结构方程模型的统计方法及比较.docVIP

结构方程模型的统计方法及比较 第21卷第4期苏　州　大　学　学　报(自然科学版)Vol.21,No.4 文章编号:1000-2073(2005)04-0080-07 结构方程模型的统计方法及比较 田晓明1,傅珏生2 (1.苏州大学应用心理学研究所,江苏苏州　215006;2.苏州大学数学科学学院,江苏苏州　215006) 摘　要:介绍了结构方程模型参数估计的两种主要方法最大似然估计和Bayes估计,并给出了一个数值模拟例子探讨比较了两种方法的相似点和不同之处. 关键词:最大似然估计;Bayes估计;结构方程模型中图分类号:O242.1　　　文献标识码:A 0　引言 尽管科学实验方法的引入,使心理学研究获得广阔的发展前景和空间,但从客观上看,这也并未真正解决了所有的问题.这是因为制约和影响人类心理和行为的因素十分纷繁,彼此关系十分复杂,加之由于道德、文化等方面的原因,使得原本注重 [1] 条件控制、强调推论逻辑的实验室研究方法所获得的结论推广性较差. 从心理测量的角度来看,几乎所有心理学概念均难以直接准确测量,如人的智力、学习动机等.为此,统计学家和心理学家便采用了一些显在指标(observableindicators)来反映这些潜在变量,其中最具代表性的统计分析方法就是结构方程模型(StructureEquationModels,SEM),它通过模型构想、模型指定、模型识别、模型拟合和模型评价等步骤,较好地解决了检验观察数据与基本行为结构之间关系的系列问题.这种研究方法在其他社会科学研究中也已得到进一步使用和推广. 当然,结构方程模型本身还在不断完善之中,比如,它在模型指定、模型拟合、拟合检验以及结果解释和模型评价方面还 [2] 存在或多或少的问题;现有的理论假设有时还不能准确提出具有说服力的因果模型;等等.为了建立更合理的模型以适应 日益复杂的实际数据,数理统计学家将标准的结构方程模型进行了诸多方面的重要推广.由于这些推广使模型更为复杂,运用经典的计算方法进行相关的统计推断非常困难.随着先进的计算设备相继问世,有效地解决这些问题成为可能和现实.本文基于理论上比较优良、适用范围比较宽泛的最大似然方法和Bayesian统计方法来考察结构方程模型的统计分析性能,这种比较研究对于丰富和发展结构方程统计分析理论具有十分重要的现实意义. 1　结构方程模型(SEM)的基本内容 本文主要讨论下面的结构方程模型,其测量方程为: y1 　　y= y2y3y4 1= λ1100 001λη1η2 + ε1ε2ε3ε4 , 收稿日期:2005-01-15 基金项目:江苏省自然科学基金资助项目(BK2001134). ,男,, 第4期　　　　　　　　　　　　　　　　　　田晓明,傅珏生:结构方程模型的统计方法及比较81 x1x2x3 　　x= 1λ21λ22 00λ231λ2400 000001λξ1 1δ2δ3 x4=0x5x6 000 ξ2+δ4,ξ3 δ5δ6δ7ξ1ξ2+ξ3 x而结构方程为: η1η2 = 0　β1β2　0 1η2 + γ1γ3 γ020 γ4 ζ1ζ2 . TTT 其中y=(y1,y2,y3,y4)和x=(x1,x2,x3,x4,x5,x6,x7)是可观测变量(manifestvariables),η=(η=(ξ1,η2)和ξ1,ξ2,Tξlatentvariables),不可观测或测量,并且假设ξ～N[0,Υ],这里3)为隐变量(ξ 11　 12　 13 　　Υ21　 22　 23;ξ= 31　 32　 33 Tζ=(ζ],这里1,ζ2)～N[0,Χζ . φζ21　φζ22 测量方程和结构方程中系数λ11,λ12,λ21,λ22,λ23,λ24,λ25,β1,β2,γ1,γ2,γ3,γ4是未知参数,而在测量方程和结构方程中其余 TT的系数0’s和1’s均为已知参数.ε=(εδ～N[0,Χ],1,ε2,ε3,ε4)和δ=(1,δ2,δ3,δ4,δ5,δ6,δ7)为误差变量,并且假设εε 　　Χζ= φζ11　φζ12 δ～N[0,Χ],相应的协方差阵为对角阵:δ 　　Χφ,ε=diag(ε1,φε2,φε3,φε4) Χφ.δ=diag(δ1,φδ2,φδ3,φδ4,φδ5,φδ6,φδ7)我们记 1 1 λ21 λ22λ230 010 0λ240 00001 λ25 T Λy= λ1100 ,Λx=00 00 ,B= 0　β1β2　0 , Γ= γ1　γ2　0γ3　0　γ4 .则关于y和x的测量方程和结构方程可分别记为: 　　y=Λ+ε,yη　　x=Λ+δ,xξ　　η=Βη+Γξ+ζ. 这三个方程在下面的假设下就组成了LISREL(LinearStructuralRelations)模型:(1)ζ与