潜变量交互效应分析方法.pdfVIP

心理科学进展 2003，11 （5）：593~599 Advances in Psychological Science 潜变量交互效应分析方法* 温忠麟 侯杰泰 (华南师范大学教科院，广州 510631) (香港中文大学教育学院，香港) 马什赫伯特 (西悉尼大学教育学院，悉尼 澳大利亚) 摘 要 简要回顾了分析显变量交互效应的常用方法。详细讨论了目前分析潜变量交互效应的主要方法，包 括用潜变量的因子得分做回归分析、分组线性结构方程模型分析、加入乘积项的结构方程模型分析 和两步最小二乘回归分析，并比较和评价了这些方法的优缺点。最后归纳了潜变量交互效应分析方 法的研究趋势，并介绍了新近进展（包括LMS 方法和GAPI 方法）。 关键词 潜变量，交互效应，回归，结构方程。 分类号 B841.2 在心理以及其它社会科学领域，经常会遇到估计或检验变量间的交互效应问题。看一个简单的例子： 在一项研究中，一组学生的某项动机指标，在初中一年级时和在初中三年级时的均值，差异不显著；但如 果将男女生分开考虑，结果是男生的均值显著下降，而女生的均值显著上升。这说明 “年级”的主效应不 显著，但“年级”与“性别”的交互效应显著。所以，如何估计交互效应，是研究方法的一项重要任务。 如果涉及的变量是可观测变量（即显变量），交互效应的分析方法是比较成熟的，多数读者也比较熟 悉。但在心理、行为、管理和社会等研究领域，所涉及的变量往往不能直接观测，即所谓潜变量[1] （latent variable ）。虽然有关潜变量及结构方程模型 （Structural Equation Modeling, SEM）的分析日渐普遍，但如何 分析潜变量的交互效应，不仅国内未见有关的文献，国外也是近几年才引起重视并得到发展。心理学界对 如何分析潜变量的交互效应做出了开拓性的贡献。 本文首先简要回顾分析显变量交互效应的方法，然后介绍分析潜变量交互效应的主要方法，并评价各 方法的优缺点，最后分析研究趋势和新近进展。. 1 两个可观测变量的交互效应 考虑两个自变量X 1、X2 对因变量Y 的影响，下面根据X 1、X2 的取值情况，简述相应的分析交互效应的 统计方法。 1.1 方差分析 当两个自变量X 1、X2 都是类别变量时，通常采用两因素方差分析。习惯上将自变量称为因素，其中一 个记为 A ，另一个记为 B 。多数人对交互效应的认识，就是从两因素实验设计和方差分析开始的。通常的 心理与教育统计著作都有方差分析的内容（如文献[2]）。也可以用线性模型的参数估计方法估计交互效应的 值（可参考文献[3]）。流行的统计软件(如SPSS, SAS)都有方差分析功能，可以做交互效应分析。 1.2 回归分析 当两个自变量X 1、X2 都是连续变量时(在实际应用中，许多定序变量都可以合理地当作连续变量) ，为 [4,5] 了分析交互效应，可以使用带X X 项的回归模型 ： 1 2 收稿日期：2002-10-10 ∗本研究得到教育部“十五”重点课题（DBA010169）、中国国家留学基金委员会以及香港中文大学、华南师范大学心理应用研 究中心（教育部文科基地）资助。与本文有关的查询请和温忠麟联系,E-mail: wenzl@scnu.edu.cn. 593 -594- 心理科学进展 2003 年 Y β + β X + β X + β X X +e , ( 1) 0 1 1 2 2 3 1 2 其中X ，X 是主效应项，X X 是交互效应项。对假设H ：β=0 作t 检验，以推断X