结构方程模型（SEM）在心理测量中的验证性因子分析.docxVIP

结构方程模型（SEM）在心理测量中的验证性因子分析

一、引言

心理测量学的核心任务是构建科学、可靠的测量工具，以准确捕捉个体心理特质的差异。从早期的智力测验到现代的人格量表、心理健康评估工具，测量工具的有效性始终依赖于对“潜在心理结构”的精准刻画。传统的探索性因子分析（EFA）虽能从数据中提炼潜在因子，但存在“数据驱动”的局限性——其结果高度依赖样本特征，且无法直接验证研究者的理论假设。随着心理测量学向“理论验证”方向深化，结构方程模型（StructuralEquationModeling,SEM）中的验证性因子分析（ConfirmatoryFactorAnalysis,CFA）逐渐成为关键工具。CFA以理论为先导，通过统计模型直接检验观测变量与潜在因子的预设关系，为心理量表的结构效度提供了更严谨的验证方法。本文将围绕CFA在心理测量中的应用展开，系统探讨其理论基础、操作流程、关键技术及实践价值。

二、结构方程模型与验证性因子分析的理论基础

（一）结构方程模型的基本内涵

结构方程模型是一种融合了路径分析与因子分析的统计方法，其核心由“测量模型”和“结构模型”两部分构成。测量模型关注观测变量（如量表题目得分）与潜在变量（如“焦虑”“自尊”等心理特质）之间的关系，而结构模型则聚焦潜在变量之间的因果或相关关系。在心理测量中，研究者通常首先通过测量模型验证量表的结构效度，这一过程即验证性因子分析（CFA）。与传统统计方法相比，SEM的优势在于：其一，允许同时处理多个观测变量的测量误差，更准确地估计潜在变量；其二，支持对理论模型的直接验证，通过统计指标判断模型与数据的拟合程度；其三，能够分析复杂的变量关系（如中介效应、调节效应），为心理机制研究提供更灵活的工具。

（二）验证性因子分析的核心特征

验证性因子分析与探索性因子分析（EFA）的本质区别在于“理论驱动”与“数据驱动”的分野。EFA假设观测变量背后存在未知的潜在因子结构，通过统计方法（如主成分分析）从数据中提取因子，并根据因子载荷（观测变量与因子的相关程度）为因子命名；而CFA则要求研究者在分析前基于理论或已有研究提出明确的假设，例如“某抑郁量表包含情绪低落、认知障碍、躯体症状三个因子，每个因子对应4个题目”，然后通过统计模型验证这一假设是否成立。这种“先验假设-后验验证”的逻辑，使CFA更适合心理测量中“量表结构验证”的需求。例如，当研究者开发新的心理韧性量表时，若通过CFA验证了“情绪调节”“社会支持”“问题解决”三个因子的预设结构，则说明该量表能够有效反映理论构想的心理特质。

三、验证性因子分析在心理测量中的应用流程

（一）模型构建：从理论假设到统计模型的转化

CFA的第一步是将抽象的理论假设转化为具体的统计模型。这一过程需要研究者明确以下要素：

潜在因子的数量与定义：基于文献综述或前期探索性研究（如EFA结果），确定量表拟测量的潜在心理特质数量。例如，构建“青少年压力源量表”时，可能根据发展心理学理论提出“学业压力”“家庭关系”“同伴交往”三个潜在因子。

观测变量的分配：为每个潜在因子指定对应的观测变量（量表题目）。例如，“学业压力”因子可能对应“担心考试成绩”“作业量过大”“害怕老师批评”等题目。需注意题目需具有代表性，且避免语义重复。

因子间关系的设定：根据理论假设，确定潜在因子之间是相关关系（如“学业压力”与“家庭关系”可能存在关联）还是独立关系（如某些严格区分的心理维度）。

这一阶段的关键是确保模型设定与理论逻辑一致。若模型构建脱离理论基础，后续的统计验证将失去意义。

（二）数据准备与模型估计

数据质量直接影响CFA结果的可靠性。研究者需注意以下几点：

样本量要求：一般建议样本量与观测变量数的比例不低于5:1（如20个题目需至少100个样本），理想情况下达到10:1（200个样本）。小样本可能导致参数估计不稳定或模型拟合不佳。

数据分布：最大似然估计（最常用的估计方法）要求观测变量近似正态分布。若数据严重偏态或峰态，可采用稳健最大似然估计（如Mplus中的MLM方法）或对变量进行转换（如对数转换）。

缺失值处理：心理测量中因被试漏答等原因常出现缺失值，需通过均值替代、回归插补或全信息最大似然估计（FIML）处理，避免删除缺失值导致样本损失。

模型估计阶段，研究者需选择合适的估计方法（如最大似然估计、加权最小二乘估计），并通过统计软件（如AMOS、Mplus、LISREL）运行模型。软件将输出因子载荷（观测变量与潜在因子的标准化系数）、误差方差（观测变量未被因子解释的变异）等关键参数。

（三）模型评价与修正

模型估计完成后，需通过拟合指标判断模型与数据的匹配程度。常用的拟合指标可分为三类：

绝对拟合指标：反映模型对数据的直接拟合程度，如卡方自由度比（χ2/