-01       0.0336   2.52e+01  1.92e-70

$VAL

           Estimate   Std. Error    t value  Pr(>|t|)

Intercept  9.08e-17       0.0407   2.23e-15  1.00e+00

EXPE       1.05e-01       0.0769   1.37e+00  1.72e-01

QUAL       6.77e-01       0.0769  8.79e+00   2.52e-16

$SAT

            Estimate   Std. Error     t value  Pr(>|t|)

Intercept  -3.60e-18       0.0346   -1.04e-16  1.00e+00

IMAG        2.01e-01       0.0499    4.02e+00  7.74e-05

EXPE       -2.75e-03       0.0657   -4.19e-02  9.67e-01

QUAL        1.22e-01       0.0752    1.62e+00  1.06e-01

VAL         5.89e-01       0.0600    9.82e+00  2.10e-19

$LOY

           Estimate   Std. Error    t value  Pr(>|t|)

Intercept  3.70e-17       0.0445   8.31e-16  1.00e+00

IMAG       2.75e-01       0.0617  4.46e+00   1.25e-05

SAT        4.95e-01       0.0617   8.03e+00  4.01e-14

----------------------------------------------------------

CORRELATIONS BETWEEN LVs  因子相关

      IMAG   EXPE   QUAL   VAL    SAT    LOY

IMAG 1.000  0.579  0.634 0.705  0.692  0.618

EXPE 0.579  1.000  0.848 0.679  0.618  0.485

QUAL 0.634  0.848  1.000 0.766  0.699  0.609

VAL  0.705  0.679  0.766 1.000  0.823  0.694

SAT  0.692  0.618  0.699 0.823  1.000  0.686

LOY  0.618  0.485  0.609 0.694  0.686  1.000

----------------------------------------------------------

SUMMARY INNER MODEL  内部模型摘要

           Type     R2  Block_Communality  Mean_Redundancy    AVE

IMAG  Exogenous  0.000              0.582            0.000  0.582

EXPE Endogenous  0.335              0.616            0.207  0.616

QUAL Endogenous  0.720              0.659            0.474  0.659

VAL  Endogenous  0.590              0.664            0.392  0.664

SAT  Endogenous  0.707              0.759            0.537  0.759

LOY   Endogenous 0.510              0.639            0.326  0.639

----------------------------------------------------------

GOODNESS-OF-FIT 0.25中- 0.36较好

[1] 0.6097

----------------------------------------------------------

TOTAL EFFECTS

   relationships    direct  indirect total

1   IMAG -> EXPE   0.57896     0.000 0.579

2   IMAG -> QUAL   0.00000     0.491 0.491

3    IMAG -> VAL   0.00000     0.393 0.393

4    IMAG -> SAT   0.20072     0.290 0.491

5    IMAG -> LOY   0.27515     0.243 0.518

6   EXPE -> QUAL   0.84834     0.000 0.848

7    EXPE -> VAL   0.10548     0.574 0.680

8    EXPE -> SAT  -0.00275     0.504 0.501

9    EXPE -> LOY   0.00000     0.248 0.248

10   QUAL -> VAL   0.67666     0.000 0.677

11   QUAL -> SAT   0.12214     0.399 0.521

12   QUAL -> LOY   0.00000     0.258 0.258

13    VAL -> SAT   0.58933     0.000 0.589

14    VAL -> LOY   0.00000     0.292 0.292

15    SAT -> LOY   0.49548     0.000 0.495


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2019-11-16 12:51:07
谢谢分享
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2020-11-2 01:38:15
请问一开始的矩阵是怎么得出的呀?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2020-11-24 10:19:09
请问,路径系数大于1合理吗,怎么调节都是,其他参数都合理,就是其中一个路径系数大于1
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-10-17 09:37:07
谢谢分享
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群