Исследование тестирования моделей — Дизайн проверки структурной теории
- Автор метода
- Karl G. Joreskog (SEM/LISREL framework); formalized through structural equation modeling tradition
- Год
- 1970s (Joreskog 1969–1973); widely adopted in social sciences by the 1980s–1990s
- Тип
- Confirmatory quantitative research design
- Семейство
- Survey / observational design
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Исследование тестирования моделей представляет собой подтверждающий количественный дизайн, в котором исследователь задает теоретическую модель — описывающую предполагаемые взаимосвязи между конструктами — а затем проверяет, насколько хорошо эта модель соответствует эмпическим данным.
Опираясь в первую очередь на моделирование структурными уравнениями (SEM) и конфирматорный факторный анализ (CFA), оно оценивает, согласуется ли подразумеваемая данными ковариационная структура с теоретически выведенной, предоставляя индексы согласия, указывающие на соответствие модели и данных.
Интуиция метода
Рассматривайте исследование тестирования моделей как сравнение чертежа с реальным зданием. Вы начинаете не с вопроса «что происходит в этих данных?», а с теоретически выведенной картины того, как переменные должны быть связаны друг с другом, затем собираете данные и спрашиваете: соответствует ли мир моему чертежу? Индексы согласия показывают, насколько здание соответствует плану, а индексы модификации помогают определить, где чертеж нуждается в доработке. Вся логика является дедуктивной и подтверждающей: сначала теория, затем данные.
История
Статистическая основа для исследования тестирования моделей была заложена Карлом Йорескогом, чьи работы по конфирматорному факторному анализу (1969) и анализу ковариационных структур (1973) привели к созданию пакета программ LISREL. В 1980-х годах SEM распространился в психологии, образовании, менеджменте и социологии, популяризированный такими исследователями, как Питер Бентлер (программное обеспечение EQS, 1985) и Майкл Браун. Учебник Река Клайна, впервые опубликованный в 1998 году и теперь в четвертом издании (2015), остается стандартным методологическим справочником для прикладных исследователей в области социальных наук.
Когда применять
Используйте исследование тестирования моделей, когда у вас есть хорошо разработанная теория, которая определяет, как связаны множественные латентные конструкты, и вам нужно оценить, согласуется ли теория с ковариационными данными на уровне популяции. Оно идеально подходит для валидации измерительных инструментов (CFA), тестирования опосредующих и модерирующих цепочек, а также сравнения конкурирующих теоретических рамок. Требуется как минимум N = 200 и несколько индикаторов на конструкт. Не используйте его в качестве первого шага, когда теория находится на начальной стадии — исследовательский факторный анализ или качественная работа, основанная на данных, должны предшествовать спецификации модели. Избегайте его, когда размер выборки мал, когда конструкты имеют только один индикатор, или когда цель является чисто описательной, а не основанной на теории.
Ограничения и замечания
- Требует большой выборки (обычно N >= 200), которую многие исследователи не могут реально получить.
- Согласие модели может казаться приемлемым, даже когда теоретическая интерпретация неверна — индексы согласия подтверждают статистическую согласованность, а не теоретическую истину.
- Высокочувствительно к неправильной спецификации модели; исключение теоретически значимого пути завышает другие коэффициенты и искажает согласие.
- Предполагает многомерную нормальность при оценке ML; нарушения требуют робастных оценщиков (MLR, WLSMV), которые менее знакомы многим прикладным исследователям.
- Пост-хок модификация модели без перекрестной валидации превращает подтверждающее исследование в исследовательское, подрывая его научную ценность.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Тестирует целые теоретические рамки одновременно, а не изолированные бивариантные гипотезы.
- Отделяет ошибку измерения от структурных взаимосвязей, давая более точные оценки параметров, чем простая регрессия.
- Позволяет формально сравнивать конкурирующие модели с использованием индексов согласия и тестов разницы хи-квадрат.
- Поддерживает оценку опосредования, модерации и косвенных эффектов в единой интегрированной структуре.
- Производит стандартизированные и нестандартизированные коэффициенты, которые непосредственно интерпретируемы в теоретическом смысле.
- Широко признано и принято в высокоимпактных журналах по социальным, поведенческим и медицинским наукам.
Применение
- Валидация психометрических шкал и оценка конвергентной и дискриминантной валидности с помощью CFA.
- Тестирование структурных моделей опосредования — например, опосредуется ли влияние требований к работе на выгорание эмоциональным истощением.
- Сравнение факторных структур или коэффициентов путей между демографическими группами с помощью многогруппового SEM.
- Изучение продольных траекторий роста и взаимной причинности с помощью перекрестно-лагнированных панельных моделей.
- Тестирование теоретических рамок в организационном поведении, психологии здоровья и образовательных исследованиях.
- Оценка конкурирующих теоретических объяснений путем сравнения их соответствия одним и тем же наборам данных с использованием AIC или BIC.
Как это работает
Как это работает
Исследователь формулирует формальную теоретическую модель — часто изображаемую в виде диаграммы путей — которая определяет, какие латентные конструкты существуют, как наблюдаемые переменные (индикаторы) связаны с этими конструктами (модель измерения) и как конструкты связаны друг с другом (структурная модель). Каждый включенный или исключенный путь отражает существенное теоретическое обязательство, а не выбор, основанный на данных.
Каждый латентный конструкт операционализируется путем выбора или разработки многопунктовых шкал с установленной или предполагаемой надежностью и валидностью. Оцениваются требования к размеру выборки (обычный ориентир — 10–20 случаев на свободный параметр), а план выборки согласуется с целевой популяцией для обеспечения обобщаемости.
Данные собираются — как правило, с помощью самоотчетов или архивных измерений — от выборки, достаточно большой для удовлетворения требований к оценке (обычно N >= 200 для SEM). Перед началом оценки модели проверяются многомерная нормальность, закономерности пропущенных данных и профили выбросов.
Заданная модель подгоняется к наблюдаемой ковариационной матрице с использованием метода оценки, такого как максимальное правдоподобие (ML). Оценка дает воспроизведенную ковариационную матрицу; расхождение между наблюдаемой и воспроизведенной матрицами обобщается статистикой согласия: хи-квадрат тест, CFI, TLI, RMSEA и SRMR.
Формула
\chi^2, \text{CFI}, \text{RMSEA}, \text{SRMR}Согласие модели оценивается по сравнению с общепринятыми ориентирами (например, CFI >= 0.95, RMSEA <= 0.06, SRMR <= 0.08). Отдельные коэффициенты путей, стандартные ошибки и значения R-квадрат интерпретируются в свете теоретических предсказаний. Плохое согласие сигнализирует о том, что теоретическая модель адекватно не представляет процесс генерации данных.
При недостаточном согласии индексы модификации могут предлагать теоретически обоснованные поправки — добавление путей, освобождение коррелирующих остатков или пересмотр структуры измерения. Любые пост-хок модификации должны быть повторно валидированы на независимой выборке для защиты от случайного подбора; в противном случае исследование смещается из подтверждающего в исследовательский.
Частые ошибки
- Спецификация модели после изучения данных — это превращает тестирование модели в построение модели; подтверждающая логика аннулируется.
- Принятие посредственного согласия как достаточного путем выборочного представления только благоприятных индексов согласия при опущении плохих.
- Рассмотрение индексов модификации как рецепта улучшения без теоретического обоснования — каждый добавленный путь должен отражать существенное рассуждение, а не просто статистическое улучшение.
- Использование слишком малого количества индикаторов на конструкт (модели с одним индикатором не могут отделить дисперсию конструкта от ошибки измерения, сводя на нет ключевое преимущество SEM).
- Игнорирование тестирования инвариантности при сравнении групп — факторные нагрузки и свободные члены должны быть эквивалентны между группами, прежде чем различия латентных сред будут иметь смысл.
Часто задаваемые вопросы
Чем исследование тестирования моделей отличается от подтверждающего исследования в целом?
Подтверждающее исследование — это широкая категория, которая включает любое исследование, разработанное для проверки заранее определенной гипотезы. Исследование тестирования моделей — это специфический тип подтверждающего дизайна, который одновременно оценивает всю систему предполагаемых взаимосвязей — обычно с использованием SEM или CFA — а не тестирует отдельные гипотезы по одной. Определяющей особенностью является формальная спецификация структурной модели или модели измерения до сбора данных.
Какой размер выборки мне нужен?
Распространенное эмпирическое правило — 10–20 наблюдений на свободно оцениваемый параметр, с абсолютным минимумом, часто цитируемым как N = 200 для стабильных оценок ML. Сложные модели с множеством латентных переменных и путей требуют больших выборок. Программное обеспечение для анализа мощности, такое как WebPower, или симуляция методом Монте-Карло в Mplus, может предоставить более точные оценки размера выборки для заданной структуры модели.
Какие индексы согласия мне следует сообщать и какие значения являются приемлемыми?
Сообщайте как минимум: хи-квадрат со степенями свободы и p-значением, CFI или TLI (приемлемо >= 0.90, хорошо >= 0.95), RMSEA с 90% доверительным интервалом (приемлемо <= 0.08, хорошо <= 0.06) и SRMR (приемлемо <= 0.10, хорошо <= 0.08). Ни один индекс сам по себе не является окончательным; требуется конвергентное свидетельство по нескольким индексам. Сам по себе хи-квадрат чрезмерно чувствителен при больших выборках.
Могу ли я модифицировать свою модель после просмотра данных и по-прежнему называть это тестированием модели?
Если модификации вносятся на основе индексов модификации или остатков из того же набора данных, исследование сместилось из подтверждающего в исследовательское. Пост-хок модификации допустимы только при перекрестной валидации на независимой резервной выборке. В противном случае исследование должно быть описано как исследовательская разработка модели, а не тестирование модели.
Нужно ли мне использовать программное обеспечение для SEM, или я могу использовать регрессию вместо этого?
Для простых моделей только с наблюдаемыми переменными множественная регрессия может быть достаточной. Однако регрессия не может учитывать латентные переменные, отделять ошибку измерения или тестировать общее согласие модели. Специализированное программное обеспечение для SEM — Mplus, lavaan (R), AMOS или LISREL — требуется всякий раз, когда модель включает латентные конструкты, косвенные эффекты или несколько зависимых переменных, измеряемых одновременно.
Похожие методы
Источники
Kline, R. B. (2015). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
ISBN: 978-1462523344Скопировано.Joreskog, K. G., & Sorbom, D. (1993). LISREL 8: Structural Equation Modeling with the SIMPLIS Command Language. Scientific Software International.
Открыть ссылку на публикациюСкопировано.