本文主要是介绍amos基础3-实务上的要求，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一，样本
小样本容易导致收敛失败，不恰当的解，低估参数值，因此样本量规定如下：
Loehlin(1992)提出，一个有2-4个因素的模型，至少100个样本，200个更好 ,因此小于100个样本也就不适合使用Amos
Bentle and Chou (1987)提出样本数至少为估计参数的5倍（根据经验法则估计参数为观察变数的2倍）
二，参数估计方法
在SEM分析中，提供5种模型估计的方法如图：
一般化最小平方法（generalized least squares）未加权最小平方法（unweighted least squares）尺度自由最小二乘法（scale-free least squares）渐进分布自由法（asymptotically distrubution-free）
最广泛使用的估计模型为ML估计法。（kelloway, 1998）只有是大样本并且假设观察数据符合多变量正态性，卡方检验才可以合理使用,但是当观察变量是次序性变量，且严重地呈现偏度或高狭峰等非正态性分布情形时，ML的估计值，标准误和卡方值检验的结果，都是不适当，不可信的
这篇关于amos基础3-实务上的要求的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
