结构方程模型的应用及分析策略.docVIP

结构方程模型的应用及分析策略 侯杰泰　　　成子娟 (香港中文大学教育学院　　　东北师范大学教育学院，130024) :差不多所有心理、教育、社会等概念，均难以直接准确测量，结构方程(SEM，Structural Equation Modelling)提供一个处理测量误差的方法，采用多个指标去反映潜在变量，也令估计整个模型因子间关系，较传统回归方法更为准确合理。本文主要用一系列有关学习动机的虚拟例子，指出每个问题的主要分析策略，以展示SEM在教育及心理学可以应用的研究范畴。文内探讨的方法包括：验证性因素、高阶因子、路径及因果分析、多时段(multiwave)设计、单形模型(Simple Model)、及多组比较等。 结构方程(SEM,Structural Equation Modelling)、协方差结构模型(Covariance Structure Modelling、LISREL)等类似名词已渐流行，并成为一种十分重要的数据分析技巧；在大学高等学位研究课程，它是多变量分析(multivariate analysis)的重要课题；比较重要的社会、教育、心理期刊，也早已特开专栏介绍(如：候，1994；Connell Tanaka,1987;Joreskog Sorbom,1982)；可见SEM在统计学中所建立的声望及崇高地位是无容置疑的。本文主要用一系列有关学习动机的虚拟例子，来指出每个问题的主要分析策略，以展示结构方程模型在教育及心理学可以应用的研究范畴。 1.数学模式 (observable indicators)，去反映这些潜伏变项。例如：我们以学生父母教育程度、父母职业及其收入(共六个变项)，作为学生家庭社经地位(潜伏变项)的指标，我们又以学生中、英、数三科成绩(外显变项)，作为学业成就(潜伏变项)的指标。 SEM可分测量(measurement)及潜伏变项(latent variable)两部分。测量部分就是求出六个社经指标与社经地位(或三科成绩与学业成就)(即外显指标与潜伏变项之间)的关系：而潜伏变项部分则指社经地位与学业成就(即潜伏变项与潜伏变项间)的关系。 (外显变项)含有随机(或系统)性的量度上误差，但潜伏变项则不含这些部份。SEM可用以下矩阵方程表示(Bollen,1989;Joreskog Sorbom,1993)： =βη+Γξ+ζ (a)对于潜伏变项(如：社经地位与学业成就)的关系，即潜伏变项部份： (依变)(endogenous,dependent)潜伏变项(如:学业成就) (自变)(exogenous,independent)潜伏变项(如:社经地位) (如:学业成绩与其他内生潜伏变项的关系) (如:社经地位对学业成就) (即模式内所包含的变项及变项间关系所未能解释部分) (b)对于指标与潜伏变项(例如:六个社经指标与社经地位)间的关系,即测量模式部分: X=Λxξ+δ Y=Λyη+ε X,Y是外源(如:六项社经指标)及内生(如:中、英、数成绩)指标。δ,ε是X，Y测量上的误差。 x是X指标与ξ潜伏变项的关系(如:六项社经地位指标与潜伏社经地位的关系)。Λy是Y指标与η潜伏变项的关系(如:中、英、数成绩与学业成就间关系)。 ,我们输入:各指标变项的协方差矩阵(covariance matrix)、总受试人数、指标与潜伏变项的从属关系(指标如何归属于各潜伏变项)。程式(如:LISREL)会估计指标与潜伏、潜伏与潜伏、模式未能解释部份、指标测量上误差等指定参数,其数值亦反映各关系的强弱。此外程式亦计算研究者所提出的模型,是否与样本数据吻合(即数据是否可用模式表示)。 2.SEM优点 Bollen和Long(1993)指出SEM有数项优点(江,1997;林,1995;Marsh,Hau,Balla Grayson,1998),包括: (1)可同时考虑及处理多个依变项(endogenous / dependent variable); (2)容许自变及依变(exogenous / endogenous)项含测量误差; (3)与因素分析类同，SEM容许潜伏变项(如:社经地位)由多个观察指标变项(如:父母职业、收入)构成,并可同时估计指标变项的信度及效度(reliability and validity); (4)SEM可采用比传统方法更有弹性的测量模型(measurement model),如某一指标变项/题目从属于两潜伏因子;在传统方法,项目多依附单一因子; (5)研究者可构划出潜伏变项间的关系,并估计整个模式是否与数据拟合。 3.拟合概念 ,其实我们在研究自己所提的模型(即哪些变项之间有关,哪些则没有),是否与数据拟合。 SEM所输入的是指标变项的样本协方差矩阵(S,sample covar