应用统计学读书报告(华电)

发布时间：2020-03-02 09:52:28 来源：范文大全收藏本文下载本文手机版

读《Regional development aement: A structural equation approach》

读书报告

--读《Regional development aement:

A structural equation approach》

一、文章的总体结构文章分为六个部分：

读《Regional development aement: A structural equation approach》

3、对模型的分析及估计结果

4、聚类分析

（一）对两国原始数据的预处理

文章中数据的预处理方法是：首先对斯洛文尼亚和克罗地亚两国的原始数据进行正态性测试，结果显示除斯洛文尼亚的人均收入和就业率除外，两国其他指标均不服从正态分布。因为文中对两国变量的分析希望使用高斯最大似然法进行分析，因而需要所分析的变量大致呈正态分布。因而需要将两国原始数据中其分布不是正态分布的转化为正态分布数据，并通过塔方检验验证转化后的数据是否呈现正态分布。

转化的方式是：将一个样本在读《Regional development aement: A structural equation approach》

B

其中为内生潜变量向量，为外生潜变量向量，为潜误差向量，、是系数矩阵。内生潜变量的测量模型为

yy

外生潜变量的测量模型为：

xx

其中：yq1和xp1是可观测变量向量，

y和X是系数矩阵，

和是前误差矩阵。

\'\'\'\'\'EEEE定义 E, , ,, 

模型的协方差阵是由三个单独的协方差阵组成的

yyxyyx xx其中：yy为内生潜变量观测指标的协方差阵

yx、xy为内生潜变量与外生潜变量观测指标的协方差阵 xx为内生潜变量观测指标的协方差阵

最大似然法模型参数的估计是通过最小多元高斯（差异）对数似然函数FlntrS1lnSpq得到的。

其中：P和q分别是内生潜变量和外生潜变量观测指标的数量。

IB1\'IB1\'\',IB1\'\'yyxy \'1x\'IB\'y,x\'x使用Lawley 和Maxwell方法可以计算潜变量得分：

yx =0x0+ y 读《Regional development aement: A structural equation approach》

其中：y00y,a,a,xa xx计算隐变量得分可以运用公式：

1aUD2VL2VD2Uaxa

\'\'其中：UDU是aEaa的奇异值分解, 111 VLV是DUTBUD\'1/21/2矩阵的奇异值分解，

a为观测变量协方差矩阵误差

（三）、对模型的分析及估计结果

初步探索性因子分析显示斯洛文尼亚和克罗地亚都有4个潜在的发展层面，然而，因子分析结果并没呈现出简单模型，而是显示出复杂的因子载荷和因子间的高相关性，这表明因子间可能具是结构性或者因果联系。因此，使用探索性因子分析提取简单结构以便进行更多初步描述分析在这种情况下可能是不适合的。因子载荷结构可能因为模糊载荷和因子间的结构关系而变得复杂，这就要求要对模型进行检测，同时检测模型的拟合度以及模型的假设。

本文将指定一个斯洛文尼亚和克罗地亚简单的非递归结构模型

10122=0000313111123++22112

03313这个模型假设四个发展层面每个由因子分析测量模型检测。

我们同样指定了两个国家的结构模型，可用数据显示在期待的测量模型中有一定的区别，尤其是斯洛文尼亚的内生测量模型，它的矩阵表达形式如下：

读《Regional development aement: A structural equation approach》

1y10y2yy331y4= 0y5y51y60yy77101y32y420000102013y+ 4 432y53356170外生变量测量模型为

xx1111+  = x1x2212内生测量模型潜在误差的协方差阵是对角阵，然而初步分析和测试指标显示放宽42上的零限制能够提够模型的拟合度。因此指定矩阵为：

110220033 =042044000055000006600000077需要注意的是42是农业人口份额和就业率指标之间的剩余相关。42参数的估计值导致塔方检验从108显著下降值67.22.最终外生测量模型潜在误差的协方差矩阵被表示为对角阵：

110= 022如上说述，检验结果为：检验值为67.22，拟合优度为0.927，标准均方根为0.057，可以看出分析结构与数据有很好的拟合度。而且估计的模型没有显著的修改指标和为模型化的剩余相关。

克罗地亚的内生测量模型的矩阵表示为：

2 读《Regional development aement: A structural equation approach》

1ˆ1yyˆ21yy231yˆ30ˆ4=yyyˆ551ˆ60yy0ˆ7y810y2201y52y6200010200132+4 0y3563617y83外生测量模型的矩阵表示为：

xˆ111x1ˆx=+1212 xxˆ3313内生测量模型的误差协方差矩阵是对角阵，外生测量模型的误差协方差矩阵最初表示为：

11 =0220033当放宽对31的零限制后，对矩阵的从新估计的矩阵表示为：

11 =02231033这使得C2有88.65显著下降至75.57。

通过比较两个国家的结构模型，可以看出社会因素对经济的影响是积极的，有利的，高度显著的。结构因子对经济的影响在斯洛文尼亚是积极显著的，而在独立电影就的影响就小已写，或者是消极的。另一个不同之处是地理因素的影响。表面上看，地理因素似乎对斯洛文尼亚的结构层次的影响的消极的，对克罗地亚的影响是积极的，而对经济层次的的影响上看，它对斯洛文尼亚的影响是显著积极地，而对克罗地亚的影响是不显著的。地理因素对两

读《Regional development aement: A structural equation approach》

国社会层次的影响也是不同的。两国的内生测量模型在农业人口份额和就业率上有着重要的差异，这个差异很可能是因为两国经济因素结构作用的不同迹象引起的。

（四）聚类分析

通过计算潜变量ai的得分，就可以进行聚类分析，将具有相似特点的自治区分为几个小组。首先使用Ward聚类程序确定类的数量和类中心。接着使用快速聚类法以Ward聚类发确定的类中心作为初始类中心。分析结果显示，