结构方程模型在修正和中介作用分析中的误区和对策-中国卫生统计.PDFVIP

中国卫生统计２０１７年４月第３４卷第２期 ·３６１· 结构方程模型在修正和中介作用分析中的误区和对策 △ 湖州师范学院医学院（３１３０００）　王丽娜 　李莎莎 ［５］ 　　结构方程模型 （ｓｔｒｕｃｔｕｒａｌｅｑｕａｔｉｏｎｍｏｄｅｌｉｎｇ， 程 。各维度分数加总即承认了每个题目的信度均 ＳＥＭ）作为多变量资料统计分析技术之一，其在营销 为１００％的假设，鉴于随机误差及系统误差的存在，这 学、心理学、管理学、社会及行为科学等领域的量化研 种假设是不切实际的，特别是通过问卷量表、测评获取 究上已成为主流分析技术。近５年，在生物心理社 的资料。同时，ＳＰＳＳ／ＳＡＳ只能分析变量之间的直接 会医学模式的指导下，ＳＥＭ在医学相关领域的科研工 效果，无法分析间接效果。在可能存在间接效果的模 作中应用活跃，包括医疗纠纷、职业倦怠感、心理健康 型中，需要执行两次回归才能完整分析出所有变量之 状况、自我管理行为等变量的成因分析或中介机制的 间的关系。同一模型进行两次统计推断，将导致Ｉ型 探索，以及量表结构效度评定的验证性因素分析。本 错误的增加。ＳＥＭ考虑了观察变量的估计残差，能够 文在广泛参阅国内外ＳＥＭ相关著作及文献的基础上， 反应样本资料的真实情况，因此估计的偏差较小，结果 对ＳＥＭ在科研工作中的应用误区进行剖析，以减少 更为严谨。 ＳＥＭ的分析判断失误，提高其统计分析质量，使各学 ２ＳＥＭ图形输出简洁，易于理解 科研究过程更为科学、规范。 ＳＥＭ可以根据模型图上的执行结果迅速判读变 量（观察变量或潜在变量）之间的相关程度及影响方 ＳＥＭ的概念 向，并可以直观地显示中介效果或干扰效果。ＳＰＳＳ将 ［１］ １９７５年瑞典统计学家Ｊｒｅｓｋｏｇ 首次开发了用于 多个变量纳入回归方程，统计结果缺少图形呈现功能， 分析多指标变量之间复杂关系结构的多元统计分析方 此时，多数学者的做法是通过绘制路径分析图加以呈 法ＳＥＭ。该技术是结合证实性因素分析与回归分析 现各变量间的影响方向，但路径分析图忽略了自变量 或路径分析而形成。根据不同的统计分析目的，ＳＥＭ ［６］ 间的共线性。Ｒａｙｋｏｖ 认为，当多个自变量同时估计 的功能可划分为：（１）陈述、估计以及检验变量之间线 因变量时，自变量之间不可能完全独立。因此，Ｒａｙｋ 性关系与非线性关系的假设［２］；（２）检验观察变量与 ｏｖ团队在制定 ＳＥＭ模型估计准则时强调：自变量间 ［３］ 潜变量之间关系的假设 ；（３）同步检验一组观察变 的共变是结构方程模型估计的参数，如果自变量间的 ［４］ 量或潜在变量之间的直接效果及间接效果的假设 。 共变性被忽略，将造成估计上的偏差。 ＳＥＭ统计分析的目的与回归分析相似，但由于其在使 ＳＥＭ在科研中的使用误区 用上同时考虑了模型的交互作用、非线性关系、自变量 相关、测量误差、测量误差相关、多指标的外生潜在变 以关键词“结构方程模型”、“影响因素