多维潜变量分析及应用：探索性结构方程模型与传统模型的比较

Structural Equation Models (SEMs) have been frequently employed to study the relationship among latent variables in psychology, as well as in many other behavioral and social science disciplines, in which multidimensional constructs are often involved. A construct is multidimensional when it includes several distinct but related dimensions treated as a single theoretical concept. A measurement model with at least one multidimensional construct often violates the assumption of the independent clusters model in which each item has only one loading on the main factor because there are intercross-loadings on the other factors. In such a case, an Exploratory Structural Equation Model (ESEM) is considered more appropriate than a traditional SEM for statistical modeling. In this project, we will research statistical modeling methods under the framework of ESEM with their merits and demerits taken into account. The study will focus on path model comparison among ESEM, SEM and MPM (Manifest Path Model) in order to find out under which circumstances ESEM is better than SEM and MPM, and SEM or even simple MPM behaves well enough. The comparison will be made for regression analysis, mediation analysis and moderation analysis respectively. For the latter two relatively complicated analyses, we also need to investigate the appropriateness of the existing modeling methods within the framework of ESEM, in order to propose and recommend modeling procedures, strategies for model estimation and test, and Mplus programs. Finally, we will apply some new methods/models obtained in this project to two case studies in which multidimensional constructs are involved.

在心理和行为等研究领域，使用结构方程模型(SEM)分析潜变量关系已很常见。在这些领域，多维构念(包含了多个不同但相关的维度)的测验题目往往存在跨因子负荷，因而不满足独立分群模型假设，这时使用探索性结构方程模型(ESEM)进行统计分析被认为是较好的做法。本项目要研究的是多维测量数据分析的一个前沿课题――ESEM与传统模型比较，有什么优缺点。研究重点是，分别对回归分析、中介效应分析和调节效应分析，将ESEM与SEM、MPM(显变量路径模型)做比较。目标是了解什么情况下ESEM比SEM和MPM都好，有必要使用ESEM，什么情况下使用SEM甚至简单的MPM就可以了，为应用工作者提供多维潜变量建模方法指引。对于中介分析和调节分析，还需要研究现有估计和检验方法在ESEM框架下的适用性，给出ESEM建模步骤、估计和检验策略以及相应的Mplus程序。也将用本项目新创的方法，研究两个涉及多维构念的案例。

本项目重点研究了多维测量数据分析的一个前沿课题——探索性结构方程模型：（1）比较了探索性结构方程模型与传统模型（结构方程模型和显变量回归模型）的表现，包括模型拟合和参数估计的差别。（2）比较了基于探索性结构方程模型和验证性因子模型计算的合成信度。（3）探讨了跨因子负荷对于估计因子数目这一重要问题的影响机制。（4）比较了双因子模型和高阶因子模型作为测量模型的预测效果。. 此外，本项目也探讨了与多维量表建模有关的其它重要议题。一是探讨了基于多维量表建模的前期工作，介绍并讨论了计算合成信度、检验共同方法偏差、使用等效性检验完成模型拟合评价等相关研究前沿论题。二是探讨了多层结构方程模型框架下的中介和调节效应分析。例如，针对中介效应分析，提出了一个新的被试内中介效应的分析流程；比较了分析2-1-1随机斜率的多层中介模型的6种估计方法的表现。针对调节效应分析，提出了在结构方程模型框架下进行多层调节的分析流程。三是探讨了纵向数据建模分析的前沿统计方法。例如，探讨了如何选择适当的模型来建立纵向数据的交叉滞后结构、如何分析纵向数据的中介效应等议题。. 本项目成果将多变量、多维数据分析有关的建模方法、参数估计和模型检验策略推到了新的高度，为应用工作者提供了适应性更宽、解释性更强的分析工具。本项目提出的模型或方法在心理学实证研究中进行了许多应用：工作惬意感量表的多维性探讨；组织公民行为的影响因素研究；与共情、同情、冷酷无情等重要心理概念有关的实证研究；与正念、睡眠、感知社会支持有关的纵向数据建模研究，等等。对更好地探索和理解相关主题的心理和行为模式提供了新的视角，也为新模型的使用提供了示范案例。