跳转到内容

多层结构方程

来自VeritasWiki 真理百科

多层结构方程(又称多层结构方程模型)是把结构方程模型(见心理测量模型)与多层线性模型结合的统计方法,用于处理具有嵌套结构的数据(如学生嵌套于班级、员工嵌套于组织、重复测量嵌套于个体),同时在每个层级上估计潜变量及其结构关系。传统结构方程模型假设观测独立,无法处理数据的层级依赖;多层结构方程通过把方差分解到不同层级,既避免了忽略层级造成的偏误,又保留了潜变量建模处理测量误差的优势。

基本思想

多层数据普遍存在于心理学与教育学:学生属于班级、班级属于学校;个体在多个时间点重复测量;夫妻或家庭成员构成配对。这类数据的观测不独立——同一班级的学生共享环境,同一人的多次测量共享个人特质。忽略层级结构(把数据当作独立)会导致标准误低估、显著性夸大与参数偏估。多层结构方程通过引入层级随机效应解决这一问题:把每个层级的变量分解为组内部分与组间部分,分别建模。

其核心操作是"潜变量中心化":把观测变量分解为该组均值(组间成分)与个体偏离组均值的部分(组内成分),然后在各层分别建立潜变量与结构关系。这样,同一变量可以在不同层级上有不同含义——例如"班级平均学业自我概念"(组间)与"个体相对本班的学业自我概念"(组内)是两个不同的构念,其与其他变量的关系也可能不同。这种"层级同构但含义不同"的现象称为"构念的跨层等同性",是多层建模的核心洞见。

模型设定

多层结构方程的设定通常包括三层方程。层1(个体层):个体层面的测量模型(观测指标→组内潜变量)与结构模型(组内潜变量间关系)。层2(群体层):群体层面的测量模型(组均值→组间潜变量)与结构模型(组间潜变量间关系,如班级特征对班级平均结果的影响)。跨层关系:层2变量对层1结果的影响(如班级规模影响个体学业成绩)——这通过截距作为结果变量建模。西迪里迪斯等2018年发表于《心理学前沿》的研究展示了多层结构方程在数学成就构念效度评估中的应用。[1]邓等2022年发表于《风险管理与医疗政策》的研究用多层结构方程识别中国医师技术使用的影响因素与机制,展示了该方法在本土组织研究中的应用。[2]

与相邻方法的区别

多层结构方程需与三个方法区分。其一,多层线性模型:只处理观测变量,无法建模潜变量与测量误差;多层结构方程兼具两者优势。其二,多组结构方程(见多组结构方程):多组方法把群体当作"分类的组"分别估计,适合组数少、每组样本大的情形;多层结构方程把群体当作"随机抽样"的层级,适合组数多、可推广到群体总体的情形。其三,传统结构方程加上聚类校正(如稳健标准误):只校正标准误,不分解组间与组内效应——多层结构方程提供更完整的层级建模。

应用

多层结构方程在多个领域成为标准工具。教育研究:学生嵌套于班级/学校,研究班级氛围、教师特征对个体学业与心理的影响——可分离"班级平均效应"与"个体在班内的相对位置效应"。组织心理学:员工嵌套于团队/组织,研究组织文化、领导行为对个体态度与行为的影响。临床与健康:患者嵌套于治疗师/医院,重复测量嵌套于个体——多层结构方程可处理治疗师效应与个体内变化。发展心理学:用多层模型处理日记法与经验取样数据(多天数据嵌套于个体)。测量等值性与跨文化研究:多组结构方程与多层结构方程结合,用于检验跨群体与跨层级的等值性(见多组结构方程、测量等值性)。

中国语境

中文语境的多层结构方程应用日益广泛。本土教育研究用该法分析班级与学校层级因素对学生发展的影响——中国的大班额与班级文化为多层分析提供了丰富场景;组织研究用该法考察组织与团队层面的变量;医学与护理研究用该法分析医院层级因素。邓等2022年对中国医师技术使用的研究是本土应用的一例。[3]方法学层面,国内对多层结构方程的介绍逐步增多。挑战有三:其一,小样本问题——组数少或组内样本小时,多层结构方程估计不稳定,麦克尼什2017年发表于《结构方程模型》的研究对多层中介在小样本下的使用提出警示。[4]其二,层2样本量要求——组间层面估计需要足够多的组,许多研究组数不足。其三,跨层构念等同性的检验常被忽视——误把组内与组间的同一变量当作等同。

与跨文化研究的结合

多层结构方程在跨文化研究中提供了独特价值。传统多组结构方程(见多组结构方程)把国家当作固定的组别,比较少数几个国家的模型参数;多层结构方程把国家(或学校、组织)当作从更大总体中抽取的层级,可同时利用多层信息——例如用数十个国家的学生数据,同时估计个体层面的关系(学生的家庭背景与学业成绩)与国家层面的关系(国家的教育投入与平均成绩),并检验跨层交互(国家富裕程度是否调节个体家庭背景的影响)。这种"跨层"视角超越了简单的国别比较,能回答"情境特征如何塑造个体心理"的深层问题。西迪里迪斯等2018年对数学成就构念效度的多层结构方程分析、邓等2022年对中国医师技术使用的多层分析,都展示了多层建模在不同层级上同时解释的机制。挑战在于:多层跨文化分析需要足够多的高层单位(国家数、学校数通常要几十以上)——高层单位太少时,组间层面的估计不可靠,此时退回到多组结构方程更合适。两种方法的结合与选择,取决于高层单位数量与研究问题指向。

争议

多层结构方程有四个争议。其一,中心化方式:组均值中心化与总均值中心化的选择影响组内与组间效应的解释——不同选择可能改变结论,实践中须明确报告。其二,小样本下的适用性:组数少时层2估计不可靠——多层结构方程在此情形下是否优于简单的聚类校正,存在争议。其三,层2构念效度:组间层面的潜变量是否与个体层面测到同一构念(跨层等值性)——若不等值,组间结构的解释不成立。其四,模型复杂度与可识别性:多层潜变量模型参数众多,容易不可识别或估计不稳定——简约模型与完整模型的权衡是实务难题。

参见

参考资料