纵向数据的调节效应分析

目前调节效应检验主要是基于截面数据, 本文讨论纵向(追踪)数据的调节效应分析。如果自变量X和因变量Y有纵向数据, 调节效应可分为三类：调节变量Z不随时间变化、Z随时间变化、调节变量从自变量或因变量中产生。评介了基于多层模型、多层结构方程模型、交叉滞后模型和潜变量增长模型的纵向数据的多种调节效应分析方法。调节效应的分解和潜调节结构方程法的使用是纵向数据的调节效应分析的两大特点。对基于四类模型的调节效应分析方法进行综合比较后, 总结出一个纵向数据的调节效应分析流程。随后用实际例子演示如何进行纵向数据的调节效应分析, 并给出相应的Mplus程序。随后展望了纵向数据的调节效应分析的拓展方向, 例如基于动态结构方程模型的密集追踪数据的调节效应分析。     

纵向数据的中介效应分析

目前中介效应检验主要是基于截面数据,但许多时候截面数据的中介分析不适合进行因果推断,因而需要收集历时性的纵向数据,进行纵向数据的中介分析。评介了基于交叉滞后面板模型、多层线性模型和潜变量增长模型的纵向数据的中介分析方法及其四个发展。第一,中介效应随时间变化,如连续时间模型、多层时变系数模型。第二,中介效应随个体变化,如随机效应的交叉滞后面板模型和多层自回归模型。第三,中介模型的整合,如交叉滞后面板模型与多层线性模型整合为多层自回归模型。第四,中介检验方法的发展,建议使用Monte Carlo、Bootstrap和贝叶斯法进行纵向数据的中介分析。总结出一个纵向数据的中介分析流程并给出相应的Mplus程序。随后展望了纵向数据的中介分析的拓展方向。     

多变量追踪研究的模型整合与拓展：考察往复式影响与增长趋势

追踪研究当中, 交叉滞后模型可以探究多变量之间往复式影响, 潜增长模型可以探究个体增长趋势。对两类模型进行整合, 例如同时关注往复式影响与个体增长趋势, 同时可以定义测量误差、随机截距等变异成分, 衍生出随机截距交叉滞后模型、特质-状态-误差模型、自回归潜增长模型、结构化残差潜增长模型等。以交叉滞后模型和潜增长模型分别作为基础模型, 从个体间/个体内变异分解的角度对上述各类模型梳理, 整合出此类模型的分析框架, 并拓展建立“因子结构化潜增长模型(factor latent curve model with structured reciprocals)”作为统合框架。通过实证研究(早期儿童的追踪研究-幼儿园版, ECLS-K), 建立21049名儿童的阅读和数学能力的往复式影响与增长趋势。研究发现, 分离了稳定特质的模型拟合最优。研究也对模型建模思路和模型选择提供了建议。     

预测视角下双因子模型与高阶模型的模拟比较

双因子模型和高阶因子模型,作为既有全局因子又有局部因子的两个竞争模型,在研究中得到了广泛应用。本文采用Monte Carlo模拟方法,在模型拟合比较的基础上,比较了效标分别为外显变量和内潜变量时,两个模型在各种负荷水平下预测准确度的差异。结果发现,两种模型在拟合效果方面无显著差异;但在预测效度方面,当效标为显变量时,两个模型的结构系数估计值皆为无偏估计;而效标为潜变量时,高阶因子模型表现优于双因子模型:高阶因子模型的结构系数为无偏估计,双因子模型的结构系数估计值则在50%左右的情况下存在偏差。     

基于多层结构方程模型的情境效应分析—— 兼与多层线性模型比较

多层(嵌套)数据的变量关系研究, 必须借助多层模型来实现。两层模型中, 层一自变量Xij按组均值中心化, 并将组均值 置于层2截距方程式中, 可将Xij对因变量Yij的效应分解为组间和组内部分, 二者之差被称为情境效应, 称为情境变量。多层结构方程模型(MSEM)将多层线性模型(MLM)和结构方程模型(SEM)相结合, 通过设置潜变量和多指标的方法校正了MLM在情境效应分析中出现的抽样误差和测量误差, 同时解决了数据的多层(嵌套)结构和潜变量的估计问题。除了分析原理的说明, 还以班级平均竞争氛围对学生竞争表现的情境效应为例进行分析方法的示范, 并比较MSEM和MLM的异同, 随后展望了MSEM情境效应模型、情境效应无偏估计方法和情境变量研究的拓展方向。     

预设路径模型及其在认知心理学研究中的应用

预设路径模型(Fixed-links modeling)是在结构方程模型框架下发展出的用于分析心理学实验数据的统计模型。该类模型的主要特征是根据前期理论基础和实验设计,通过预先设定模型中显变量与潜变量之间的因素载荷矩阵实现对显变量方差的拆分。因素载荷矩阵的设定主要基于实验水平与所表征的心理过程之间的关系,选取相应函数来表征不同实验水平之间的变化趋势。该模型在表征工作记忆、注意和学习的内部加工过程及揭示不同认知过程的具体联系中发挥了重要作用。     

形成性测量模型：结构方程模型的新视角

形成性测量模型(Formative Model, FM)是指标变异导致潜变量变异的模型, 反映性测量模型(Reflective Model, RM)是潜变量变异导致指标变异的模型。FM在模型界定、识别和估计、信效度评价以及模型应用等方面均与RM存在极大的不同。模型界定错误会使参数估计发生偏差, 影响统计结论的有效性, 应当审慎考虑指标和潜变量之间的关系, 选择恰当的测量模型。进一步揭示两者的区别和误用带来的偏差, 完善FM的识别和估计、信效度评价方法、对变量含义的解释以及高阶FM的理论解释和模型估计是未来的研究方向。     

在亚健康状态研究中运用结构方程模型的合理性

亚健康状态是处于健康与疾病之间的一种“非病但非健康”的中间状态,主要表现为躯体、心理和社会适应等方面的不适,目前尚没有公认的概念和测量诊断工具。由于亚健康状态研究数据中含有潜变量、测量误差以及变量间关系需要确定等因素,不能使用传统的统计学方法进行处理。结构方程模型能够同时处理观测变量、潜变量、测量误差及变量间的关系,应用结构方程模型验证亚健康状况测量量表的结构效度和亚健康状态理论模型是非常合理的。     

计划行为模型在HIV性风险行为领域的应用与发展*

整理和回顾了计划行为模型在HIV性风险行为领域的应用与进展。该模型在不同文化背景、不同样本中,对于HIV性风险行为呈现良好的解释力,但是其整体预测力及内部变量的显著程度仍不时波动。21世纪以来,通过核心变量操作化、新变量引入和结构关系调整,模型获得了较大的扩展和完善。但在模型效度再检验、纳入社会性别视角、克服个体行为模型缺陷,以及强化模型的干预适用性方面仍有较大的发展空间     

视觉选择过程中眼跳与注意关系的理论进展

视觉选择的过程包含两种途径:眼跳行动和注意转移,两者对于视觉选择目标物的加工都有促进作用。鉴于此,视觉研究领域产生大量关于二者关联如何的实验研究,大部分研究者认为眼跳和注意转移存在密切联系。该文将关于两者关系的重要理论进行了综合阐述和简要比较,主要介绍五种理论假说:眼动准备假说、动前假说、顺序注意模型、视觉注意模型和竞争整合模型。     

小学教师职业倦怠维度发展顺序探究——来自结构方程模型和交叉滞后网络分析模型的证据

教师职业倦怠的情感衰竭、去人性化和个人成就感降低3个维度相对独立但也存在相互影响, 对其发展关系进行研究, 有助于深入理解职业倦怠的发展过程, 尽早识别倦怠症状。本研究对3837名小学教师进行追踪测试, 测试间隔为3年, 采用结构方程模型和交叉滞后网络分析模型进行分析, 结果发现小学教师职业倦怠维度最优发展模型为“T1的情感衰竭和个人成就感降低分别预测T2的情感衰竭和个人成就感降低, T1的去人性化预测T2的去人性化和个人成就感降低”, 且最优发展模型具有性别间的一致性和教龄段之间的一致性。这一结果支持并强调了去人性化在小学教师职业倦怠发展中的重要作用, 对识别教师职业倦怠早期症状并采取相应措施有效阻断教师职业倦怠的进一步发展具有一定的理论和现实意义。     

青少年早期亲社会行为倾向、内化问题和外化问题发展级联的个体内分析

认识亲社会行为倾向、内化问题和外化问题的发展级联对青少年心理健康促进具有重要价值。采用个体内分析方法分析了894名初中生3年的追踪数据, 并与传统的交叉滞后面板模型进行比较。结果发现：(1)在个体内水平, 亲社会行为倾向与内化问题和外化问题具有中等或较弱的协同变化关系, T1亲社会行为倾向可负向预测T2内化问题, T2亲社会行为倾向可负向预测T3外化问题, 具有较弱的预测作用; (2)在女生群体中, T2内化问题可正向预测T3外化问题, 而在男生群体中, 内化问题和外化问题没有相互预测作用; (3)亲社会行为倾向的4个因子(公开的、依从的、情绪的和利他的)可负向预测内化问题, 它们仅在T2可负向预测外化问题, 具有较弱的预测作用; (4)个体内分析方法得到的研究结果与传统交叉滞后分析方法不同, 不同的个体内分析模型得到的研究结果也不同。结论: 青少年早期亲社会行为倾向的发展可降低内化问题和外化问题, 这种作用具有性别差异; 个体内分析方法在青少年心理病理发展研究中具有重要应用价值。     

卡方自动交叉检验在人群细分中的应用

卡方自动交叉检验（CHi-squaredAutomaticInteractionDetector,CHAID）是一种定性的统计分类技术,主要解决根据一个因变量的不同反应确定若干预测变量的特征问题。这种算法模型可广泛应用于社会调查和市场细分中,根据不同的目的细分人群。该文主要介绍了CHAID算法模型的概念和发展,理论基础和应用过程,以及其效度检验方法,并将其与Logit模型等作了比较,指出其优势和局限。最后提出了研究展望     

家庭照料对照料者心理健康的影响

家庭照料通过不同途径和不同因素影响照料者心理健康,包括积极影响和消极影响。早期研究多关注家庭照料带来的消极影响以及相关个体水平变量所起的作用,当前研究中逐渐增加了对照料积极方面的关注,同时更加强调背景变量和个体间关系变量的作用。该文介绍了家庭照料研究中两个重要的理论模型：压力过程模型和双因素模型;总结了不同水平上的各种变量分别对照料的积极和消极作用途径产生的影响;提出了家庭照料者研究发展呈现出的两个趋势：理论模型更为整体化、系统化,研究的关注点由个体水平变量转向反映个体与环境间相互作用的变量;并对我国目前研究中的问题和发展方向进行了讨论     

如何描述发展趋势的差异：潜变量混合增长模型

在追踪研究中,研究者不仅关心某一特质随时间的发展趋势,而且关注个体之间发展趋势的差异及其存在差异的原因。在总体发展同质的情形下,多层线性模型和潜变量增长曲线模型为解决这一问题提供了切实有效的方法。但是如果所研究的总体本身不同质,就需要一种能够描述总体中不同质子总体的不同发展特点的方法。该文简要介绍了一种能够描述不同群体不同发展趋势特征的统计模型——潜变量混合增长模型,并通过一个实际例子介绍了这一方法的应用过程,同时说明了潜变量混合增长模型与多层线性模型和潜变量增长曲线模型之间的关系     

大学生心理健康、创造性人格与创造力关系的模型建构

通过问卷法对我国八大行政区10所不同类型学校的1043名大学生进行调查研究。从创造性思维和创造性人格多侧面认识大学生创造力的特点,从医学模式以及人格角度了解大学生心理健康的状况,在此基础上,借助现代统计技术———结构方程模型,揭示心理健康、个性和创造力之间的关系;将创造力作为内源潜变量,心理健康和创造性人格作为外源潜变量,三者构成的结构模型是可以接受的,该模型表明,大学生的创造力受其创造性人格和心理健康的积极影响。     

测量等价性的概念及其判定条件

测量等价性指的是,应用量表进行测量时,当观测变量和潜在特质之间的关系在相比较的各个组之间等同时,就称该量表具备测量等价性。特别地,来自不同群体但在潜在特质上得分相等的个体,他们观测变量的得分也应该相等。测量工具满足测量等价性的要求是进行组间差异比较的前提条件。该文首先明确了测量等价性的概念及其研究历史,然后阐述了测量等价性的重要性以及对测量等价性分析的必要性,进而讨论了在结构方程模型中测量等价性所要满足的5个条件,最后列举了模型优劣判定的拟合度指数     

追踪研究中的内生性问题：来源与应对

相对于横断研究,追踪研究中更有可能同时存在多种内生性问题来源。双变量追踪研究在心理学因果分析中发挥了重要的作用,然而其中的内生性问题却未得到应有的关注,这可能会影响推论的准确性。追踪研究中内生性问题的来源视乎模型而定,主要包括遗漏变量、变量选择和样本选择、解释变量的测量误差、动态面板和变量之间的相互关系。本文以代表性追踪模型CLPM为例,展示了内生性问题的影响,讨论了在原模型中运用工具变量来建模以应对内生性问题的可行性,目的是使心理学研究者能够关注追踪研究中的内生性问题,更好地运用追踪模型进行因果分析。     

家人情感卷入对老年自我刻板印象的影响：基于潜变量增长模型的分析

本研究使用问卷法对257名老年人进行了历时1年的3次追踪测试, 采用潜变量增长模型与交叉滞后回归分析考察了家人情感卷入与老年自我刻板印象的变化趋势, 家人情感卷入发展与老年自我刻板印象发展的关系, 以及家人情感卷入对老年自我刻板印象的时序效应。结果发现：(1)老年人感知到的家人情感卷入在1年内呈线性递减, 而老年自我刻板印象呈线性增长; (2)家人情感卷入的初始水平负向预测老年自我刻板印象的初始水平与增长速率; (3)家人情感卷入的下降速率也显著预测了老年自我刻板印象的增长速率; (4)交叉滞后回归分析进一步支持了老年人家人情感卷入对老年自我刻板印象的总体负向预测作用。本研究为老年刻板印象内化的家庭过程提供了理论支持, 并对减少老年刻板印象内化、改善消极老年自我刻板印象的干预具有一定的实践价值。     

基于结构方程模型的多层中介效应分析

近年社科领域常见使用多层线性模型进行多层中介研究。尽管多层线性模型区分了多层中介的组间和组内效应, 仍然存在抽样误差和测量误差。比较好的方法是, 将多层线性模型整合到结构方程模型中, 在多层结构方程模型框架下设置潜变量和多指标, 可有效校正抽样误差和测量误差、得到比较准确的中介效应值, 还能适用于更多种类的多层中介分析并提供模型的拟合指数。在介绍新方法后, 总结出一套多层中介的分析流程, 通过一个例子来演示如何用MPLUS软件进行多层中介分析。最后展望了多层结构方程和多层中介研究的拓展方向。