通径分析(ⅰ)——基本步骤

通径分析是什么

通径分析的基本原理是美国学者赖特(S·Wright)于1921年创立的。

通径分析是指利用通径系数分析变量间相关关系的方法。

通径分析是进行相关系数分解的一种统计方法。它的意义不仅在于揭示了在多个自变量x1，x2，…，xm，y的相关分析中，xi对y的直接影响力和间接影响力，而且还可以在x1，x2，…，xm，y间的复杂相关关系中，从某个自变量与其他自变量的“协调”关系中得到对y的最佳影响的路径信息，即从复杂的自变量相关网中，得到某个自变量决定y的最佳路径，具有决策的意义。现通过实例说明通径分析的方法与步骤，并进一步了解通径系数的意义和应用。

通径分析的方法

1．世代的通径分析

亲本与子代的关系是通过配子建立起来的。遗传学已证明，双亲对子代的影响是相等的，所以一个配子代的通径系数就是1/2。在随机交配的条件下，上下代个体间的通径系数也等于l/2。

知道了这个关系，我们就可以求出任何亲属间的相关系数了。

2．多个变量间的通径分析

在一般情况下，我们参考多个变量之间的相互关系时，如果它们不是世代关系，那么每个通径的系数并不等于1／2。这时，就需要先通过表型测量，求出各个变量之间的相关系数，然后再求通径系数。

通径分析的意义

可以用通径系数绝对值的大小,直接比较各自变量在回归方程中的重要作用,自变量在回归方程中的重要作用,这对于一个多变量的系统中抓住关键因子,变量的系统中抓住关键因子,改变依变量的反映量是很有实用价值的。在多变量的研究中,通径量是很有实用价值的。在多变量的研究中,分析比相关分析更加全面,更加细腻。分析比相关分析更加全面,更加细腻。

通径分析及其简单实现

搜集变量资料是农业科学研究经常采用的方法，如：搜集作物的产量与其构成因素穗数、粒数、粒重等资料，研究这些变量的目的想知道这些变量之间的关系，许多人往往采用简单回归和相关或多元回归分析。但是，多元回归分析虽然在一定程度上能反映各个变量的真实关系，然而多元回归在分析偏回归系数时带有单位，使自变量对依变量的效应不能直接进行比较，从而不能比较各自变量的相对重要性。要解决这个问题，进行通径分析(即为通径系数的分析)是一个比较好的选择。然而令人感到棘手的是，面对繁杂的计算公式往往感到无从下手，下面从通径系数的概念入手，引出通径系数的求算方法，并利用SAS完成通径分析全过程。

1. 通径和通径系数的概念

1.1 通径

设依变量y和两个自变量x1、x2之间有如下关系：

x1

y

x2

图1 通径图

在图1 中“→”中表示变量间存在因果关系，箭头方向是原因到结果，称为通径。“ ”表示变量间存在相关关系，称为相关线，x1→y,x2→y为直接通径，由于x1,x2存在相关关系，又产生了两条间接通径，一条是x1是通过x2而作用于Y的通径，记作x1→x2→Y,一条是x2是通过x1而作用于y的通径，记作x2→x1→y。这种情况可以推广到i个自变量，并记直接通径为i→y（i=1,2,3····m）,间接通径为i→j→y(i=1,2,3····m，i≠j ) ，但也可统一记作i→j→y，当i=j时为直接通径，i≠j时为间接通径。

1.2 通径系数

表示各条通径对于改变依变量的相对重要性的统计数就叫通径系数, 记作Pi→j→Y 或简写为PijY。 通径系数的定义可以由偏回归系数导出。

未知驱动探索，专注成就专业

1

通径分析

1. 简介

通径分析（Path Analysis），又称偏路径分析，是结构方程模型（Structural Equation Modeling，简称SEM）的一种常用方法。它可以用于探索与预测变量关系的复杂性，揭示变量之间的直接和间接影响，帮助研究者建立更为综合的模型。

通径分析可以用于解决许多问题，例如确定变量之间的因果关系、检验理论模型、验证是否存在中介或调节效应等。它能够帮助研究者更好地理解变量之间的相互作用、潜在机制以及模型的适应性。

2. 通径分析的基本原理

通径分析是基于路径系数的统计方法，它使用指数函数来表示变量之间的因果关系。通径系数表示一个变量对另一个变量的直接影响。这些路径系数可以通过最大似然估计方法进行计算，并进行统计检验。

在通径分析中，研究者需要确定调整变量，即控制变量，以消除潜在的共变性。通过控制这些变量，研究者可以更准确地评估变量之间的因果关系。 未知驱动探索，专注成就专业

2

3. 通径分析的步骤

通径分析通常包括以下步骤：

步骤1: 确定研究问题和变量

首先，研究者需要明确研究问题，并确定相关的变量。这些变量可以是观察变量或潜变量。

步骤2: 建立模型

研究者需要根据研究问题建立适当的结构方程模型。模型可以包含直接效应、间接效应、中介效应、调节效应等。

步骤3: 收集数据

研究者需要收集与模型中的变量相关的数据。数据收集可以通过问卷调查、实验或观察等方法进行。

步骤4: 估计路径系数

使用最大似然估计方法，研究者可以计算路径系数，并对其进行统计检验。该方法可以提供关于变量之间关系的定量信息。 未知驱动探索，专注成就专业

3

步骤5: 分析结果

研究者可以根据路径系数和统计检验结果来解释变量之间的关系，并对模型进行评估。通过比较实际观察值和模型估计值之间的差异，研究者可以评估模型的适应性。

4. 通径分析的优势和局限性

通径分析报告

1. 引言

通径分析（path analysis）是一种统计方法，用于检测变量之间的因果关系。它通过测量变量之间的直接和间接效应，帮助研究者揭示复杂系统的内在结构和作用机制。本文将介绍通径分析的基本原理和步骤，并通过一个示例说明如何进行通径分析。

2. 通径分析的基本原理

通径分析基于结构方程模型（SEM），结合回归分析和因子分析的思想，来探究变量之间的因果关系。通径分析将变量之间的关系表示为路径（path），并通过路径系数（path coefficient）来衡量直接和间接效应的大小。通径分析的核心是构建路径模型，确定变量之间的路径关系。

3. 通径分析的步骤

步骤一：确定研究目的和研究模型

首先，我们需要明确研究的目的和研究模型。研究目的是指我们希望研究什么问题，研究模型是指我们用来表示变量之间关系的理论模型。

步骤二：收集数据并进行数据处理

在进行通径分析之前，我们需要收集相关的数据，并对数据进行处理。数据处理包括数据清洗、变量标准化等步骤，以确保数据的质量和可靠性。

步骤三：构建路径模型

根据研究模型，我们可以构建路径模型。路径模型表示变量之间的关系，通过路径系数来衡量直接和间接效应的大小。在构建路径模型时，需要根据理论基础和实际情况来确定变量之间的路径关系。

步骤四：估计路径系数

通过合适的统计方法，我们可以估计路径模型中每条路径的系数。常用的估计方法有最小二乘法（OLS）和最大似然估计法（MLE）。估计路径系数可以帮助我们了解变量之间的直接和间接关系。 步骤五：检验模型拟合度

在估计路径系数之后，我们需要对模型的拟合度进行检验。常用的拟合度指标有卡方拟合度（χ²）、标准化拟合指数（NFI）等。拟合度检验可以帮助我们评估模型是否符合观测数据。

步骤六：解释和讨论结果

最后，我们可以根据估计的路径系数和模型拟合度来解释和讨论结果。通过解释路径系数，我们可以了解变量之间的因果关系。同时，通过讨论模型拟合度，我们可以评估模型的解释力和预测能力。