探索性结构方程模型Exploratory Structural Equation Modeling（附MPLUS程序）
2012-05-18 16:20阅读：
1 探索性结构方程模型概述
在实际研究中，许多测量工具有着良好的EFA结构但很难得到CFA的支持(Marsh et al., 2009; Marsh, Hau, & Grayson,
2005)。例如，测量大五人格最常用的量表NEO-PI-R，在EFA分析中，其因子结构在多种文化、多种人群中得到复制，但是在CFA中拟合指数并不理想(McCrae et al.,
1996)。换句话说，在CFA中限制某些因子负荷为零是不合适的，往往会高估因子间相关和外部变量间的关系(Asparouhov, & Muthen,
2009)，特别是在某些特定的研究领域，如人格（不同的人格特质在同一个人身上同时存在而非完全孤立）。因此，在某些情况下使用CFA并非能得到合理的模型拟合。为了获得可接受的模型拟合，研究者常常使用修正指数来修改模型（见第
9
章），而此种做法有存在诸多弊端(MacCallum, Roznowski, & Necowitz,
1992)。为此，研究者最近提出了一种称作探索性结构方程模型(Exploratory Structural Equation Modeling,
ESEM)的方法(Asparouhov, & Muthen,
2009)的方法，该方法同时兼顾EFA和CFA的特点。
ESEM
作为EFA和CFA的整合具有如下优点(Asparouhov, & Muthen,
2009)：（1）可以得到所有SEM的参数，包括整个模型的拟合指数，误差相关，与其他变量间的关系等。（2）可以探讨EFA模型在多组和/或多时点测量不变性，而在EFA模型中是不可能的。关于ESEM统计原理参见Asparouhov和Muthen(2009)的文章，相关应用见Marsh等(2009;2010;2011)。目前，ESEM只能在Mplus中实现，下面以CES-D为例演示ESEM的分析过程。
2
探索性结构方程模型示例
与EFA设置不同，ESEM采用的是CFA模式，用MODEL命令设置因子模型。仍然以CES-D三因子模型为例比较ESEM和传统CFA模型间的差异。ESEM示例程序呈现在表4-6中。通过执行该程序，Mplus报告的结果与EFA抽取三因子的结果完全相同（相同的模型拟合，相同的因子负荷、因子相关等）。但是与EFA不同，可以在MODEL命令下设置因子与外部变量间的关系，也即是包含EFA所有特征的同时涵盖了CFA的特征。
为了进一步说明ESEM带有的CFA特点，表1的第二部分呈现了包含协变量的（自尊，由5个条目测量的潜变量）的ESEM模型，如图1所示。该模型的拟合指数呈现在表4-7中，因子负荷、因子相关以及自尊对三个因子的回归系数列在表2。在带有协变量的ESEM模型中，CES-D的因子负荷与EFA三因子模型结果差异不大，三个因子间的相关在.20-.60(p <
.01)之间。自尊对三个因子的回归系数分别为-46，-.44和-.64(p <
.01)。
图1
带有协变量的ESEM示意图（注：F1，F2和F4彼此相关）
图2
带有协变量的三因子CFA模型意图
表1
ESEM示例程序
TITLE: this is an example of an ESEM
DATA: FILE IS CFA for CES-D.dat;
VARIABLE: NAMES = age gender y1-y20;
MODEL:
F1-F3 BY y1-y20 (*1);
!括号内的星号定义f1-f3为ESEM因子；
OUTPUT: STANDARDIZED MOD;
|
TITLE: this is an example of an ESEM with covariate
DATA: FILE IS CFA for CES-D.dat;
VARIABLE: NAMES = age y1-y20 i1-i10;
ANALYSIS: ROTATION = geomin(oblique);
ESTIMATOR =
MLR;
MODEL: F1-F3 BY y1-y20 (*1);
F4 BY i1-i5;
F1-F3 ON F4;
!自尊预测F1-F3；
OUTPUT: STANDARDIZED MOD;
|
TITLE: this is an example of an
SEM!更多的内容见第8章
DATA: FILE IS CFA for CES-D.dat;
VARIABLE: NAMES = age gender y1-y20
i1-i10;
USEVARIABLES = y1-y20
i1-i5;
ANALYSIS:
ESTIMATOR =
MLR;
MODEL: F1 BY y1* y2 y3 y5 y6 y7 y9 y10 y11;
F2 BY y4* y8 y12 y16;
F3 BY y13* y14 y15 y17 y18 y19
y20;
F4 BY i1* i2-i5;
|
