跳转到内容

路径分析

来自VeritasWiki 真理百科
路径分析
英文名 Path Analysis
学科归属 多元统计、心理测量
核心含义 用一组回归方程同时检验多变量因果假设的方法
提出者 赖特(Sewall Wright)
提出时间 1921 年(遗传学),20 世纪 60 年代引入社会科学
定位 结构方程模型的观测变量版本
相关条目 结构方程模型、中介效应、相关分析|}

路径分析是把多个变量之间的假设因果关系统一放入一个模型中同时检验的统计方法:研究者依据理论画出路径图——箭头表示假定的因果方向,每个箭头对应一个路径系数,然后用数据估计所有系数并检验模型的拟合。

路径分析由遗传学家赖特于 20 世纪 20 年代首创,用于分析家系性状的因果结构;20 世纪 60 年代社会学家邓肯等人将其引入社会科学,成为结构方程模型的直接前身。

从相关到路径

路径分析的基本动机是:相关本身不告诉我们因果结构。变量 A 与 B 相关,可能是 A 影响 B、B 影响 A、两者共同受 C 影响,或者纯属巧合。

路径分析的做法是把研究者认为最可能的结构明确画出来,然后检验数据是否支持这一结构。核心概念包括:

外生变量:模型中不被任何其他变量解释的变量(箭头只出不进)。

内生变量:被模型中其他变量解释的变量,其变异分解为被解释部分与残差。

直接效应:一条箭头表示的影响;间接效应:经由中间变量的影响,数值上等于路径系数的乘积;总效应:直接效应与间接效应之和。

递归模型:因果链单向、无回路,这是最常用也最易估计的形式。

路径系数与效应分解

路径系数是标准化(或非标准化)的回归系数,表示在控制模型中其他变量的前提下,自变量每变动一个单位对因变量的直接作用。

效应分解是路径分析最独特的分析视角。以一个三变量链 X→M→Y 为例:X 对 Y 的总效应分解为间接效应(X 经由 M 传导的部分,等于两条路径系数之积)与直接效应。如果直接效应接近零而间接效应显著,说明 X 的作用完全通过 M 传导——这正是中介分析的思路。

这种分解使理论中"通过什么机制起作用"的问题有了数量表达:机制是否存在、传导了多少、还剩多少未解释的直接作用,都可以计算。

模型检验

路径模型的检验包含几个层面。

单个方程层面:每条路径的系数是否显著不为零。

整体拟合层面:模型隐含的相关矩阵与观测相关矩阵的匹配程度。递归模型(恰好识别)总能完美拟合数据,此时整体拟合没有检验意义——但模型仍然可能错误,因为另一种结构的模型同样能拟合。这正是"拟合好不等于结构正确"的根源。

对比模型层面:比较不同假设结构的模型。在过度识别的设计中(如加入额外约束),不同模型可以相互竞争,提供有限的辨别证据。

识别的约束条件是路径分析的硬性要求:每个内生变量的残差必须与该变量的原因变量不相关;递归模型默认满足,非递归模型(存在双向箭头)则需额外工具变量。

横断面数据的因果限度

路径分析最常见的误用是把路径系数当作因果效应的确证。需要明确的是:路径分析处理的是观测数据,箭头的方向由研究者假定,数据只检验这种结构是否自洽。

同样的三个变量数据,A→B→C 与 C→B→A 两个方向的模型都可能拟合良好。区分它们需要:纵向数据(时间先后提供了方向信息)、跨时间点的交叉滞后面板设计、工具变量或实验操作。横断面路径分析的证据等级是"与假设一致",而非"证明假设"。

这一限度也解释了为什么路径分析报告的规范要求明确讨论模型的可替代结构:负责任的分析会检验主要的竞争模型,说明哪种结构同样成立、以及哪类数据能进一步区分。

示例分析

用一个教育研究例子说明路径分析的完整应用。

研究问题:家庭社会经济地位(SES)、亲子阅读频率与学生阅读能力的关系。理论假设两个结构:SES 提高阅读频率(SES→F),SES 与阅读频率都影响阅读能力(SES→R、F→R)。

路径估计的可能结果:SES→F 系数显著,SES→R 与 F→R 也显著。效应分解显示:SES 对阅读能力的总效应中,约四成经由阅读频率间接传导,六成为直接效应。间接效应的解释需要谨慎——直接效应可能包含未测量的机制(家庭语言环境、SES 相关的其他资源),而非"纯直接作用"。

模型竞争检验:加入母亲教育水平作为 SES 的另一指标结构、或允许 SES 与阅读频率的误差相关,比较不同设定的拟合与效应稳定性。敏感性分析是路径研究可信度的重要支柱。

这一例也显示路径分析在教学中的核心训练点:识别(SES 的测量是否足够)、分解(三类效应各自的大小)、解释(间接效应对应机制、直接效应承认未解释成分)。这些训练内容与结构方程模型完全同构,只是没有测量层。

路径分析的历史地位也值得了解:赖特的方法在遗传学中长期独立发展,20 世纪 60 年代经邓肯、布劳等社会学家引入后,带动了社会学定量研究对因果结构的讨论;心理学家随后把测量模型并入,形成完整结构方程模型。今天路径分析作为独立方法的使用频率下降,但它的路径图语言已成为结构方程教学与应用的通用媒介——几乎所有结构方程教材都从路径图讲起,路径分析的思维框架内嵌于一切后续方法之中,是心理统计训练中不可跳过的一环。

与结构方程模型的关系

路径分析可以看作结构方程模型的观测变量版本:当所有变量都用单次测量且忽略测量误差时,路径分析即结构方程模型的特例。

加入测量模型(每个构念用多个指标测量、误差被建模)之后,路径分析扩展为完整的结构方程模型。实践中两者常被并列使用:小样本或指标单一时用路径分析;构念复杂、测量误差不可忽略时用结构方程模型。

对学习者的建议是先掌握路径分析的逻辑——识别、效应分解、拟合检验,因为结构方程模型的所有概念都建立在这一逻辑之上,只是多了测量层。

参见

参考资料