yanzx@nnnu.edu.cn
欢迎访问南宁师范大学心理学课程数字化资源库！
yanzx@nnnu.edu.cn
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。
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。
SEM在心理学中的主要应用领域包括以下几类：
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。
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）。
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）。
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）。
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。
尽管SEM功能强大，但在实际应用中存在以下常见问题：
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。
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。
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）。
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）。
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。
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。
SEM是心理学研究的强大工具，但其应用需注意以下问题：
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。
重视测量质量：优先使用潜变量模型，避免测量误差的干扰。
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。
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.
