欢迎访问南宁师范大学心理学课程数字化资源库!

loadding...
南宁师范大学心理学课程数字化资源库

yanzx@nnnu.edu.cn

文献导学

文献导学 您的位置: 首页 > 团队动态 > 文献导学

结构方程模型在心理学研究中的应用

2025-03-28 5 收藏 返回列表
结构方程模型在心理学研究中的应用

1. 引言与背景

结构方程模型(Structural Equation Modeling, SEM)是一种强大的统计方法,广泛应用于心理学研究,用于分析变量间的复杂关系。自20世纪70年代以来,随着方法和软件的快速发展,SEM已成为心理学研究中的重要工具。然而,其广泛应用也伴随着一些常见问题和误用。本文综述了SEM在心理学研究中的主要应用领域,并指出了当前文献中存在的方法学问题。

2. SEM概述

SEM是一种用于检验变量间线性关系的统计技术,能够同时处理显变量(Measured Variables, MVs)和潜变量(Latent Variables, LVs)。潜变量是无法直接观测的理论构念,通常通过多个显变量(指标)间接测量。SEM的核心是通过模型拟合数据,解释变量间的协方差结构。

SEM的特殊形式包括:

  • 路径分析:仅分析显变量间的因果关系,不涉及潜变量。

  • 验证性因子分析(CFA):检验潜变量与显变量之间的关系,适用于测量研究。

SEM的扩展应用包括:

  • 多组模型:比较不同群体(如性别、文化组)的模型参数,检验跨组不变性。

  • 均值结构模型:分析变量均值的变化,适用于纵向研究。

  • 非线性效应建模:探索潜变量间的交互作用,尽管目前技术尚不成熟。

3. SEM在心理学研究中的应用

SEM在心理学中的主要应用领域包括以下几类:

(1)横断面设计

横断面研究在同一时间点测量变量,常用于社会心理学和组织心理学。SEM在此类设计中用于检验变量间的因果关系或相关关系。例如:

  • Rice等(1997)比较了非裔美国人和白人在情感幸福感上的预测因素。

  • Judge & Locke(1993)研究了消极思维对主观幸福感和工作满意度的影响。

然而,横断面设计无法捕捉时间效应,因此在解释因果关系时需谨慎。

(2)纵向设计

纵向设计通过多次测量同一批被试,研究变量随时间的变化。SEM在纵向研究中的应用分为两类:

  • 序列设计:不同时间点测量不同变量,检验变量间的滞后效应。例如,Holohan等(1997)研究了社会支持对抑郁症状的长期影响。

  • 重复测量设计:同一变量多次测量,分析变化趋势。常用模型包括:

    • 自回归模型:检验变量对自身未来值的影响(如McArdle & Aber, 1990)。

    • 潜增长曲线模型:捕捉个体内变化轨迹(如Willett & Sayer, 1994)。

(3)测量研究

验证性因子分析(CFA)是SEM的重要应用,用于:

  • 构念效度检验:验证量表是否有效测量目标构念(如Neuberg等, 1997)。

  • 多特质-多方法(MTMM)分析:区分特质效应和方法效应(如Widaman, 1985)。

  • 测量不变性检验:比较不同群体或时间点的测量工具是否等效(如Little, 1997)。

(4)实验研究

尽管SEM多用于观察性研究,但其在实验设计中也具有潜力。例如:

  • 通过多组模型比较实验组和对照组的差异(如Muthén & Curran, 1997)。

  • 分析中介效应,检验实验变量如何通过中介变量影响结果(如Hoyle, 1993)。

(5)双生子研究

SEM在行为遗传学中用于分解遗传和环境对变量的影响(如Plomin & Rende, 1991)。例如,Saudino等(1995)研究了气质的遗传基础。

4. SEM应用中的问题与挑战

尽管SEM功能强大,但在实际应用中存在以下常见问题:

(1)结果的可推广性

许多研究忽视样本、测量工具和时间点的局限性,导致结论的普适性存疑。建议通过交叉验证或多组分析增强结果的可信度。

(2)确认偏误

研究者倾向于过度支持预设模型,忽视等效模型或其他解释。例如,MacCallum等(1993)发现许多研究未考虑等效模型的存在。

(3)时间问题

横断面设计无法捕捉时间滞后效应,可能导致因果推断偏差。纵向设计应纳入自回归效应以控制时间依赖性(如Gollob & Reichardt, 1991)。

(4)模型设定与分析问题

  • 潜变量与显变量模型:约25%的研究使用路径分析(仅显变量),忽略了测量误差的影响。建议通过项目组合(parcels)构建潜变量模型。

  • 样本量不足:约18%的研究样本量小于100,可能导致统计功效不足。

  • 分析策略:模型生成策略(数据驱动修改)易受随机误差影响,建议优先检验多组预设模型。

  • 相关矩阵与协方差矩阵:误将相关矩阵视为协方差矩阵分析会导致参数估计错误(如Cudeck, 1989)。

(5)结果报告不完整

许多研究未完整报告模型设定、拟合指标或参数估计(如残差方差)。建议遵循Hoyle & Panter(1995)的报告指南。

5. 模型拟合评估

SEM中常用的拟合指标包括:

  • RMSEA(近似均方根误差):推荐使用,因其对模型误设敏感且提供置信区间。

  • CFI/NNFI(比较拟合指数/非规范拟合指数):适用于模型比较。

  • SRMR(标准化残差均方根):反映残差大小。

Hu & Bentler(1998)建议避免使用GFI/AGFI等对样本量敏感的指标。

6. 结论与建议

SEM是心理学研究的强大工具,但其应用需注意以下问题:

  1. 明确研究设计:根据研究问题选择横断面或纵向设计,谨慎解释因果关系。

  2. 重视测量质量:优先使用潜变量模型,避免测量误差的干扰。

  3. 规避方法学陷阱:警惕确认偏误、等效模型和样本量不足等问题。

  4. 完整报告结果:包括模型设定、拟合指标和参数估计的详细信息。

通过改进这些问题,SEM的应用将更加严谨,从而推动心理学研究的科学性和可重复性。

关键词:结构方程模型(SEM)、验证性因子分析(CFA)、潜变量、纵向研究、模型拟合、测量不变性。


Extracted from: MacCallum, R.C., J.T. Austin.Applications of structural equation modeling in psychological research[J].Annual review of psychology,2000,51(1): 201-226.


评论

发表

你觉得这篇文章怎么样?

0 0

标签: