路径分析方法介绍

275932488

路径分析(path analysis)又译作通径分析，是由生物学家Wright(1921，1934，1960)最先提出并发展起来的一种分析因果关系的建模方法。一连串的经济变量多半依时间顺序先后发生，在路径分析中，先发生者被视为解释变量，后发生者被视为反应变量，变量之间因果关系可由路径图来表示，通过路径图，研究者能清楚了解变量间之影响途径(箭头方向)及影响方向(正向、负向、模糊等)。如果在路径图中，即只有单向的箭头，即模型中变量之间只有单向的因果关系，且所有的误差项彼此不相关，称为递归模型；否则，称为非递归模型。
       路径分析可以用作多种目的：一是将因变量之间有关系的的若干个回归方程整合在一个联立方程模型里，以助分析和表达的完整和简洁；二是在该整合模型中的各自变量对各因变量的“总影响”(totalefects)分解为“直接影响”(direct efects)和“间接影响”(indirect efects)。

其步骤通常包括以下四个部分：
1．根据理论提出可能的因果模型，并画出路径图(path diagram)以说明各变量间可能的因果关系。由于在路径分析中，自变量与因变量只能就具体某个方程而言，所以，对于包含几个方程的联立方程模型而言，变量分为外生变量(exogenous variables)和内生变量(endogenous variables)。外生变量指只能是因的变量，在路径图中只有箭头指向别的变量但没有箭头指向它，多个外生变量间可能有相关(以双向箭头表示)，也可能独立无关。内生变量为响应变量，有箭头指向它，包括：中介变量和结果变量。前者既是果又为因，后者只作为结果。
2．搜集资料，求得路径系数。回归系数的估计值称为路径系数，标准化回归系数的估计值称为标准路径系数。
3．模型的检验和修正。参数检验：根据估计值来检验参数在统计意义上与0是否有显著性差异。模型的总体检验就是检验拟合的模型是否很好的解释了原始数据。
4．效应分解。路径分析的最终目的是进行因果效应分解，就是将变量间的因果关系为不同的效应部分。其中因果效应分为直接效应和间接效应。直接效应是自变量对因变量的直接影响，即自变量到因变量之间的路径系数。间接效应是自变量通过中介变量到因变量的效果。当只有一个中介变量时，问接效应是两个路径系数的乘积。对于递归模型，中介变量不止一个时，间接效应就是从因变量出发，通过所有中介变量到因变量形成的“箭头链”上所有路径系数的乘积。对于非递归模型，间接效应的计算比较复杂。

与回归分析一样，路径分析也是一种实证性技术，根据样本检验假设的因果关系是否合理，不能指望路径发现来寻找和发现因果关系。尽管路径分析模型解决了一般回归模型不能处理自变量多于一个和中介变量等问题，但这种方法在使用上仍然有一些缺陷。主要是：路径分析假定变量没有测量误差存在；只能处理可以观测的显变量的因果关系问题，至于潜在变量则不能进行处理。这些问题的解决要靠结构方程模型来完成。

路径分析虽然同时处理多组回归方程，但其背后的数学原理并未考虑多次执行检验时造成的统计误差积聚的问题，因此路径分析被部分学者认为只能检验路径系数的显著性，无法对结构方程模型进行整体性的评估分析。

路径分析的不足：
1、 路径分析中假定变量的测量没有测量误差存在。
2、 只能对连续变化的显性变量进行检验，无法对显性变量间的潜在变量做检查和检验。
3、 变量间只有单向的因果关系，无法做递归关系的验证。

实行的软件：
1、SPSS-AMOS
2、SAS- PROC CALIS
3、STATA pathreg

gpf800411

拜读了，请问您能否把通径分析的详细过程帮我讲解一次呢？最近正在做分析，麻烦您了！