情境效應(yīng) 基于多層結(jié)構(gòu)方程模型的情境效應(yīng)分析
發(fā)布時(shí)間:2020-03-03 來(lái)源: 感悟愛(ài)情 點(diǎn)擊:
1 前言 最近20多年,多層線性模型(Multilevel Modeling,MLM)和結(jié)構(gòu)方程模型(structural Equation Modeling,SEM)已成為社會(huì)科學(xué)研究中廣泛使用的兩種方法。這兩種方法都是針對(duì)傳統(tǒng)線性回歸分析的缺陷提出的,都是傳統(tǒng)線性回歸分析的延伸和發(fā)展。多層線性模型是針對(duì)傳統(tǒng)回歸分析只能分析單一層次數(shù)據(jù),在分析多層(嵌套)數(shù)據(jù)時(shí)存在隨機(jī)誤差獨(dú)立性違反的缺陷而提出的。多層線性模型通過(guò)建立多層回歸方程組(見(jiàn)公式(1)~(3)),將誤差分解為各層次的誤差(J真,和/J0,),解決了隨機(jī)誤差獨(dú)立性的問(wèn)題,因此可以探索不同層面自變量對(duì)因變量的影響以及不同層面自變量之間的交互作用。但是,多層線性模型仍然將所有變量都設(shè)定為顯變量(manifest variable),并假設(shè)自變量無(wú)測(cè)量誤差。結(jié)構(gòu)方程模型是針對(duì)傳統(tǒng)回歸分析只能分析顯變量之間關(guān)系的缺陷而提出的。結(jié)構(gòu)方程模型用測(cè)量方程和結(jié)構(gòu)方程來(lái)描述潛變量(1atent variable)和指標(biāo)之間、潛變量之間的關(guān)系,并允許自變量和因變量存在測(cè)量誤差,還能方便地提供模型的擬合指數(shù)(m indices),,幫助研究者評(píng)價(jià)模型的擬合程度。但是,結(jié)構(gòu)方程模型只能分析單一層次數(shù)據(jù),對(duì)多層(嵌套)數(shù)據(jù)并沒(méi)有特殊的檢驗(yàn)機(jī)制,使得多層(嵌套)結(jié)構(gòu)所反映的變量關(guān)系無(wú)法在假設(shè)模型中進(jìn)行估計(jì),造成隨機(jī)誤差獨(dú)立性假設(shè)的違反和標(biāo)準(zhǔn)誤估計(jì)失真。一般在結(jié)構(gòu)方程模型分析中看到的誤差相關(guān)(correlated uniqueness),就是誤差間存在隨機(jī)誤差獨(dú)立性假設(shè)違反的典型現(xiàn)象。由于多層線性模型和結(jié)構(gòu)方程模型是兩套為了解決不同問(wèn)題而獨(dú)立提出的統(tǒng)計(jì)方法,兩者各有優(yōu)勢(shì),但是當(dāng)數(shù)據(jù)同時(shí)即具有多層(嵌套)結(jié)構(gòu),又具有潛變量的時(shí)候,兩種分析方法都只能解決部分問(wèn)題,因此發(fā)展多層結(jié)構(gòu)方程模型(Multilevel Structural EquationModeling,MSEM)可以使這兩種重要的分析方法并用于同一個(gè)研究中,同時(shí)解決數(shù)據(jù)的多層(嵌套)結(jié)構(gòu)和潛變量的估計(jì)問(wèn)題(邱皓政,2007;王濟(jì)川,謝海義,姜寶法,2008)。本文目的是將多層(嵌套)數(shù)據(jù)結(jié)構(gòu)(以兩層為例)、潛變量、情境效應(yīng)分析相結(jié)合,用多層結(jié)構(gòu)方程模型進(jìn)行情境效應(yīng)檢驗(yàn)。
相關(guān)熱詞搜索:情境 方程 多層 基于多層結(jié)構(gòu)方程模型的情境效應(yīng)分析 結(jié)構(gòu)方程模型 調(diào)節(jié)效應(yīng) 分析 結(jié)構(gòu)方程模型案例
熱點(diǎn)文章閱讀