深圳风采开奖查询|深圳风采近500期走势图
廣東社科規劃網 > 社科成果
基于結構方程模型的多重中介分析方法比較及其在心理學中的應用
2018-02-07

1、研究的目的和意義
  在心理、行為和其它一些社科研究領域,研究情境復雜,經常需要多個中介變量才能更清晰的解釋自變量對因變量的效應。近年來,越來越多的中介研究采用多重中介(multiple mediation)模型,即存在多個中介變量的模型。不過,多數研究是將一個多重中介模型拆解為多個簡單中介(即只含一個中介變量)模型,相繼進行多個簡單中介分析。建立結構方程模型(Structural Equation Model, SEM)進行多重中介分析,不僅可以同時處理顯變量和潛變量,還可以同時分析多個自變量、多個因變量和多個中介變量的關系,是比較好的方法。近年來國際國內的主要期刊發表的中介應用研究文章,超過半數是多重中介的SEM研究,但多重中介效應的SEM分析方法的研究明顯不足。本項目要研究的是至今還沒有很好解決的一類前沿熱點問題——多重中介效應的SEM分析方法。
  中介變量(mediator)是除了自變量與因變量之外的重要變量,在心理學和其他社科研究領域經常碰到。如果自變量X通過某一變量M對因變量Y產生一定影響,則稱M為X和Y的中介變量或M在X和Y之間起中介作用。中介作用的研究在理論上至少有以下兩個重要的意義:(1) 幫助我們解釋自變量和因變量關系的作用機制。(2)整合已有變量之間的關系。
  通過開展本項目的研究,可以促進國內有關多重中介模型分析方法研究,為心理學和其他社科領域的研究人員提供強有力的多重中介模型分析工具,更好的探索和理解人類行為模式,造福社會。本課題的應用案例研究,其本身就是有實際意義的課題,設計或改編的量表、建立的模型、所得到的結論等既有示范性的方法論價值,也有具體問題的認識論價值。

 

2、成果的主要內容、重要觀點或對策建議
2.1 結構方程模型的多重中介效應分析
2.1.1 理論分析
  以下圖所示的含有兩個中介變量的多重中介模型為例(其中的圓圈表示變量是潛變量),此時的多重中介效應分析可以從三個角度進行,(1)特定路徑的中介效應,如,(2)總的中介效應,即,(3)對比中介效應,如

  本項目經過文獻分析,指出了目前多重中介模型分析普遍存在的問題,包括(1)分析不完整。例如,使用LISREL和AMOS軟件進行多重中介分析時,只能得到總的中介效應估計值;使用MPLUS軟件進行多重中介分析時,可以得到特定路徑的中介效應和總的中介效應估計值,但還是得不到對比中介效應的分析結果。(2)使用Sobel檢驗帶來的局限。在多重中介模型中,Sobel檢驗的局限有增無減。首先,Sobel檢驗統計量的推導基于正態假設,而特定中介效應、總的中介效應和對比中介效應估計值都涉及參數的乘積,因而通常都不滿足正態假設,因此Sobel檢驗的結果是不準確的,檢驗力不高。其次,Sobel檢驗需要大樣本,Sobel檢驗在小樣本的表現并不好。第三,在多重中介模型中,Sobel檢驗統計量公式的分母是中介效應估計值的標準誤,而這個標準誤常用多元delta法計算,公式十分復雜,且需要手工計算,使用不便。建議通過增加輔助變量的方法進行完整的多重中介效應分析,使用偏差校正的Bootstrap方法進行中介檢驗。
總結出一個多重中介SEM分析流程,即(1)確定多重中介模型;(2)設置輔助變量;(3)偏差校正Bootstrap的SEM分析。并有示例和相應的MPLUS和LISREL程序。

2.1.2 模擬分析
  本項目用5個因變量指標(偏差、相對均方誤、統計功效、第Ⅰ類錯誤率、95%置信區間寬度)和5(樣本容量)8(組合)2(估計方法)的實驗設計對Bootstrap法和Bayesian法在多重中介效應模型(見上圖)中的表現進行Monte Carlo模擬比較。結果表明,在多重中介效應分析中,當有先驗信息時,推薦使用有先驗信息的Bayesian方法進行中介效應分析;當先驗信息不可得時,推薦使用偏差校正的Bootstrap方法進行中介效應分析。

2.1.3 應用案例分析
  采用幽默風格問卷中的自我提升幽默維度、主觀幸福感量表中的積極情緒和消極情緒維度、多維領悟社會支持量表和生活滿意度量表對884名大學生進行調查。構建結構方程模型(見下圖),Bootstrap檢驗表明了多重中介效應顯著,總中介效果量為63.6%,其中通過情緒幸福這一中介路徑的中介效果量最大,達47.3%。未來研究可探討在個體主義文化背景下的不同鏈式中介效應。


 

2.2 結構方程模型的多層中介效應分析
  近年社科領域常見使用多層線性模型進行多層中介研究。盡管多層線性模型區分了多層中介的組間和組內效應,仍然存在抽樣誤差和測量誤差。比較好的方法是,將多層線性模型整合到結構方程模型中,在多層結構方程模型框架下設置潛變量和多指標,可有效校正抽樣誤差和測量誤差、得到比較準確的中介效應值,還能適用于更多種類的多層中介分析并提供模型的擬合指數。在介紹新方法后,總結出一套多層中介的分析流程,通過一個例子來演示如何用MPLUS軟件進行多層中介分析。最后展望了多層結構方程和多層中介研究的拓展方向。

 

2.3 結構方程模型的新進展:雙因子模型
  雙因子模型是一種既有全局因子(G)又有局部因子(F1、F2、F3)的模型(見下圖),近年來有了許多應用。本文討論了雙因子模型和高階因子模型在數學模型、參數之間的關系,概念上和應用上的差異;概述了雙因子模型在信度研究、平衡量表、探索性因子分析和項目反應理論中的應用。作為例子,在Rosenberg自尊量表結構的研究中,通過雙因子模型分析了自尊特質效應與項目表述方法效應。


2.4 中介效應分析的其他研究
2.4.1 有調節的中介效應分析
  有調節的中介模型是中介過程受到調節變量影響的模型。評介了基于Bootstrap不對稱置信區間和Bayesian不對稱可靠區間進行有調節的中介模型檢驗的三種方法,包括亞組分析法、差異分析法和系數乘積法。模擬研究發現,偏差校正的百分位Bootstrap置信區間和無先驗信息的Bayesian可靠區間在有調節的中介模型檢驗中表現相當,都優于百分位Bootstrap置信區間的表現。建議使用系數乘積法進行第一階段或第二階段被調節的中介模型檢驗,使用差異分析法進行兩階段被調節的中介模型檢驗,并用一個實際例子演示如何用不對稱區間估計檢驗有調節的中介模型。隨后評述了三種有調節的中介模型檢驗方法在國內心理學的應用現狀,并展望了檢驗的拓展方向。

2.4.2 類別變量的中介效應分析
  在心理學和其他社科研究領域,研究者能熟練地進行連續變量的中介效應分析,但面對自變量、中介變量或(和)因變量為類別變量的中介效應分析,研究者往往束手無策。在闡述類別自變量中介分析方法的基礎上,我們建議使用整體和相對中介相結合的類別自變量中介分析方法,并給出了分析流程。以二分因變量為例,討論了中介變量或(和)因變量為類別變量的中介分析方法的發展過程(即尺度統一的過程),建議通過檢驗的顯著性來判斷中介效應的顯著性。用二個實際例子演示如何進行類別變量的中介效應分析。最后展望了類別變量的中介效應分析研究的拓展方向。
    (本文作者:方杰  廣東財經大學副教授)

版權所有@ 2016 廣東省哲學社會科學規劃領導小組辦公室
地址:廣州市天河北路618號廣東社科中心B座9樓,郵編:510635

廣東省通信管理局 粵ICP備06015387號
深圳风采开奖查询