潜变量调节效应如何在LISREL87中实现检验？急

辛勤工作 发表于 2011-10-1 10:06
3、这只是一个简化的方法。虽然你还没有完全讲到位。
4、通常来说，这个方法的效果不会太好。要有思想准 ...

吴艳, 温忠麟, 林冠群(2009) 在理论上证明了，简化后的无均值结构模型与有均值结构模型相比，主效应、交互效应和负荷等参数没有任何改变。模拟研究结果也显示，无均值结构的模型与有均值结构的模型相比，主效应 、交互效应和负荷等参数估计非常接近，估计精度( 由参数估计标准差衡量) 也非常接近。

可否详细一点说，效果如何不太好？原因？

徐嘉骏 发表于 2011-10-1 20:17
何苦呢，就用回归呗，理论创见比方法技术重要，如果调解效应显著，回归也能检验出来，就像8楼说的这个方法效 ...

设主变量为X与调节变量为Z，两者均为潜变量，则其调节效应的检验是通过分析调节变量与主变量之间的交互项X*Z来实现的。两个潜变量的交互效应，大体上有四种处理方法（温忠麟, 候杰泰, 马什赫伯特, 2003）。

一是用潜变量的因子得分作回归分析，这是是熟悉因子分析的人最容易想到的一种方法。该方法容易理解，用SPSS就可完成，但其缺点也是明显的。由于使用因子得分，忽略了指标的测量误差，故X*Z的回归系数的标准误差可能很不精确，因而影响检验结果。另外，该方法是两步估计（先估计因子得分，再估计回归系数），而在估计因子得分时，完全没有顾及各因子之间的关系，这进一点削弱了模型的精确度。

二是两步最小二乘回归分析，该方法可以在SPSS用一个命令即可完成。但该方法精确度较差，其估计的交互效应有较大偏差，检验功效较低，故不推荐使用。

三是用分组线性结构方程模型来分析，该方法是将其中的一个变量当作可观测变量，按其数值将样本分成若干子样本，然后分别对每一组分析结构方程模型，以检验交互效应在不同组别之间是否具有显著差异。该方法优势明显，如有SEM软件支撑，在一些特殊情况下（如交互效应不以乘积项而以比率项出现时）非常适用等。但问题也不少，如，对于两个变量者是潜变量的情形，分组具有人为性；基于可观测的变量分组，忽视了测量误差；会增加假设检验中的第二类错误；没有给出交互效应系数的估计；分组后子样本可能会太小；等等。

四是加入乘积项的的结构方程模型分析。该方法的由Kenny & Judd (1984)开始创建，后来不断完善，尤其是Algina & Moulder (2001)的中心化工作，使该方法大大改进，是目前比较好的分析潜变量交互效应的方法。该方法在实际应用中的主要问题，一是模型有较强的假设；二是即使两个变量都是正态分布，其乘积项也不是正态分布，因而模型的稳健性是个问题；三是必须熟悉结构方程，正确给出约束等式，否则模型有误。

精确性和简洁性是统计建模的两大追求。以上四种方法中，两种回归方法都是两步估计，误差较大；两种SEM方法由于同时考虑了指标与潜变量之间的关系以及潜变量与潜变量之间的关系，精确度较高。但由于SEM方法比较复杂与麻烦，对其加以进一步的简单化成为SEM方法的追求。

其实在结构方程中做调节效应没有这么复杂的，有一种简单的方法，但是只能是估计出有显著的调节效应，具体是多少难以估计，这种方法就是在结构方程模型中，首先将离散的调节变量按照其性质分组，然后运行每一组的路径系数，接下来，固定所有群组中需要检验的调节变量对其调节的路径系数，即令所有群组该条路径系数相等，然后与预设模型进行比较卡方值，如果卡方值显著，说明存在调节效应，最后比较每个群组之间的路径系数，这个方法按照kneir的方法做的

请教大家一个问题，对于两个变量的交互变量如何计算。如潜变量A有10个问题测量，分为三个指标1.2.3.潜变量B有8个问题，分为指标1.2，如何计算交互变量AB.请高手指点！
楼主的基本步骤都是单因子分析，如果出现三个因子的情况，如何进行交互变量的计算，而且测量项的个数不一样。

feiwuhuaer 发表于 2011-10-4 15:05
请教大家一个问题，对于两个变量的交互变量如何计算。如潜变量A有10个问题测量，分为三个指标1.2.3.潜变量B ...

在我的研究领域内，已有的研究已经表明，调节效应其实不是主要的前因变量。我分析了多项调节效应，其交互项的路径系数没有超过0.1的。这是否说明，多个调节变量的考察，这本身可能有点问题：没有抓住主要矛盾或矛盾的主要方面。

模型的简洁性，是必要的。因为简洁的模型，所考察的恰恰是主要矛盾或茅盾的主要方面；这时再辅以一些关键性的控制变量的考察，模型就是充分的或准确的。

如果调节效应过多，我想，可能可以先考察下，你对所作的研究是否吃透了？

多个调节效应的估计分析，在统计上无疑是一个值得探讨的论题，但在专项研究中，可能会缺失其应有的价值。

我所用的方法，是针对两个变量、多个测量题项的做法，这是一点是非常明确的。您所说的“楼主的基本步骤都单因子分析”，不知是何含义？请解释。

yuanlicun 发表于 2011-10-5 16:27
在我的研究领域内，已有的研究已经表明，调节效应其实不是主要的前因变量。我分析了多项调节效应，其交互 ...

我论文中用的是”加入乘积项的的结构方程模型分析”，主要是计算两个变量的乘积项，我看了你前面介绍的方法，基本潜变量X和Z经过处理后有四个测量项，而且你的潜变量经过EFA检验都只有一个因子，如果有两个、三个因子怎么办呢？还有经过X和Z配对相乘，配对相乘没有很好的依据啊，这样乘出来的结果还有四个指标，是否还需要经过EFA确定有几个因子？我看国外的文章的时候，他们在文中提到用两个变量A、B的乘积项来代表另一个变量C，研究C与员工行为的关系，主要是A、B潜变量各自的潜变量指标数量不一样，如何相乘？这是一个问题

feiwuhuaer 发表于 2011-10-8 14:47
我论文中用的是”加入乘积项的的结构方程模型分析”，主要是计算两个变量的乘积项，我看了你前面介绍的方 ...

"而且你的潜变量经过EFA检验都只有一个因子，如果有两个、三个因子怎么办呢？"
这话不是很明白。
潜变量，就是一个因子，它是题项的解释变量。
我们通常是这样做的：对题项进行EFA，看是否符合预期的题项设计，或者说，在所要调查的人群中这个量表是否合适。如果本来这些题项是从文献中得来的，且只针对一个潜变量进行设计的，但EFA却发现可以给出好几个因子，则需要分析原因，再次进行预调查，直到只能获得一个因子即潜变量为止。

feiwuhuaer 发表于 2011-10-8 14:47
我论文中用的是”加入乘积项的的结构方程模型分析”，主要是计算两个变量的乘积项，我看了你前面介绍的方 ...

“还有经过X和Z配对相乘，配对相乘没有很好的依据啊，这样乘出来的结果还有四个指标，是否还需要经过EFA确定有几个因子？”
依据就是前人的研究成果。我的介绍中已经充分说明。
乘出来的指标，是一种模拟指标，不是调查而得，依我的理解，无需EFA或CFA分析了，直接使用。

feiwuhuaer 发表于 2011-10-8 14:47
我论文中用的是”加入乘积项的的结构方程模型分析”，主要是计算两个变量的乘积项，我看了你前面介绍的方 ...

“我看国外的文章的时候，他们在文中提到用两个变量A、B的乘积项来代表另一个变量C，研究C与员工行为的关系，主要是A、B潜变量各自的潜变量指标数量不一样，如何相乘？这是一个问题”

如果没有理解错的话，这是回归分析，不是SEM分析，所用的方法是：对题项的因子相乘。我的介绍中已经说明了，这种方法很不精确。

LZ总结得不错哦，受教了。feiwuhuaer问的是二阶潜变量之间的交互效应怎么求吧。。。LZ误解他的意思了。