温忠麟 王一帆 杜铭诗 俞雅慧 张愉蕙 金童林

    二阶潜增长模型标度方法及其可比的一阶潜增长模型*

    温忠麟1王一帆1杜铭诗1俞雅慧1张愉蕙1金童林2

    (1华南师范大学心理应用研究中心/心理学院, 广州 510631) (2内蒙古师范大学心理学院, 呼和浩特 010022)

    潜增长模型(LGM)是分析纵向数据的一种强有力工具, 在心理学和其他社会科学研究领域受到重视。多指标测量的变量, 既可以用合成分数建立单变量LGM(一阶LGM), 也可以用指标建立潜变量LGM(二阶LGM)。简述了二阶LGM标度方法(包括尺度指标法和效应编码), 提出了有可操作性的潜变量标准化标度方法和合成分数的一阶LGM标准化模型。系统总结了二阶LGM标度方法及其可比的一阶LGM建模, 并用多指标变量的实测数据进行示例。推荐使用效应编码法对二阶LGM进行标度和标准化。

    潜增长模型, 合成分数, 标度方法, 尺度指标, 效应编码, 潜变量标准化

    为了模型识别(identification), 验证性因子分析(CFA)的一项基础工作是因子标度(scaling), 即为因子设定测量单位和测量原点(侯杰泰等, 2004)。先说设定测量单位, 通常的标度方法(scaling method, 也称为识别方法)是使用固定负荷法或者固定方差法指定测量单位。固定负荷法是对每个因子, 都将其中一个指标的负荷(loading)固定为一个常数, 相应的指标称为尺度指标(scaled-indicator或者mar-ker-variable)。最方便的是固定负荷为1, 此时因子的测量单位与尺度指标的测量单位相同; 固定方差法是将每个因子的方差固定为一个常数, 最方便的是固定方差为1。再说设定测量原点, 对于无均值结构的模型, 其实是将因子均值和指标的截距(intercept)都固定为0; 对于有均值结构的模型(Mplus软件默认),有两种标度方法：一种是将因子的均值固定为0, 另一种是将尺度指标的截距固定为0。

    潜增长模型(latent growth model, LGM)是分析纵向数据的一种强有力工具, 在心理学和其他社会科学研究领域受到重视(例如, Jeon & Kim, 2021; Yang et al., 2021; 也见本文讨论部分)。LGM是一种特殊的因子模型, 它的标度方法有什么特殊性？用潜变量(latent variable)建立的LGM应当如何标度, 才能与用显变量建立的LGM有可比性？这些是本文要研究的主要问题。本文先介绍单变量LGM (一阶LGM)和潜变量LGM (二阶LGM); 然后简述二阶LGM标度方法, 提出有可操作性的潜变量标准化标度方法, 并在此基础上系统总结二阶LGM标度方法及其可比的一阶LGM建模; 接着使用一个多指标变量的实测数据, 对所论的标度方法建模并比较一阶和二阶LGM的参数估计结果; 最后对二阶LGM标度和模型标准化方法做出推荐 ......