结构方程建模中的题目打包策略.pdfVIP

心理科学进展2011，Vo1．19，No．12，1859—1867

AdvancesinPsychologicalScienceD0I：10．3724／SEJ．1042．2011．01859

·研究方法(ResearchMethod)·

结构方程建模中的题目打包策略

吴艳温忠麟

(广东外语外贸大学应用心理学系，广州510420)(华南师范大学心理应用研究中心，广州510631)

摘要结构方程建模中题目打包法的优缺点包括：指标数据质量变好、模型拟合程度提高；估计偏差不大，

可校正；估计稳定，但降低了敏感性与可证伪性。打包法的前提条件是单维、同质，适合结构模型分析，不适

合测量模型分析。对于单维测验，给出了一个打包流程对于通常的多个子量表(多维结构)测验，推荐在子量

表内打包，每个子量表打包成1个指标或者3个指标，用于结构方程建模。

关键词潜变量；结构方程；题目打包；题目小组

分类号B841．2

1前言Schmitt，2004)。尽管打包法在结构方程建模中应

结构方程建模，对样本容量有一定的要求。-用普遍，许多结构方程模型应用文章中使用了打

有建议说样本容量应当是题目(指标)数量的l0倍包法，但不少应用工作者对于题目为何要打包、

以上，或者是自由参数的5倍以上(侯杰泰，温忠打包的前提条件是什么、用哪种策略打包比较好

麟，成子娟，2004)。可见，题目越多，所需样本容等问题并不十分清楚。本文在综述打包法优缺点的

量越大。题目数量很多时，要估计的参数也多，若基础上，指出打包法的前提条件和适用范围，介绍

样本容量少，直接用原始题目建模容易产生较大并推荐构建题目小组的策略、合适的小组数量，最

的参数估计偏倚。Bandalos(2002)的模拟研究显示，后给出一个实用分析流程，推荐有子量表测验的打

在单维、样本容量为100，严重非正态的情况下，包策略，以帮助研究者正确使用打包法。

直接使用原始题目建模可产生高达29．5％的参数

2打包法的好处和缺陷

估计偏倚。题目打包法(itemparceling，也译为题

目组合法或题目小组法)是解决此类问题的一种2．1指标数据质量变好、模型拟合程度提高

有效方法(Landis，Beal，Tesluk，2000)。题目打打包可以提高共同度、减少随机误差，使新

包法是将同一量表的两个或以上题目打包成一个指标的质量比原始题目更好。共同度是一个题目

新指标，用合成分数(总分或均值)作为新指标的在各个因子上负荷的平方和，反映了全部公共因

分数进行分析(KishtonWidaman，1994；Yang，子对该题目(指标)方差的贡献。题目打包后，观测

Nay,Hoyle，2010)。例如，一个量表原来有9个变量内部的误差不变，但误差方差(进行了重

题目，可将每3个题目作为一个题目小组计算合组，由于题目误差项之间不相关，误差项与公共

成分数(小组内题目数也可以不相等)，形成3个因子之间也不相关，重组后的误差方差显著影响

新指标，打包法直接用3个新指标进行分析(Little，了负荷(SassSmith，2006)。题目打包时部分误差

Cunningham，Shahar,Widaman，2002；Rogers会互相抵消，新指标的测量误差相对变小，公共

因子在观测分数中所占的比重提高，因而提高了

收稿Et期：2011-06．01共I司度(Matsunaga，2008)。

国家自然科学基金项目和教育部人文社科从经典测量理论的观