结构方程论坛SEM-Structural·Equation·Modeling's Archiver

semchina 发表于 2011-3-22 19:39

结构方程模型的基本观念

(一) 结构方程模型是什么

结构方程模型可以说,就是「路径分析 (path analysis)」和「因子分析 (factor analysis)」的结合体。它的用途,与大家所熟悉的多元回归分析十分相似,但是不同的地方在于,结构方程模型是一种更为强大的统计方法,在构造模型和估计参数的过程里,可以直接处理多组方程间的互动干扰、非线性关系、不独立(相关)的自变量、残差相关、衡量误差、以及将多组相依的衡量模型共冶于一个单一模型当中。事实上,我们可以将结构方程模型视为「广义线性模型 (general linear model: GLM)」的延伸,它的强大功能,绝对可以用来取代我们惯用的回归分析、路径分析、因子分析、时间序列分析、甚至共变量分析。不过限于篇幅,本书将聚焦于结构方程模型在因子分析、潜变量路径分析、和一般路径分析上的应用。

相对于多元回归分析,结构方程模型在应用上的限制也较少,关键的亮点包括在进行「路径分析」的时候,即使自变量间存在明显的共线性 (multicollinearity),结构方程模型依然可以照单全收,丝毫不影响其解释上的有效性。利用结构方程模型来进行「验证性因子分析」,更可以通过将多个可观测变量指定给单一潜变量,从而可以在根源处直接降低衡量误差。尤其在残差的处理上,很少有统计方法可以这么方便地直接检查每一个可观测变量的残差,甚至操弄这些残差之间的相关。结构方程模型在路径系数的处理上也高人一等,不仅可以同时估计多个自变量对多组因变量的关系,还能够进行多样本多模型之间的系数比较。最重要的优势是,结构方程模型不仅仅可以估计单一参数的系数,还能够直接估计整体模型的拟合度,这是许多传统统计方法所望尘莫及的。

如前所述,结构方程模型的主要用途,其实是用来验证研究者心中对于他所想象世界的猜想,而比较不是用来探索一个新的世界。换言之,在应用结构方程模型的一开始,大多数的研究者在他的心中,早已存在某些定见了。这些定见的存在形式,大抵上可以分成两种:(1) 研究者想要检验他的某个想法是否正确,于是构造了一个结构方程模型,在代入真实数据对模型进行估计后,研究者可以根据拟合指标的好坏,来判断真实世界里的数据,和他所构造的模型之间是否一致,从而明白他原先的想法是否可以接受。(2) 研究者根据不同理论,得出两种或两种以上可以用来描述这个世界的不同看法,然后针对这些不同看法,分别构造出不同的结构方程模型来,在代入真实数据分别对这些模型进行估计后,研究者可以根据拟合指标的好坏,来判断究竟哪种看法,更加切合实际。

尽管如此,我们还是可以在文献中看到有些研究者,利用结构方程模型来进行模型探索,而不是正确使用结构方程模型,来验证心中事先设定的模型猜想。例如有些研究者在验证原先设定好的结构模型时,发现拟合指标很差,于是通过「修正指标 (modification index)」的暗示,「为数字而数字」地对模型任意调整改动,直到拟合指标达到及格标准为止。当然这样的作法并不可取,因为通过这种过程而勉强予以接受的结构模型,可能只是刚好反映了这组特定样本的特征,而不是因为模型本身可以放诸四海而皆准,换句话说,是因为这组特定样本造就了一个事先想象不到、缺乏理论依据的模型,而不是通过真实数据,验证了一个具有理论深度的模型。这样的模型即使拟合指标合格了,可能还是缺乏外部效度,我们很难接受这样的模型会是能够代表事实真理的模型。对于这种情形下所构造出来的结构方程模型,研究者有必要使用多组不同的样本,对相同模型进行多次验证,也就是「强韧度测试 (robust tests)」,如果多组样本都证实了相同结构模型的「拟合指标」都是及格的,那么我们才能够正式接受这个结构方程模型。

匿名 发表于 2011-3-22 22:35

:victory:

页: [1]

Powered by Discuz! Archiver 7.2  © 2001-2009 Comsenz Inc.