How to Draw a Beautiful Path Diagram
Goal:
Make the Diagram:
Step 1:
Open the AMOS Graphics. Widen your screen by using .Step 2:
Click . Draw two circles. If you want to make a beautiful circle, go to ツール ⇒ 黄金比率の適用 ⇒ , and adjust your circles.Step 3:
Click . Click the left circle 4 times, and the right circle 3 times. Rectangles (観測変数; observed variables) and small circles (誤差変数; error variable) will appear. Click to rotate your diagram. If you want to adjust the size of the diagram to fit in the screen, you can click .Step 4:
Click . Click the left circle and drag it toward the right circle. If you want to adjust your arrow, you can click and move the arrow around.Step 5:
Click . Click the right circle once. A small circle (誤差変数; error variable) will appear.A PC tutor conducted a student satisfaction survey. He (She?) wants to know how different
Import your Data:
Step 1:
Click . . Screen like this will appear:Step 2:
Click ファイル名. Choose the data file (Excel or SPSS) that you want to import. Click OK .Label the Diagram:
Step 1:
Click . Drag the names of variables into the rectangles.Step 2:
Click プラグイン ⇒ Name unobserved variables. AMOS will automatically fill in the blanks.Step 3:
Double click the left circle. Rename the variable (“F1” ⇒”講師の質“). Close the box with the right x button. Do the same for the right circle (“F2” ⇒ “充実感”).Step 4:
SAVE YOUR DIAGRAM. If you don’t, AMOS won’t analyze your data.Analyze your Data:
Step 1:
Click . Go to 出力. Check the following three:Step 2:
Click . AMOS will analyze your data.Step 3:
Click .Step 4:
Click 標準化推定値 . Your diagram should have pass coefficients (パス係数).教科書 P213-218 10-4 構造方程式モデリングの例 2
テキスト出力（P215～）
＜＜適合度指標（fit index）の検証＞＞
適合度指標（ｆit index）とは？: 仮定したモデルの妥当性を検証（Investigate the ability of a model to reproduce the data）
変数の数(number of variables), モデルの複雑さ(model complexity), サンプルサイズ (sample size), 正規性(normality)などに影響されやすいため、複数の指標を検証し、提示す ることが重要
①絶対適合（absolute fit）
理想のモデルとのギャップ
大きければ大きいほど×
CMIN カイ２乗値（chi-square value） 有意でなければ適
合している
GFI/AGFI
AGFI は GFI の自由度を調整した値 「GFI≧AGFI」であり， AGFI が GFI より
も著しく低下するモデルは× GFI: .90、.95 以上 AGFI：.90 以上 RMR/SRMR SRMR は RMR を標準化した値 SRMR は 、 プ ラ グ イ ン ⇒ Standardized RMR⇒ .00 に近いほどよ い。（～.０８以下） ②倹約性修正（parsimony correction） 絶対適合の修正 単純なモデルであるほど〇 RMSEA パラメーターが少ないほど（＝モデル が単純であるほど）よい 信頼区間も報告する方が望ましい .05 以下で良い適 合度（.05～.08 で ま ず ま ず の 適 合 度） ③比較適合（comparative fit） 2 つのモデルを比較する CFI 変数間に関連性が全くないと考える 独立モデルとの比較 .95 以上 TLI パラメーターが少ないほど（＝モデル が単純であるほど）よい １に近い方が良い
＜＜修正指数（modification index）＞＞
値が４以上だと、修正する意味のあるもの、モデルをよりよくする可能性あり 本当に better なモデルになるかは、実際に修正してみて検証 （仮説や論理的根拠がない限り、あまりいじったりしないことが大事） （ex）期待 ⇒VL2 にパスを加えて再度データを分析（ ）し、テキスト出力（ ）。CMIN GFI AGFI RMR SRMR TLI CFI RMSEA
修正前 51.3 (p=.13) .965 .943 .04 .042 .991 .993 .032 (90CI= .000, .057) 修正後 43.52 (p=.32) .97 .95 .04 .04 1.00 1.00 .02 (90CI=.000, .049)
＜＜パス係数＞＞
推定値 をクリック ＊＊＊⇒.001 レベルで有意＜＜正規性＞＞
正規性の検証 をクリック
[多変量] に注目 ⇒ 1.96 以下がよい
教科書 P218-224 10-5 構造方程式モデリングの例 3
テキスト出力（P218～）
＜＜正規性＞＞
正規性の検証 をクリック
[多変量] に注目 ⇒ 1.96 以下がよい
＜＜推定値と間接効果＞＞
推定値の優位性検証⇒.005 以上で有意
標準化間接効果＜＜適合度指標（fit index）の検証＞＞
①絶対適合（absolute fit） 理想のモデルとのギャップ 大きければ大きいほど×CMIN カイ２乗値（chi-square value） 有意でなければ適
合している
GFI/AGFI
AGFI は GFI の自由度を調整した値 「GFI≧AGFI」であり， AGFI が GFI より
も著しく低下するモデルは× GFI: .90、.95 以上 AGFI：.90 以上 RMR/SRMR SRMR は RMR を標準化した値 SRMR は 、 プ ラ グ イ ン ⇒ Standardized RMR⇒ .00 に近いほどよ い。（～.０８以下） ②倹約性修正（parsimony correction） 絶対適合の修正 単純なモデルであるほど〇 RMSEA パラメーターが少ないほど（＝モデル が単純であるほど）よい 信頼区間も報告する方が望ましい .05 以下で良い適 合度（.05～.08 で ま ず ま ず の 適 合 度） ③比較適合（comparative fit） 2 つのモデルを比較する CFI 変数間に関連性が全くないと考える 独立モデルとの比較 .95 以上 TLI パラメーターが少ないほど（＝モデル が単純であるほど）よい １に近い方が良い
＜＜修正指数（modification index）＞＞
[共分散]の箇所が修正指数が提示されている BUT! 仮説や理論的根拠がなく、改善度も大きいとは言えないため、修正しない。(Hooper, Coughlan, and Mullen (2008)によれば、修正指数が .20 以下の場合は考慮する必要ない)
Hooper, D., Coughlan, J. and Mullen, M. R. （2008）. Structural equation modelling: Guidelines for determining model fit.” The Electronic Journal of Business Research Methods, 6(1), pp. 53 - 60,
