潜变量调节效应如何在LISREL87中实现检验:心得分享
####使用SEM分析调节变量比较复杂。主要问题是,主变量X与调节变量Z均有测量指标,但调节变量项X*Z却没有测量指标。在SEM分析中是不可以有些变量有指标而有些变量却没有指标的。所以用SEM来检验调节变量的关键是模拟调节变量测量指标(罗胜强, 姜嬿. 调节变量与中介变量. 见: 陈晓萍, 徐淑英, 樊景立, 2008, 324.)
####Schumacker & Marcoulides (1998) 主编的专集《Interaction and nonlinear effects in structural equation modeling》上介绍了多种用结构方程分析潜变量交互效应的方法,其中大多数都源Kenny & Judd (1984)的开创性工作,即使用带乘积项的结构方程。
####Marsh, Wen, & Hau (2004)系统比较了产生乘积指标的三种策略:所有可能的乘积指标 、配对乘积指标和单一乘积指标。在综合考虑了模型简洁性、模型拟合指数、估计偏差和精确度之后,发现配对乘积指标较好。根据这一结果,他们对乘积指标的产生给出如下建议:( 1 ) 使用所有指标( 即每个指标都在乘积指标中出现) ,以充分利用信息;( 2 ) 不要重复使用指标( 即一个指标不要在乘积指标中出现多于一次), 以免两个乘积指标因含有相同的一个指标而高相关,产生多重共线性现象。Batista-Foguet, Coenders, & Saris (2004)从不同的角度出发也得到了相同的结果,即建议使用配对乘积指标(转引自:转引自:温忠麟, 吴艳, 2010.)。
####Marsh, Wen, & Hau (2004)的研究结果表明,有高负荷的指标应当配对相乘,即“大配大,小配小”。。以X和Z各有4个指标为例,首先,分别以X和Z为因子,以各自的4个指标(如x1, x2, x3, x4, z1, z2, z3, z4)做单因子的验证性因子分析,然后将完全标准化解的负荷由高到低排序,并按“大配大,小配小”将指标配对相乘。Saris, Batista-Foguet & Coenders (2007)肯定了Marsh, Wen, & Hau (2004)的研究结果,建议有最高信度的指标应当配对相乘。在完全标准化解中,负荷最大的指标其信度也最高。Coenders, Batista-Foguet & Saris (2008)的工作使用 的就是配对策略,并且将信度最高的指标相乘(转引自:转引自:温忠麟, 吴艳, 2010.)。
####如果X(如有4个测量指标)与Z(如有5个测量指标)的测量指标数量不一致,可采用以下方法处理:从Z的5个指标中剔除负荷最低的一个指标,将剩下的4个指标与X的4个指标进行配对相乘(Marsh, Wen, & Hau, 2006. ) e.转引自:温忠麟, 吴艳, 2010)。(不过,温忠麟和吴艳(2010)认为,这方面的研究策略还有待进一步的探讨)。
####另一方面,潜变量交互效应建模中需要有均值结构加大了建模难度。(只要结构方程模型中包含了 1个或多个与均值有关的参数( 简称为均值参数) ,则称模型有均值结构( 参见Bollen, 1989; 侯杰泰, 温忠麟, 成子娟, 2004。)对此,吴艳, 温忠麟, 林冠群(2009)论证了使用零均值潜变量的方法,使交互效应的LISREL分析大大简化。吴艳, 温忠麟, 林冠群(2009)还证明了,在用 LISREL建模时,并不需要对乘积指标加以中心化,即不需要求出如x1z4-E(x1z4)之类的数值。(我的数据处理结果也表明,对乘积指标是否中心化,其结果完全一样。)因为当模型没有均值结构时,模型估计时将不会利用指标的均值信息,而只利用指标之间的协方差矩阵信息。也就是说,当模型没有均值结构时,模型会自动将所有的指标和潜变量都当作中心化变量处理。所以,无论是否将乘积指标如x1z4加以中心化,整个潜变量交互效应模型的参数估计结果都是相同的。
####因此,我的研究中决定采用了吴艳, 温忠麟, 林冠群(2009)所建议的方法。
####我在研究中,假设Z(共有5个测量指标Z51, Z52, Z53, Z54, Z55)对X(共有4个测量指标,X41, X42, X43, X44)与Y(共有4个测量指标,Y41, Y42, Y43, Y44)之间的相关关系存在调节作用。
___________________________(二楼继续)——————————————————————————————