方程模型
作者：互联网
分析报告解读
1、模型正态性检验
运用极大似然估计，所以要对数据进行正态性检验，在这张表格中重点关注两个系数，一个是偏度系数（skew），另一个是峰度系数（kurtosis），如果偏度系数大于3，峰度系数大于8
则可能数据很有可能呈现非正态分布的情况，这时候就不能运用极大似然估计，就要选择其他的方法。上述表格中的参数都在可估计的范围内，所以数据是符合正态分布的，所以可以运用极大似然估计。
2、模型报告进行解读
独立的样本输出点。矩阵的下三角的个数是n（n+1）/2, 例子中观测变量主要有18个，所以18（18+1）/2=171.
44是模型中需要估计的参数的个数
127是自由度:独立样本点的个数-需要估计参数的个数（171-44）=127
Chi-square：卡方值：可以理解为实体数据与拟合数据之间的差异
P<0.001,说明我们的实际数据没有支持我们的假设模型。拒绝假设模型。
样本量过大时候，可能产生的卡方值也是比较大的，从而拒绝假设模型。但是结构方程模型又要求很大的样本量，所以在看拟合时不仅要看卡方值，也有学者提出，卡方值除以自由度时小于3的，那么我们的模型也是可以被接受的。
2、参数估计：路径系数
潜变量的的路径系数和相应的显著性水平。
参数估计：标准化路径系数
标准化是指去除测量单位的影响。数-平均数再除以标准差。这样不同单位的系数就可以进行比较了。
参数估计：外生潜变量协方差
2、模型适配度的报告---并不是所有的都用，选用几个适用的指标
标签：似然,方程,系数,18,模型,卡方值,估计 来源： https://www.cnblogs.com/jxy10/p/14851298.html