检验负误差方差：海伍德案例模型误设症状吗.pdfVIP

检验负误差方差：案例是模型误设

的症状吗？

StanislavKolenikov∗KennethA.Bollen†

1引言

在因子分析和结构方程模型中，负的样本估计扰动或误差方差是一种常见的现象。鉴于这些值在

总体中的不可能性，研究者需要确定其发生的。否则，其余分析结果可能会被认为不可信。

负误差方差或“案例”没有单一的。诊断必须其。其中的包括异常值

（Bollen1987），不收敛，未识别（vanDriel1978,BoomsmaHoogland2001），经验未

识别（Rindskopf1984），结构误设（vanDriel1978,Dillon,KumarMulani1987,Sato

1987,Bollen1989）或抽样波动（vanDriel1978,Boomsma1983,AndersonGerbing

1984）。对于SEM和因子分析有异常值和影响案例诊断方法（Arbuckle1997,Bollen1987,

BollenArminger1991,Cadigan1995），这些方法可以用来探索这些案例是否导致了负误差

方差估计。同样，也有方法可以检测不收敛、未识别和经验未识别。如果这些都不是不当解的来

源，那么抽样波动或结构误设是最可能的剩余候选。如果在排除其他决定因素后，研究者能

够排除抽样波动作为不当解的，那么就倾向于支持结构误设作为。这样的发现将鼓

励研究者模型设定中的可能。为此，我们需要有测试抽样误差是否为负误差方差估计源

的方法。

vanDriel（1978）建议研究人员根据最大似然估计的渐近误差形成置信区间，以确定该

区间是否包含零。如果包含零，则这表明总体方差为正但接近于零，负估计值是由于偶然性造成

的。同样，Chen、Bollen、Paxton、Curran和Kirby（2001）推荐使用这样的置信区间，以

及z‑检验和似然比检验、拉格朗日乘数检验和检验，其中后者适用于单个或多个负误差的渐

近检验。

∗密苏里大学哥伦比亚分校统计系。感谢国家科学资助SES‑0617193。通讯作者：请发送邮件至

kolenikovs@missouri.edu。

†北卡罗来纳大学教堂山分校社会学系。感谢国家科学资助SES‑0617276。

TestingNeiveErrorVariances:

IsaHeywoodCaseaSymptomofMisspecification?

StanislavKolenikov∗KennethA.Bollen†

April12,2007

1Introduction

Neivesampleestimatesofthevariancesofdisturbancesorerrorsareacommonoccurrenceinfactoranal-

ysisandstructuralequationmodels.Giventheimpossibilityofthesevaluesin