心理学探究中潜变量空间特性探析.docVIP

心理学探究中潜变量空间特性探析摘 要：本文首先评述潜变量数据类型和空间特征的研究现状。比较和归纳发现，潜变量空间特征的研究从只关注数据分布的多峰性发展到对差异的量化、质化问题和分布状态（包括异质性和多峰性）进行全面分析，以综合反映潜变量差异的性质与维度类别特性。通过对潜在类别模型、混合因素模型和因素模型的比较来确定潜变量空间类型不但为该议题开拓了方法技术，同时也深化拓展了潜在结构模型的理论框架。此外，该方法在外显指标的数量、计分方式和样本量等因素上的使用前提还有待进一步研究。 关键词：潜在变量；类型；维度；量化和质化差异；混合因素模型 中图分类号：B841.2 文献标识码：A 文章编号：1003-5184（2012）05-0404-06 1 问题提出 心理测量是一种间接测量，即常通过外显的行为指标对潜在的心理变量进行测量估计。然而，传统的心理统计方法常将外显变量混淆成潜在变量，例如回归分析中的变量是外显变量，却常用于推断潜在变量之间的关系；或常将外显指标的加总看做潜在变量，忽略外显指标在潜在心理变量测量中的误差。 随着潜在变量模型的发展，根据外显变量和潜在变量的数据类型可使用不同的统计模型，以更贴近心理变量的真实空间结构。其中，外显变量的数据类型主要决定于测验的设计，而潜在变量是内隐的心理特征，其数据类型与其结果一样无法确定。在以往研究中，潜变量的数据类型多以理论构想来确定，例如，霍兰德的人格理论假设个体的人格可分为六类，项目反应理论则假设个体的能力是连续变量。这些假设虽然得到理论的支持，但在实证研究中亦出现数据不符合前提假设的情况。另一方面，由于类别型数据处理方法的相对滞后，对于类别型的潜变量还相对缺少实证研究和对理论的统计模型验证。常见的方法是通过某些统计分析方法确定决断值，将潜在类型仅局限于量的差异，而忽略了对心理类型之间潜在结构差异的探讨。潜在剖面分析和潜在类别分析是近年来发展较为成熟的类型划分方法，但其分析的前提是潜在类别下外显变量之间不存在关联（即局部独立性）。这一前提假设在实际数据中又经常被违背，反映了这些数据在潜在类型内又存在多维性。如何分析确定潜变量的数据类型和空间特性？这不仅取决于理论研究，更应通过统计方法进行探索与验证。该问题的解决不但影响心理学理论研究进展，并且为心理测量的设计与统计分析模型的选取提供直接的理论指导，以保证心理测量与统计的结构和内容效度。本文重点对该议题的研究发展进行评述和总结。 2 潜变量类型的判断方法 2.1 通过模型比较确定分布状态 Markon和Krueger（2006）认为，间断型变量模型是连续型变量模型的特例，犹如方差分析是回归分析的特例一样。而称名潜变量模型实质是多维的二分变量模型，连续分布可用无数个等距数值结点组成的间断分布表示。因此，连续与间断的比较主要在于间断分布中结点的多少，当结点很少时，其模型的参数估计和拟合与连续分布模型差异很大，而当结点足够多时，可用半参数或非参数模型拟合连续分布（Heinen，1996；Owen，2001）。然而，无法通过比较单纯的连续分布和间断分布以确定潜变量是连续还是间断。潜在类别模型（Latent class model，LCM）则用于表示间断的潜变量，而且是具有多维的二分潜变量。在多维度的潜在类别模型中，随着潜变量数值结点的增加，模型所拟合的并非连续分布，而是逐渐拟合多维的潜变量结构。基于此，LCM可以与间断等距（discrete metrical）和连续的潜在特质模型相比较，从而判断模型的维度和数值结点数目。若LCM拟合得更好，说明潜变量是间断分布或多维的连续分布。间断等距（discrete metrical）、多级（polyvalued）和连续型IRT分别是反映间断、称名和连续的潜变量。而混合模型则通过几个连续子分布来表示间断的潜变量，而这种间断性则更为高阶。由于同在潜在结构模型的框架下，模型之间具有可比性，可通过比较间断分布的模型与连续分布的模型，以探讨潜变量的性质。由于外显变量通常为间断数据，该研究就此应用累积逻辑斯蒂（cumulative logistic latent variable model）探讨顺序型外显变量下的潜变量类型。在此模型中，潜变量θk不但受斜率a和截距b影响，还受分布状态p（θk）影响，其中该分布是连续还是间断分布则决定于结点数目k；该值可以自由估计，亦可根据分布的正态性进行初步设定。根据信息论指标（information-theoretic criteria）进行模型比较，以确定潜在空间的特性。 Markon和Krueger（2006）的研究重点探讨了在模型选择的准确性。实证研究发现，对于连续型数据分布，增加样本可减小因受模型复杂性的干扰而误判为连续正态