请教采用结构方程模型验证潜变量的调节效应的方法
<br /> 各位高手：<br /> 我正在做博士论文，中间涉及调节效用的检验。按照侯杰泰等人的观点，可采用加入乘积项的结构方程来验证。乘积项指标常用的方法有两个：（1）分别相乘，即如果变量X有三个指标，变量Y有三个指标，乘积项变量XY的指标有九个；（2）配对相乘，即如果变量X有三个指标，变量Y有三个指标，乘积项变量XY的指标有三个。我的任何一个自变量指标都在3个以上，而调节变量的指标有10个以上，这两种方法似乎都不适合。导师否认了这两种做法，说他看过文献，有一种方法最合适：直接采用<strong>自变量的因子得分与调节变量的因子得分相乘作为乘积项变量</strong>放入模型，<strong>再采用SEM验证</strong>。我从来没有见过这种分析方式，但导师很固执，不容分辨，让我去找文献出处后再按该种方法分析。我无语。如有哪位高手看见过此种分析方法，请把文献出处列出来，不胜感激！或对该种方法能提出证据进行排除的，同样非常欢迎！ <strong> 1# <i>wgb01</i> </strong> <br /> <br /> 我只说五句话：<br /> 1、两种方法都是有偏的。因此无所谓适合不适合<br /> 2、第二种方法，应当是基于回归的，而不是SEM的<br /> 3、如果你两个变量的因子分析的结果非常好，建议采用第二种方法<br /> 4、第一种方法的参考文献有，第二种因为方法太普通了，找不到权威的参考文献。<br /> 5、我的话完了，欢迎大家补充 <strong> 2# <i>辛勤工作</i> </strong> <br /> 谢谢赐教！自变量的因子得分与调节变量的因子得分相乘，放入方程，通过回归分析，是很普遍的的做法。我的问题是，如果采用结构方程模型（SEM）分析，能行得通吗？这样相乘的结果，乘积项成了显变量，与潜变量一起，构成整个模型，AMOS软件支持吗？思路上正确吗？多谢1 显变量和潜变量可以在同一个模型中出现，相关的书籍中有~ <strong> 3# <i>wgb01</i> </strong> <br /> <br /> 如楼上所述，显变量与潜变量是可以在同一个模型中出现的，这本身没有问题。<br /> 但是，乘积项作为显变量，用SEM来处理，我实在想不出，这样怎么处理出调节效应来，如果不是用分组的话。 <strong> 4# <i>fishlovme</i> </strong> <br /> 在哪些书里有？能否给出一两本书名？多谢！ <strong> 5# <i>辛勤工作</i> </strong> <br /> 理论上讲，如果可以把潜变量和显变量放入同一个模型中，可以通过看乘积项变量与因变量之间的路径系数是否显著，来判断调节效应是否存在。问题是，我总觉得这种思路用结构方程模型分析怪怪的，如果是回归分析，是正常的。当然，回归分析时，模型中没有显变量和潜变量之分。因此，如果谁能在哪篇文献里看到过这种分析思路，就能证明行得通了！我是从没看过类似文献的。痛苦! <blockquote>wgb01 发表于 2010-8-28 17:44 <img src="http://bbs.pinggu.org/images/common/back.gif" "thumbImg(this)" alt="" /><br /> <strong>2# <i>辛勤工作</i> </strong><br /> 谢谢赐教！自变量的因子得分与调节变量的因子得分相乘，放入方程，通过回归分析，是很普遍的的做法。我的问题是，如果采用结构方程模型（SEM）分析，能行得通吗？这样相乘的结果，乘积项成了显变量，与潜变量一起，构成整个模型，AMOS软件支持吗？思路上正确吗？多谢1</blockquote> <br /> 1.<br /> 根据楼主所述，你研究变项的自变项与干扰变项（moderating variable）都是连续变项，使用AMOS的分组来检验moderating effect，有所不妥！<br /> <br /> 2.<br /> 对于moderating effect的检验，过去都依照Baron & Kenny (1986)的作法，AMOS流行之后，moderated regression analysis(MRA)有被减少使用的趋势。SEM中的AMOS其实也是使用自变项与干扰变项（moderating variable）的相乘项（product），同样把当作自变项。楼主可以使用moderating effect, AMOS等两个关键词到google或是EBSCO, ABI/Inform搜寻。应该会找到你论文专业领域的论文使用AMOS来检验moderating effect。<br /> <br /> 3.<br /> 要注意的是，变项与干扰变项（moderating variable）的相乘项（product）会造成共线性的问题，所以要先在Excel进行mean-centering的过程，否则AMOS无法处理，SPSS不像Excel那么方便！<br /> <br /> 4.<br /> 我在台湾听过张伟豪老师的统计研习课，张老师告诉我们可以直接使用smartpls的软件来做。<br /> <br /> 5.<br /> 不敢说，您的指导教授说法不对，但相信你可以找到第一种方法的期刊论文来左证。<br /> <br /> 6.<br /> 问题是，指导教授是否会接受？？？Good Luck! <blockquote>wgb01 发表于 2010-8-29 16:18 <img src="http://bbs.pinggu.org/images/common/back.gif" "thumbImg(this)" alt="" /><br /> <strong>4# <i>fishlovme</i> </strong><br /> 在哪些书里有？能否给出一两本书名？多谢！</blockquote>北大出版一本陈晓萍﹑徐淑英等老师主编的『组织与管理研究的实证方法』<br /> 其中第十四章由罗强胜与姜燕老师所写的『调节变项与中介变项』可提供理论依据！<br /> <br /> 另外，罗老师的演讲视讯下载也可在本论坛搜寻！<br /> <blockquote>辛勤工作 发表于 2010-8-29 12:21 <img src="http://bbs.pinggu.org/images/common/back.gif" "thumbImg(this)" alt="" /><br /> <strong>3# <i>wgb01</i> </strong><br /> <br /> 如楼上所述，显变量与潜变量是可以在同一个模型中出现的，这本身没有问题。<br /> 但是，乘积项作为显变量，用SEM来处理，我实在想不出，这样怎么处理出调节效应来，如果不是用分组的话。</blockquote>1.<br /> Moderating effects of Job Relevance and Experience on mobile <strong>...</strong><br /> <br /> - <br /> 由 SH Kim 著作 - 2008 - 被引用 9 次 - 相關文章<br /> AMOS 5.0 was the main statistic tool used in the analysis. <strong>....</strong> The moderating effect of job relevance was also found to be significant (β = 0.261, <strong>...</strong><br /> <i>linkinghub.elsevier.com/retrieve/pii/S0378720608000773</i><br /> <br /> <br /> <br /> 1.<br /> Mediation (David A. Kenny)<br /> <br /> - <br /> Also Amos can be used to bootstrap (click here for a tutorial). <strong>....</strong> Conceptualizing and testing random indirect effects and moderated mediation in <strong>...</strong><br /> <i>davidakenny.net/cm/mediate.htm</i><br /> <br /> <br /> 1.<br /> <br /> This research builds upon Voss and Johnston's (1995) "Service in <strong>...</strong><br /> <br /> - <br /> 檔案類型: PDF/Adobe Acrobat - 快速檢視<br /> between service practices and service performance. Multigroup analysis within Amos. 4.0 was used to assess the moderating variable effects on the structural <strong>...</strong><br /> <i>www.ctvr.ie/.../1269%20final%20revision%20%20may%2006.pdf</i><br /> <strong> 8# <i>096001</i> </strong> <br /> <br /> 你说的还是观测变量相乘后基于SEM的方法，但是看楼主的意思，好象是要用因子得分相乘后作为观测变量的方法<br /> 前者的文献很多，后者，我还真没看到过相关的方法。<br /> btw: 纠正我以前的一个说法，用SEM处理调节变量，除了分组之外，确实还有别的方法。 <blockquote>辛勤工作 发表于 2010-8-30 08:37 <img src="http://bbs.pinggu.org/images/common/back.gif" "thumbImg(this)" alt="" /><br /> <strong>8# <i>096001</i> </strong><br /> <br /> 你说的还是观测变量相乘后基于SEM的方法，但是看楼主的意思，好象是要用因子得分相乘后作为观测变量的方法<br /> 前者的文献很多，后者，我还真没看到过相关的方法。<br /> btw: 纠正我以前的一个说法，用SEM处理调节变量，除了分组之外，确实还有别的方法。</blockquote>但是看楼主的意思，好象是要用因子得分相乘后作为观测变量的方法<br /> 前者的文献很多，后者，我还真没看到过相关的方法。<br /> <br /> <br /> 同意 辛勤大大的看法！<br /> <br /> 不过，博导的意见还是要想办法处理！<br /> <br /> 您也是过来人，个中分寸不好拿捏！<br /> <br /> 所以，我才拿罗教授的说法，看看是否能扭转 <strong> 12# <i>096001</i> </strong> <br /> 非常感谢！的确，自变量、调节变量、因变量都是连续变量，且是带有观察项的潜变量。侯杰泰所说的可采用加入乘积项的结构方程来验证，乘积项是潜变量，乘积项的观察项（或测量指标）是通过自变量和调节变量的观察项（或测量指标）逐一相乘或配对相乘得到的，类似做法的参考文献非常多。导师的意见就是：自变量的因子得分与调节变量的因子得分相乘作为乘积项变量，这个变量是显变量，自变量和因变量是带有观察项（测量指标）的潜变量，把乘积项变量视为新增加的自变量，对整个模型采用结构方程模型分析（分析软件用的是AMOS)。我本人认为该种做法不对（回归分析的思路并不完全适用于结构方程模型），但没有有力证据来反驳。违心地按照该种做法来做吧，又没有理论依据。因此非常痛苦！<br /> 希望各位高手不吝赐教，提出自己的看法！ <strong> 13# <i>wgb01</i> </strong> <br /> <br /> 我爱我师，但我更爱真理。 楼上的院士太牛了 佩服 致敬 我现在就是这样做的啊，温忠麟\吴艳的文章有证明过的.我现在是捆扰结果验证的,问题,是否交互项与因变量系数通过验证就证明调节作用了。如果假设是正的，系数为负并且显著的话，应该也没通过过。如何说明调节作用强弱呢。 看了院士提供的文献，好象都是关于分组的啊，有没有用乘积项的AMOS的文献啊,中英文都可以 <strong> 16# <i>kjfgc</i> </strong> <br /> 你说的是吴艳与温忠麟发表心理学报2009年第12期的论文“潜变量交互效应建模: 告别均值结构”吗？他们的方法还是采用带有配对相乘指标的乘积项放入模型。你具体是怎么做的？是配对相乘还是逐一相乘指标？如果乘积项变量对因变量的回归系数显著，调节效应存在，如果回归系数为负，说明调节效应为负。 <strong> 18# <i>wgb01</i> </strong> <br /> <br /> 非常感谢，从楼上的回答中学到了不少。<br /> <br /> 楼主提到：自变量的因子得分与调节变量的因子得分相乘作为乘积项变量，这个变量是显变量，自变量和因变量是带有观察项（测量指标）的潜变量，把乘积项变量视为新增加的自变量，对整个模型采用结构方程模型分析（分析软件用的是AMOS)。我本人认为该种做法不对（回归分析的思路并不完全适用于结构方程模型），为什么不对？回归分析的思路为什么并不完全适用于结构方程模型？ 配对相乘 ,大对大，小对小。文献中说的很明白，温2010的新文章也进一步说明了，你看下应该很明白了，而且无约束结构方程更简单。<br /> 把温关于交互效应的文章看下，应该就能弄清楚了，我想我应该理解了，就是不知道做法上是否没问题.呵呵。页:
[1]
2