Logistic回归模型与结构方程模型研究比较分析,我在本文中使用逻辑回归还是结构方程模型
Logistic回归模型与结构方程模型研究比较分析
我不知道在本文中是使用逻辑回归还是结构方程模型。你想详细介绍你的论文吗？
我这论文是用Logistic回归还是结构方程模型
具体的研究问题是什么
我在本文中使用逻辑回归还是结构方程模型
我不知道在本文中是使用逻辑回归还是结构方程模型。你想详细介绍你的论文吗？
我这论文是用Logistic回归还是结构方程模型
Logistic回归模型与结构方程模型研究比较分析范文
本文的目录导航:
[标题]农村老年人生活质量调查研究
[第一章]农村老年人生活质量影响因素介绍
[第二章]老年人健康生活的数据来源及研究方法
[第三章]农村老年人健康相关生活质量现状分析
[4.1]基于层次逻辑回归的农村老年人生活质量影响因素分析
[4.2-4.4]逻辑回归模型与结构方程模型的比较分析
[第五章——参考文献]现代农村老年人健康生活的研究结论与参考文献
4.2基于结构方程模型的农村老年人生活质量影响因素分析。
4.2.1结构方程模型介绍。
(1)结构方程模型的基本概念自20世纪80年代以来发展迅速，是多元数据分析的重要工具。结构方程模型可以处理多种原因、多种结果之间的关系或无法直接观察到的潜在变量。该模型的工作原理主要是验证变量之间关系的假设，并不断调整以实现优化。该模型主要包括以下三种类型的变量:
(a)潜在变量。也称为未观测变量，它们在结构方程模型路径图中用省略号表示。其中，潜在变量根据变量之间的因果关系分为内生潜在变量和外生潜在变量。
(b)观察到的变量。也称为可测量变量，它们在结构方程模型路径图中用矩形表示。相应的外生和内生潜变量分为外生观察变量和内生观察变量。
(c)错误术语。包括对应于内部潜在变量的观测变量的测量误差和由结构方程模型的随机变化引起的误差，分别用希腊字母ε和δ表示。
(2)结构方程的基本构成结构方程模型由实测模型和结构模型组成。测量模型由潜在变量和观察变量组成。
（3）实施过程结构方程模型的实施，是一个需要不断修正和改进的过程，具体有以下步骤：(3)实施过程的结构方程模型的实施是一个需要不断修正和改进的过程。具体步骤如下:
(一)首先，开展模型研究的基础工作:相关文献的理论研究。
根据文献研究结果建立相关的结构模型。由于结构方程模型不是探索性技术，而是验证性技术，因此有必要定义潜在变量之间的关系，并基于假设确定模型。
在已建立的结构模型基础上建立相应的测量模型。在定义了潜在变量之间的关系后，构建了相应的合理观测变量，以反映潜在变量的特征。当然，需要确定观察到的变量能够被测量并且数据能够容易地获得。
获取上述研究中界定的需要收集的数据。
(e)模型优化。首先，对模型的参数进行估计，并研究模型与数据之间的适应程度。如果模型的适应度指标不符合标准，则不断修正模型，最后用扫描电镜解释实际问题。
本文将测量误差的方差设为1，这意味着大多数测量指标变量可以用潜在变量预测，此时观测变量的R2值将等于0.99(99%)。本文采用的适合度指标有RMSEA值、GFI值、AGFI值、PGFI值、PNFI值、PCFI值和中国值。
(4)解释结构方程模型结果结构方程模型(Structure Equation Model)使用数据量化方法描述变量之间的路径关系，并根据模型的路径系数分析影响因素对研究变量的贡献。这种方法是扫描电镜的最大优点。
变量之间的路径关系首先决定了模型变量之间存在多少条重要路径。基于标准化路径系数对路径关系的分析，路径系数可以反映潜在变量之间的直接效应和间接效应，从而获得整体效应。其中，直接效应(direct effect)是指外源潜在变量对内源潜在变量的直接影响，它们之间的路径系数反映了变量之间直接效应的大小。间接效应是指外生变量通过中间变量对内生变量的间接影响。同样，它们之间的路径系数反映了变量之间间接影响的大小。
(二)因子贡献分析γ代表X和外生潜变量之间的系数矩阵或Y和内生潜变量之间的系数矩阵，γ代表标准常规化系数的值，反映了观测变量对潜变量的因子贡献，其显著性见表4.6。
4.2.2结构方程模型变量的准备。
(1)变量基本引入。下面描述的结构方程模型包括观察变量和不可观察变量，其中观察变量包括(X1，X2，...X13)，不可观察的变量包括潜在变量(个人因素、家庭因素、行为因素、心理健康、生理健康)、测量误差项(E1、E2、E3、...E13)和内部观测变量的剩余项(err1，err2)。
外部变量是测量误差项、剩余项、外部潜在变量(个人因素、家庭因素、行为因素)，内部变量是观察变量和内部潜在变量(心理健康、生理健康)。
(2)扫描电镜参数主要参数的含义包括固定参数和自由参数。固定参数是模型中不估计的参数，它们的参数通常设置为0，有时设置为常数1。自由参数是需要在模型中估计的参数，自由参数的数量将影响模型是否能够被识别。
假设模型中设置为1的参数是固定参数，它自己的参数是:
C1、C2、C3代表内在潜在变量的协变关系，即协方差w1、w2...w52等。表示路径系数参数(因子负荷)，v1，v2...v13代表变量方差。
4.2.3农村老年人生活质量影响因素的结构方程模型分析。
(1)测量模型的建立基于上述研究、以往的理论文献和经验证据，农村老年人身心健康影响因素的路径图如下:
(2)修正结构模型的拟合评价一般认为预设模型卡方值的显著性概率P值小于0.05，达到显著性水平，否定了虚无假设，表明理论模型与实际数据不符。然而，由于该数据的样本量高达3053，观察值越大，卡方值越大。因此，卡方值或卡方自由度比不应作为判断整体模型适合度的判断标准，其他适合度指标的判断结果应考虑从两种模型的区别来看，逻辑回归模型属于概率非线性回归，研究第二类观测结果与影响因素之间的关系。其次，逻辑回归模型是相对简单的因果模型之一。它的自变量与因变量平行，只包含因果关系的一个环节。另外，逻辑回归模型可以根据R2计算一类因子对因变量的贡献度，从而比较层因子变量对因变量的影响程度。。
3)修正结构模型的参数估计本文采用AMOS21估计修正结构模型的参数，并采用最大似然估计法。结果如下表4.8所示(将固定潜变量设置为1而不是观察变量的路径系数设置为1后的结果)。
模型修改也取得了良好的效果。此外，除了家庭因素对生理健康的路径不显著外，所有的路径系数和负荷系数都通过了显著性检验。
(4)结构方程模型结果解释了(a)表4.9变量之间的路径关系，个人因素、家庭因素、行为因素、身体健康和心理健康之间存在7个显著的路径关系。对于生理健康，有四个重要的路径关系。其中，个人因素与生理健康之间有两个显著的路径关系。首先，个人因素对生理健康有负面的直接影响，直接影响为-0.108。第二，个人因素通过心理健康对生理健康有负的间接影响，间接影响为-0.014。因此，个人因素对生理健康的总影响是-0.108-0.104=-0.122，这意味着对于个人因素的每一个改善单位，身体健康减少0.122个单位。行为因素和生理健康之间也有两个重要的路径关系。行为因素对生理健康的直接影响为0.306，心理健康对生理健康的间接影响为0.036，因此行为因素对生理健康的总影响为-0.342。由于家庭因素对生理健康的路径系数未通过显著性检验，因此目前不分析家庭因素对生理健康的影响。总之，个人因素和行为因素对生理健康的影响程度从大到小分别是行为因素和个人因素。
对于心理健康，有三种重要的路径关系。个人因素、家庭因素和行为因素对心理健康没有间接影响，因此它们的直接影响等于总影响。个人因素、家庭因素和行为因素对心理健康的总体影响分别为-0.086、0.079和0.211。影响程度从大到小分别是行为因素、个人因素和家庭因素。其中，行为因素影响最大，而个人和家庭因素对心理健康的影响相同。
b)个人因素和观察变量的因子贡献分析，根据标准化路径系数表4.8，个人因素性别变量的路径系数为-0.934，表明性别变量对身体健康和心理健康有较大的间接影响，与身体健康和心理健康呈负相关，表明男性老年人的身体健康和心理健康优于女性老年人；其次，受教育程度的变量对个人因素也有较大影响(标准路径系数为-0.421)，表明受教育程度高的老年人的身心健康优于受教育程度低的老年人。其他三个因素并不重要，可以忽略不计。
就行为因素和观察变量而言，吸烟和饮酒对农村老年人行为因素的路径系数分别为0.801和0.725，表明这两个变量对身体健康和心理健康有较大的间接影响，表明不吸烟或经常饮酒的老年人的身体健康和心理健康优于不吸烟和不饮酒的老年人。此外，在水果消费频率因子组中，健康生活质量对老年人的影响不高，可以忽略不计。
就家庭因素和观察变量而言，老年人儿童保健频率对老年人家庭因素的路径系数为-0.639，表明老年人儿童保健频率间接对心理健康有较大影响，表明经常由其子女照料的老年人心理健康优于不经常由其子女照料的老年人。此外，年轻一代是否是主要的病人护理者对农村老年人影响较大，路径系数为-0.494，表明年轻一代是主要病人护理者的农村老年人心理健康状况较好。其他三个影响不大的因素可以忽略。由于家庭因素对生理健康的路径系数未通过显著性检验，因此此时未对家庭因素对生理健康的影响结果进行分析。
4.3逻辑回归模型和结构方程模型的比较分析。
4.3.1两种型号之间的差异比较。
[52]
结构方程模型研究变量之间的路径关系以及观测变量和潜在变量之间的贡献关系。这是一个路径分析和因子分析相结合的模型。结构方程模型的最大优点是可以构造潜在变量，并且使用方差矩阵-协方差矩阵来估计参数。研究了多变量之间的影响关系。一般来说，与逻辑回归模型相比，结构方程模型估计的参数更准确，因为不需要考虑控制变量，结构方程模型可以从研究的方程中排除测量误差。
一般来说，逻辑回归模型用于寻找风险因素。该模型操作简单，结果输出快速。通过多次建立方程来比较各种因素对因变量的影响程度，可以比较多种因素。与逻辑回归模型相比，虽然结构方程模型更加复杂，但结构方程模型可以同时研究多个环节的因果结构，这些因果关系可以通过路径图清晰表达，允许自变量和因变量包含测量误差，从而进行更深层次的分析，如比较变量之间的相对重要性，计算变量之间的直接和间接影响。总之，这两种模式各有优势，如何在特定情况下使用它们应该在特定情况下进行分析。
4.3.2两种农村老年人生活质量影响因素模型的结果比较。
(1)相似性在寻找老年人重要的健康影响因素方面，就农村老年人生理健康影响因素的研究模型而言，两种模型的相似性在于吸烟和不饮酒老年人的生理健康评价较低。就心理健康影响因素的研究模型而言，两种模型相似之处在于，农村老年人为女性，受教育程度较低，不饮酒，子女不是生活费用的主要来源，很难得到子女的照顾，子女生病时也不是老年人的主要照顾者，心理健康状况不佳。这个结果与以前的研究结果一致。
至于个人因素、家庭因素和健康相关行为因素对老年人健康的影响程度，两种模型发现，在三种影响因素中，家庭因素对老年人生理健康的影响最小。
(2)差异:影响农村老年人生理健康的因素:
逻辑回归模型结果表明，年龄、适应症来源、水果消费频率、儿童类型和生活方式对老年人的生理健康影响较大。研究发现，老年时，支出来源主要不是来自自己和妻子，几乎没有水果消费，无论是孩子还是空窝老人都有较低的生理健康评价。结构方程模型的结果发现，性别和教育水平两个因素与生理健康相关，表明受教育程度低的女性和老年人的生理健康较差，家庭因素对老年人的生理健康路径没有显著影响。
影响农村老年人心理健康的因素:
Logistic回归模型发现，水果消费频率、儿童类型、生活方式与老年人心理健康相关，表明不经常吃水果的老年人有孩子，留守家庭心理健康评价较低。结构方程模型的结果表明，吸烟与老年人的心理健康密切相关，表明吸烟老年人的心理健康较差。
个人因素、家庭因素和健康相关行为因素对老年人健康恶化的贡献:
在身体健康方面，六个分层逻辑回归的结果表明，个人因素和行为因素对老年人身体健康的影响相对较大，而家庭因素对老年人身体健康的影响最小。结构方程模型发现，行为因素对老年人的生理健康最重要，其次是个人因素，行为因素的影响是个人因素的2.8倍。在心理健康方面，六个分层逻辑回归的结果均发现，家庭因素对老年人心理健康的影响最大，而结构方程模型发现，行为因素对农村老年人心理健康的影响最大，个人和家庭因素的影响较小，行为因素的影响分别是家庭因素和个人因素的2.67倍和2.45倍。
此外，结构方程模型还发现，在分析农村老年人影响因素的路径时，发现个人因素和行为因素对生理健康有间接影响，个人因素通过心理健康对生理健康的间接影响为-0.014，行为因素通过心理健康对生理健康的间接影响为0.036。
4.3.3两种模型的应用评估。
在以往的研究中，逻辑回归模型主要用于三个主要目的:寻找风险因素、预测和区分。
结构方程模型的应用主要在于信度效度检验和医学心理学研究，但在健康研究方面缺乏[53]。结构方程模型在老年人生活质量影响因素分析中的应用也是一种新的尝试。在本文中，逻辑回归主要用于寻找风险因素和计算因素的贡献。就寻找风险因素的结果而言，逻辑回归相对简单，易于操作。需要分别建立两个模型来寻找风险因素。然而，没有必要为了获得更好的结果而多次修改模型。例如，在心理健康逻辑模型中，所得结果与结构方程模型基本一致。因此，如果发现更复杂的风险因素，逻辑回归模型是比结构方程模型更好的选择。
本文研究了潜在变量之间的关系。对于生理和心理健康模型，逻辑回归模型通过6个回归结果比较个人因素、家庭因素和健康相关行为因素对老年人生活质量的影响，计算各因素的贡献。可以看出，多元逻辑回归得到的结果比较一致，结果的稳定性也比较好。结构方程模型因其自身的特点，可以将个人因素、家庭因素、健康相关行为因素、心理健康和生理健康作为五个平行的潜在变量放在一个模型中进行分析，并可以获得潜在变量之间的路径结果。例如，本研究发现个人因素和行为因素通过心理健康对生理健康有一定的间接影响。
在这一点上，作者认为结构方程模型更好。
总之，如果只需要找到风险因素，我认为逻辑斯蒂更好，但是如果你想在更深层次上找到潜在变量之间的关系，当然选择结构方程模型。
4.4本章概述。
本章的主要目的是分析影响农村老年人生活质量的各种因素，找出影响农村老年人生活质量的重要因素，并为以下提高农村老年人生活质量的建议提供数据支持。由于农村老年人生活质量各维度的逻辑回归模型和结构方程模型的分析结果中存在一些共同的影响因素，为了避免重复的交叉建议，本研究将从这两个模型的共同影响因素中得出结论。
本章的主要结论包括:
（1）女性、文化程度低的农村老年人心理健康较差。结果表明，基于Logistic回归的心理健康模型（性别因素β=-0.300,P