[求助]菜鸟问个经常出现的困惑关于潜变量测量，急！
<p></p><p>小弟我看了很多结构方程模型论文，大多只列出了主要的潜变量的关系，但是对于这些每个潜变量背后巨大的多维量表如何最终测量得到潜变量数值很不清楚，因此无法开展研究，请各位大侠专家赐教！不胜感激！</p><p>我在许多管理学的博士和期刊论文里看到大量用3层或者以上潜变量构建结构方程模型，每个潜变量都是由一个比较大的多维量表去支撑的，如研究，如由一个文章模型的一部分是研究组织承诺通过员工态度的中介作用影响企业绩效的3个潜变量模型，其中组织承诺是由1个巨大的包含3个维度（连续承诺、规范承诺和感情承诺）的量表来测度，但是在我看来，用来测量组织承诺的三个维度本身就是3个潜变量，因为他们也都是由许多问项测得的，可惜在各类文章中，都仅仅列出了他们模型核心潜变量的路径图，以及核心潜变量的相关系数矩阵，我菜鸟实在不知道这些潜变量的值是如何确定下来的，比如上例该文章仅仅列出了组织承诺与员工态度，以及组织承诺与企业绩效的相关系数，和路径图，可是我不知道组织承诺是如何被测量出来的，一般说潜变量都是需要由3个或以上显变量测量，但是组织承诺的3个测量变量（连续承诺、规范承诺和感情承诺）都是隐变量啊，因为他们本身都是由许多问项去测量的，难道隐变量还可以测量隐变量？或者作者把他核心隐变量组织承诺的上一阶隐变量全部视为显变量处理了？他的处理方法又是什么呢？</p><p>我在看了一些相关资料后，推测可能是先进行因子分析，然后利用因子得分进行测量，比如上例对组织承诺的测量量表进行因子分析，得到该量表3个维度（连续承诺、规范承诺和感情承诺）的因子得分，将因子得分视为该3个维度的分数以将这3个维度转化为组织承诺的显变量，继而进行后续的结构方程模型分析，等于对模型进行了降维处理，不知道是不是这样的？</p><p>这种利用大型多维量表去测量某个潜变量是非常常见的，但是由于量表本身就是多维的具有潜变量，而不是我在AMOS教程里看到的每个潜变量都是由3，4个简单问项作为显变量去测量，而每个论文里都没有说明他是如何将多维的测量量表中的各个维度转化为其模型核心潜变量的显变量的，请大家不要笑我，我是真的不知道啊，谢谢大家了！</p> <p>我也等待</p> 问题应该简洁。看了一会，搞不明白楼主到底问什么？ <p>楼主的问题说得很繁琐啊，个人看了一下，楼主是不是想问结构方程模型中的隐变量怎样得到的啊？</p><p>一般来说，本人实际做研究的时候，会先构想自己要印证的模型的结构，然后根据模型变量的含义，对每个变量设置尽可能完备的测项，一般这个设置的过程是有量表可以参考和组合的，或者是通过深度访谈得到，然后对通过前测保留大约20个效果最好的测项。</p><p>用这个量表进行测量，数据拿回来，是每个测项的数据，然后用因子分析对测项数据进行分析，之后会看效果，是否能够提炼像一开始设计那样的几个变量，一般都能提取出来，否则就是前测没做好，就从修改量表开始再来一次。提取出这几个变量以后，再将测项的数据放到lisrel里头，通过组合调整删减，做出结构模型。</p><p>个人认为，变量的得到最常用的方法是因子分析，但不仅仅只有因子分析，聚类和主成分分析也都有人用，看看实际情况吧，符合相应的假设条件，就应该用相应的方法。</p><p>至于隐变量的问题，不知道楼主提的隐变量具体是指哪一级的变量，曾经和同仁讨论过一级变量和二级变量的问题，通常我们如果做验证性因子分析的时候，原本认为是一个变量的，结果却显示两个，那么会再用属于该两个变量的数据再做一次因子分析（聚类，主成分分析都有可能，看实际需要），然后通过组合调整变换，将它们拟合成一个变量，把前面的两个变量称为一级变量，后面的一个变量称为二级变量。不过以前读书的时候，和导师交流，感觉这种方法会对模型结构有不可预知的误差威胁，所以以前老师会更提倡我们的文献研究的时候，把模型做好一些，尽可能不要用二级变量。不过老师也说，学术界有些人倒是热衷于二级变量的运用，我想这个可能是观点的不一样咯。</p><p>不知道回答了楼主的问题没有。</p> <p align="right"></p> 请你先学会形成型变量和反映型变量的区别，这个问题就很简单了。 这个问题问的很有价值！<br /> 5楼的回答"请你先学会形成型变量和反映型变量的区别，这个问题就很简单了。"这个回答其实应该进一步说pls和lisrel的区别。<br /> 4楼的回答也是一个思路。<br /> <br /> 但我要说，这个问题另外一个比较现实的做法是结构方程中有关“项目组合”问题的讨论，建议你朝这个方面学习，自然会豁然开朗！ 参看了 各位的意见收获很大啊 ，但是还是很朦胧嘿嘿 ，继续学习~<br /> 我把问题简化如下：研究两个变量A和B之间的关系，潜变量A 由 a1 a2 a3 三个潜变量构成，a1 由1个包含很多问题的量表去测得，a2 a3 也一样，但是，我以前只学过潜变量A 由 a1 a2 a3 三个可以直接测得的显变量构成这种最简单的情况，现在多了1层潜变量如何处理求的A-B之间相关性啊？？ 这个问题很实在，我也有类似的困惑，当前结果方程方面的书籍资料都只是告诉我们可以用几个显变量去度量一个潜变量，那隐藏在下面的度量方法是什么呢，结构方程到底是如何通过指标的值得出潜变量的值的啊，是因子分析的因子得分吗？这个问题再深一层就是楼主提的问题了，通过几个一级潜变量又是如何得到二级潜变量的值，企盼高手指点！ <br /> 其实就是这样的关系。见图<br /> <img src="http://397.edu.pinggu.com/attachments/month_0906/0906221210ed56292fe23cd09d.jpg.thumb.jpg" border="0" id="aimg_341936" onmouseover="showMenu(this.id, false, 2)" /> <p></p><p> <img src="http://397.edu.pinggu.com/attachments/month_0906/09062212119fa9e78ef7af947d.jpg.thumb.jpg"> </p> 我觉得楼主也有可能是自己把问题想得过于复杂化了.楼主的问题症结不在于结构方程模型和lisrel的运用问题，而是对于变量的操作化定义、量表维度的降维以及辨析变量是否为潜显变量的问题。<br /> <br /> 个人浅见: 楼主自己举的例子：“如由一个文章模型的一部分是研究组织承诺通过员工态度的中介作用影响企业绩效的3个潜变量模型，其中组织承诺是由1个巨大的包含3个维度（连续承诺、规范承诺和感情承诺）的量表来测度，但是在我看来，用来测量组织承诺的三个维度本身就是3个潜变量，因为他们也都是由许多问项测得的” <br /> 组织承诺的操作性定义是括号里的三个，这三个内容可以分别由多个问题去测量，也就是说，这三个内容是可以通过问卷直接测量的，是显变量。而不是潜变量。<br /> 作为显变量，如果它需要多个问项来测，该如何做呢？如楼上各位所说的，提炼。常用的方法就是因子分析了。提取之后，有的变量仍然需要六个甚至更多的构面来表示。<br /> 需要说明的是，问项常常并不是一一对应于变量。有时候一个变量有多个构面，每个构面又由多个问题构成。<br /> <br /> 你举的第二个例子就很清楚：a1,a2,,a3都是显变量，每个显变量都包含多个构面，每个构面需要很多问题来测量。 <strong> 10# <i>yushi12</i> </strong><br /> 菜鸟问一下，括号里的怎么怎么通过多个问题来测？<br /> 我怎么觉得括号里的那几个也是潜变量呢。 原則上, lisrel祗能做二階的衡量模型, 一般而言,三層的衡量模型在進行證驗時必須對較低階的潛變量進行組合, 以往有學者使用因子負苛量做加權因子,以將觀察變數加權組合成第一階的潛變量, 但心理學者認為此方法有過度配適問題, 因此主張直接以觀察變項直接加成平均組成第一階的潛在變量. <br /> 同此法, 在四階時,可將最低階的二層潛變量直接打散加成平均組成低階潛變量即可. 楼主，你的问题解决了吗？？？我也想知道啊，非常想知道该怎么解决！！！ 这个问题我也很想知道答案<br /> 请高手指点 我也想知道，期待高手出现！ 最近看过一些这方面的，根据心理测量理论，对于某一潜变量用尽可能多的维度去测量，对于潜变量的测度就越准确，因此可能会产生有些潜变量的维度很多。看了楼主的模型，按照结构方程的构造，圆形或椭圆形表示的潜变量，方形或长方形表示的是测量变量。如果楼主模型中方形测量变量不是潜变量的维度的话，那很有可能就是条目的组合，有的人也叫项目组合，英文为item parceling。实际上就是把太多维度降低到3个，4个，或者是6个测量指标indicator。而具体的parceling 的方法比较复杂，楼主若感兴趣请参考一下这篇文章：To parcel or not to parcel-exploring the question, weighing the merits。是比较好的一篇review，详细介绍了item parceling的优缺点以及组合策略，相信应该能解决你的问题。若需要分享这篇文章，请发邮件至：nekosakula@yahoo.com.cn 根据心理测量理论，对于一个潜变量的测量能用尽可能多的维度去测量得到的测度就越准确，因此会产生潜变量有过多的条目或维度。仔细看了一下楼主的模型，根据结构方程的画图规则，圆形或椭圆形表示潜变量，方形或长方形表示测量变量，如果楼主模型中的测量变量不是条目的话，那极有可能是indicator，我想楼主大概想问的是indicator是如何构造的，以及其与测量条目item之间的关系。这涉及到的就是item parceling的问题，中文翻译为条目组合或项目组合，而item parceling的策略要根据潜变量的性质决定。如果对这个问题感兴趣，请参考这篇文章：To parcel or not to parcel-exploring the question, weighing the merits。是一篇比较好的review，详细介绍了item parceling的优缺点及各种策略。如需分享，请发邮件至：nekosakula@yahoo.com.cn。另外，在构造结构方程模型时，软件默认的测量模型均为反映型模型，而我所见的construct中，形成型的很少，即使有在理论上也存在很大争议。<br /> 呵呵，不知道有没有回答楼主的问题。 根据心理测量理论，对于一个潜变量的测量能用尽可能多的维度去测量得到的测度就越准确，因此会产生潜变量有过多的条目或维度。仔细看了一下楼主的模型，根据结构方程的画图规则，圆形或椭圆形表示潜变量，方形或长方形表示测量变量，如果楼主模型中的测量变量不是条目的话，那极有可能是indicator，我想楼主大概想问的是indicator是如何构造的，以及其与测量条目item之间的关系。这涉及到的就是itemparceling的问题，中文翻译为条目组合或项目组合，而item parceling的策略要根据潜变量的性质决定。如果对这个问题感兴趣，请参考这篇文章：Toparcel or not to parcel-exploring the question, weighing themerits。是一篇比较好的review，详细介绍了itemparceling的优缺点及各种策略。如需分享，请发邮件至：nekosakula@yahoo.com.cn。另外，在构造结构方程模型时，软件默认的测量模型均为反映型模型，而我所见的construct中，形成型的很少，即使有在理论上也存在很大争议。<br /> 呵呵，不知道有没有回答楼主的问题。页:
[1]