潜变量交互效应建模方法演变与简化

综述了近年来加入乘积指标的潜变量交互效应建模方法, 从产生乘积指标的策略、参数约束方法、均值结构与指标中心化的关系三个方面, 讨论了建模方法的简化进程。最后总结出同类方法中比较简洁又不失精确的潜变量交互效应建模方法—— 无需均值结构的无约束方法, 并给出了建模 步骤。     

无均值结构的潜变量交互效应模型的标准化估计

潜变量交互效应建模研究近年来有两项重要进展, 一是提出了潜变量交互效应模型的标准化估计及其计算公式; 二是发现无均值结构模型可以取代传统的有均值结构模型, 建模大为简化。但标准化估计是在传统的有均值结构模型中建立的, 在简化的模型中同样适用吗？本文在无均值结构模型的框架内, 给出了潜变量交互效应模型的标准化形式、计算公式和建模步骤, 并通过模拟研究比较了极大似然和广义最小二乘两种估计方法、配对乘积指标和全部乘积指标两种指标类型, 结果表明, 在计算交互效应的标准化估计时, 应当使用配对乘积指标建模, 并且首选极大似然估计。     

潜变量交互效应分析方法

简要回顾了分析显变量交互效应的常用方法。详细讨论了目前分析潜变量交互效应的主要方法,包括用潜变量的因子得分做回归分析、分组线性结构方程模型分析、加入乘积项的结构方程模型分析和两步最小二乘回归分析,并比较和评价了这些方法的优缺点。最后归纳了潜变量交互效应分析方法的研究趋势,并介绍了新近进展(包括LMS方法和GAPI方法)。     

潜变量交互效应结构方程：分布分析方法

对于潜变量交互效应结构方程分析,目前应用较多的是乘积指标方法.分布分析方法国内还罕有应用,包括潜调节结构方程（LMS）方法和准极大似然（QML）方法.该研究以乘积指标方法的模型假设为参照,介绍了分布分析方法的模型假设.并简要叙述了LMS方法及其Mplus程序,QML方法及其QML程序.综合现有研究结果,总结出LMS和QML方法、无约束和约束方法的特点,从中可以看出各方法的优缺点,推荐了不同条件下合适的分析方法.     

潜变量交互效应模型标准化估计中的检验问题

讨论了潜变量交互效应模型是否能直接用统计软件输出的原始估计的t值对模型的标准化估计进行检验的问题,详细介绍了标准化估计的t值计算及其难点,用Bootstrap方法算出标准化估计的标准误和相应的t值（记为t_bs）,并将其与原始估计的t值比较.结果发现,当原始估计t值超过3时,无论用t值还是用t_ bs检验,结果都是显著,即可以使用t值进行检验.而当t值不超过3时,与t_bs很接近,也可以用t值检验,但t值在临界值附近（例如1.5 ～2.5）时,最好还是使用Bootstrap法计算t_bs进行检验.     

潜变量交互效应标准化估计：方法比较与选用策略

标准化估计对模型的解释和效应大小的比较有重要作用。虽然潜变量交互效应的恰当标准化估计公式已经面世超过10年, 国内外都在使用和引用, 但至今未见到关于不同估计方法得到的恰当标准化估计的系统比较。通过模拟实验, 比较了乘积指标法、潜调节结构方程(LMS)、无先验信息和有先验信息的贝叶斯法的潜变量交互效应标准化估计在不同条件下的表现。结果发现, 在正态条件下, LMS和有信息贝叶斯法表现较好; 而在非正态条件下, 乘积指标法比较稳健, 但需要较大的样本(不小于500), 小样本且外生潜变量之间相关很低时可使用无信息贝叶斯法。     

潜变量建模的贝叶斯方法

贝叶斯统计是统计学的两大流派之一,近年来贝叶斯统计在社会及行为科学领域日益流行。鉴于国内心理学界对贝叶斯统计应用仍不广泛,本文尝试从非技术性的角度对贝叶斯统计用于潜变量建模的过程进行简要介绍。主要涉及贝叶斯与频率论在统计学基本概念上的对比;贝叶斯统计的基本原理和分析过程。最后以一个验证性因子分析为例,简要介绍贝叶斯统计用于潜变量建模的分析过程。希望本文能为国内心理学者进行潜变量建模提供新的视角。     

结构方程建模中的题目打包策略

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。     

基于结构方程模型的有调节的中介效应分析

有调节的中介模型是中介过程受到调节变量影响的模型。指出了目前有调节的中介效应分析普遍存在的问题：当前有调节的中介效应检验大多使用多元线性回归分析,忽略了测量误差;而基于结构方程模型(SEM)的有调节的中介效应分析需要产生乘积指标,又会面临乘积指标生成和乘积项非正态分布的问题。在简介潜调节结构方程(LMS)方法后,建议使用LMS方法得到偏差校正的bootstrap置信区间来进行基于SEM的有调节的中介效应分析。总结出一个有调节的中介SEM分析流程,并有示例和相应的Mplus程序。文末展望了LMS和有调节的中介模型的发展方向。     

结构方程模型中调节效应的标准化估计

回归分析和结构方程分析中,标准化估计对解释模型和比较效应大小有重要作用。对于调节效应模型（或交互效应模型）,通常的标准化估计没有意义。虽然显变量的调节效应模型标准化估计问题已经解决,但潜变量的调节效应模型标准化估计问题复杂得多。本文先介绍回归分析中显变量调节效应模型的标准化估计,然后提出了一种通过参数的原始估计和通常标准化估计来计算潜变量调节效应模型的“标准化”估计的方法,得到的“标准化”估计是尺度不变的,说明可以用“标准化”估计来解释和比较主效应和调节效应     

基于结构方程模型的多重中介效应分析

多重中介模型是指存在多个中介变量的模型。多重中介模型可以分析特定中介效应、总的中介效应和对比中介效应。指出了目前多重中介模型分析普遍存在的问题,包括分析不完整、使用Sobel检验带来的局限。建议通过增加辅助变量的方法进行完整的多重中介效应分析,使用偏差校正的Bootstrap方法进行中介检验。总结出一个多重中介SEM分析流程,并有示例和相应的MPLUS程序。随后展望了辅助变量和中介效应检验方法的发展方向。     

项目组合在结构方程模型中的应用

项目组合（itemparceling）是对同一量表中的若干项目进行整合并形成新的观测指标的过程。虽然一直以来它都是一个有争议的议题,但随着其在结构方程模型中的应用日益广泛,它越来越受到研究者重视。文章从项目组合的基本逻辑、优缺点以及具体方法等方面对项目组合的研究进行了概括,并在此基础上提出了使用的具体建议：（1）根据研究的目的与具体情境选择是否需要组合;（2）组合之前必须首先确定概念的维度性;（3）项目组合最好建立在一定的理论基础上等等。未来的研究可以深入探讨各种组合方法对模型拟合以及参数估计的影响以及项目组合在一些SEM高阶应用中的效果,并进一步与项目反应理论等测量理论相结合     

Modeling Interactions Between Latent Variables in Research on Type D Personality: A Monte Carlo Simulation and Clinical Study of Depression and Anxiety

Several approaches exist to model interactions between latent variables. However, it is unclear how these perform when item scores are skewed and ordinal. Research on Type D personality serves as a good case study for that matter. In Study 1, we fitted a multivariate interaction model to predict depression and anxiety with Type D personality, operationalized as an interaction between its two subcomponents negative affectivity (NA) and social inhibition (SI). We constructed this interaction according to four approaches: (1) sum score product; (2) single product indicator; (3) matched product indicators; and (4) latent moderated structural equations (LMS). In Study 2, we compared these interaction models in a simulation study by assessing for each method the bias and precision of the estimated interaction effect under varying conditions. In Study 1, all methods showed a significant Type D effect on both depression and anxiety, although this effect diminished after including the NA and SI quadratic effects. Study 2 showed that the LMS approach performed best with respect to minimizing bias and maximizing power, even when item scores were ordinal and skewed. However, when latent traits were skewed LMS resulted in more false-positive conclusions, while the Matched PI approach adequately controlled the false-positive rate.     

结构方程模型常用拟合指数检验的实质

拟合指数检验是评价结构方程模型(SEM)的重要环节。从协方差结构分析的角度将SEM与传统的回归模型比较,容易理解为什么SEM需要拟合指数。揭示了目前几种流行的拟合指数检验的实质:基于卡方的绝对拟合指数(如RMSEA)检验的实质是重新设定卡方检验的显著性水平(不同于通常的.05),相对拟合指数(如NNFI和CFI)检验的实质是基于虚模型设定均方(卡方与自由度之比)降低到的比例;在NNFI大于临界值后,报告和检验CFI是不必要的。根据研究结果提出了一些方便实用的拟合检验建议。     

管理胜任力特征分析:结构方程模型检验

管理胜任力特征分析是人事选拔与评价的重要内容之一。本研究在运用基于胜任力的职位分析并总结国内外有关文献的基础上,编制了管理综合素质评价量表,并运用此量表调查了220名中高层管理者,采用因素分析和结构方程模型检验企业高级管理者胜任力特征的结构。结果表明,管理胜任力特征结构由管理素质和管理技能等两个维度构成,但在维度要素及其关键度上,职位层次间存在显著差异。本研究为管理职位的测评选拔提供了新的理论依据。