结构方程建模 | 打包步骤
结构方程建模中的打包步骤
在使用打包法前，首先要确定是否满足前提条件，然后再打包。Matsunaga (2008) 总结了一个打包流程，我们根据前面的讨论和以往打包的实践经验做了修改，给出新的打包流程图。
第一步
确定研究目的是结构模型分析。如果是进行测量模型分析(包括因子分析和测量模型的多组比较)，则不要使用打包法。
第二步
检查量表(或子量表)是否单维：
(1) 理论上、前期研究中量表(或子量表)是否单维？
(2) 单维CFA拟合如何？
(3) 修正指数显示的误差协方差是否大？
(4) 理论上是否有重要的外部变量？
CFA分析可以检验是否单维。将本是多维结构当作单维处理，模型拟合会不好。因此，CFA拟合不好，说明模型的维度不正确，或题目质量不好，需要重新检查和提炼测量结构；CFA拟合好，则进一步检查修正指数，防止结构多维或者存在其它重要的外部变量。需要注意的是，不能单靠探索性因子分析(EFA)检验单维，因为即便是多维，EFA也可能得出单维的结论。
如果模型本来有两个潜变量，但做一个处理，则相关题目的误差协方差会很高。看模型拟合指数和题目误差协方差的修正指数值，就知道是否隐藏了因子。
如果最初的CFA模型拟合不好或修正指数比较大，有三种可能性：
① 尽管量表是单维的，但取样误差使得误差相关很大，这种情况在小样本的情况下容易发生，因此，通过增加样本容量就可以解决这个问题；
② 有一个外部的未知因子(但我们不感兴趣、不重要)在影响，如受到共同方法、负向表述、社会期许等因素的影响。这种情况下增加样本容量并不能解决问题，打包可以解决。但如果这个外部因子是重要的，则不应通过打包掩盖。
③ 量表实际上是多维的。如果每个维度的题目不重合，各自组成一个子量表，参考下一节有子量表测验的打包策略，否则不能使用打包法。因为即便将多维错误地处理成单维，打包后，模型的拟合指数也可能不错，却掩盖了数据的真实结构。当看到修正指数比较大时，还是要借助于理论分析，重新探讨理论。毕竟，借助于观察修正指数不足以区分到底有多少个潜变量，从理论的角度出发寻找答案才能得到真正的解答。
总之，当修正指数很大时，先看看样本容量是否太小、然后从理论上探讨是否有重要的外部变量，是否可能是多维结构。如果理论上不能确定是单维还是多维，可以同时参考EFA结果。
第三步
决定使用打包法，选择合适的打包策略及指标数量。
第四步
在论文中报告打包详情，如过程、策略及合成指标的数量。这一步大部分研究者很容易忽视，却很重要。报告打包过程、策略等能让读者更好地理解、解释研究得到的结果与结论。
参考文献：吴艳, & 温忠麟. (2011). 结构方程建模中的题目打包策略. 心理科学进展, 19(12), 1859-1867.
声明：部分文章和信息来源于互联网，如转载内容涉及版权等问题，请立即与小编联系，我们将迅速采取适当的措施。
感谢您抽出
更多精彩请点击下列分类文章
↓↓↓
自我暴露必须谨慎地运用，因为当治疗师只是单纯地报复患者或者试图让患者感到有负罪感时，他们很容易蒙蔽自己、认为自己所说的话具有治疗作用。