关于贝叶斯随机系数结构方程模型元分析的研究

Meta-analytic structural equation modeling (MASEM) refers to a set of meta-analysis techniques for combining and comparing structural equation modeling (SEM) results from multiple studies. Current MASEM techniques can hardly model and account for between-study heterogeneity in structural parameters due to the missing data problem and the problem of model fit assessment. The main objectives of the proposed project are a) to propose a random coefficient approach to MASEM (RC-MASEM) to statistically model and explain between-study heterogeneity in structural parameters using Bayesian methods; b) to evaluate the performance of the proposed method using simulation studies; c) to extend the proposed method so that various data types (correlation matrices, covariance matrices, z-transformed correlation matrices, and categorical data) and nonnormal random coefficients are allowed; d) to illustrate the use of the proposed method by applying RC-MASEM to real data sets; e) to compare the proposed method with existing MASEM methods and the multilevel SEM method, and f) to develop an R package implementing the proposed method. The proposed project is expected to develop a new MASEM approach, to overcome the shortcomings of current MASEM approaches, and to widen the application of MASEM in substantive research.

结构方程模型元分析(MASEM)是指整合和比较结构方程模型研究结果的元分析技术。由于缺失值问题和模型适配度评估问题，目前的MASEM技术难以准确地对结构参数的异质性进行建模，因而无法探索影响结构参数结果的因素。本项目的研究内容包括1)从贝叶斯方法出发结合随机系数结构方程模型提出新的元分析方法——随机系数MASEM（RC-MASEM），从而解决缺失值问题和模型评估问题；2)通过仿真实验验证新方法的有效性；3)从数据形式、随机效应的非正态性等方面扩展RC-MASEM，提高其应用性；4)通过实际数据分析展示新方法的使用；5)横向比较现有的MASEM方法以及多层结构方程模型方法；6)开发实现新方法的程序包。预期本项目的研究成果将拓展现有技术的应用范围，提高元分析结果的精度，并为准确、全面地研究多变量心理学现象夯实方法学基础。

单个心理学研究的结果往往是不足够准确的，因此需要元分析综合多个研究结果从而获得更准确、全面的结论。考虑到心理学现象的复杂性，心理学研究往往涉及多个变量。在元分析层面上，这就需要结构方程模型元分析技术。目前，结构方程模型元分析面临的一个主要挑战是如何量化结构参数（如中介效应、因子载荷、回归系数等）的异质性。若存在结构参数的异质性，则意味着该结构参数所反映的心理学现象在不同情境不同人群中并不是一致的。许多心理学研究表明心理学现象的异质性普遍存在。然而，目前的结构方程模型元分析技术尚不能准确量化结构参数的异质性。另外，还存在缺失值问题（进入元分析的部分实证研究只调查了部分心理变量）和模型适配度的评估问题（在元分析层面上评估模型的适配度）。本项目分三个研究针对多变量元分析技术展开探索工作。研究一提出了新的元分析技术，即贝叶斯结构方程模型元分析。新技术能量化结构参数的异质性，部分解决缺失值问题，并能评估模型的适配度。模拟研究表明所提出的新元分析技术在存在缺失值的情况下，其参数估计、统计推断以及模型适配度评估方面表现良好。研究二通过实际数据分析比较新元分析技术和现有技术（一阶段结构方程模型元分析，OSMASEM）。结果表明两种方法在平均结构参数的估计上高度一致。新方法可以量化结构参数的异质性而OSMASEM则不行。在解释异质性也就是调节变量分析方面，两种方法可能会出现不一致的结果。结果是否出现差异主要取决于运用调节变量去解释所有结构参数还是部分结构参数。研究三扩展了方法。结构方程模型元分析的一种特殊情境是研究者关注两个心理变量之间的相关关系。但心理变量无法直接测量，因此进入元分析的不同心理研究采用了不同的测量方法来测量两个心理变量。出于经济原因，绝大多数研究只会采用一种测量方法。这将造成结构方程模型元分析并不是最有效率的分析技术。研究三将结构方程模型元分析拆解成两步：因子分析以及改进的单变量元分析。新分析方法能更有效的完成这种数据情境下的元分析。本项目完善了结构方程模型元分析的方法学基础，并进行了方法扩展。其研究成果能够帮助研究者在更符合心理学特性的基础上完成多变量元分析，获得更科学的研究结论。