多群组分析模型在留守儿童心理分析中的实证应用

　　20 世纪 70 年代后随着 LISREL 为代表的结构方程模型软件的运用，以验证性因子分析、结构方程模型等概念为代表的验证性统计方法，逐步取代了探索性的统计方法而居主流地位。兴起于 20 世纪 60、70 年代的结构方程模型( structural equation modeling，SEM)方法，目前已在社会科学领域里得到广泛的应用〔1〕，本文探讨该模型在医学领域的运用。

　　多群组分析理论和数学模型
　　
　　1. 结构方程模型原理与方法

　　结构方程模型，也称协方差结构模型( covariancestructure models，CSM) ，或线性结构模型( linear struc-tural relations models，LSRM) 。它利用一定的统计分析技术，对复杂现象的理论模式进行处理，根据理论模式与实际数据关系的一致性程度，对理论模式做出评价，以达到对实际问题进行定量研究的目的。SEM 是一般线性模型的扩展，主要用于研究不可直接测量变量( 潜变量) 与可测量变量之间关系以及潜变量之间关系。结构方程模型分为测量模型与结构模型，测量模型部分求出观察指标与潜变量之间的关系; 结构变量部分求出潜变量之间的关系〔2，3〕。

　　模型形式为:η = βη + Γξ + ζ其中，η 是内生潜变量向量，ξ 是外生潜变量向量; β 是内生潜变量 η 的系数矩阵，也是内生潜变量间的通径系数矩阵，Γ 是外生潜变量 ξ 的系数矩阵，也是外生潜变量对相应内生潜变量的通径系数矩阵; ζ 为残差向量，是模式内未能解释的部分。

　　采用广义最小二乘法估计模型中的参数 β、Γ。评价模型用拟合优度指数 GFI 和调整的拟合优度指数AGFI。GFI 和 AGFI 的值在 0 ～ 1 之间，越接近于 1，表明模型拟合效果越好。

　　有时有必要对文件中数据的各类型( 如性别、年龄等) 分别加以分析，AMOS 不必对每一组( 类型) 重绘模型，因为无论哪一组别都用同样的模型进行分析。

　　更深入的研究中，可能形成若干个模型，这里所说的“形成若干个模型”并不是要重绘模型，而是对每一个模型设定不同的参数( 路径系数) 。

　　2. 多群组结构方程式

　　首先，对于多群组样本的测量模型因素结构，可以用下列的通式表示:xg= ∧xgξg+ δgyg= ∧ygηg+ εg其中 xg与 yg是第 g 个样本的观察变量向量，∧xg与∧yg是第 g 个样本对应于观察变量的因素载荷矩阵，ξg与 ηg是潜在变量向量，δg与 εg是测量残差向量。

　　多群组模型在 AMOS 中的实现
　　
　　1. 研究对象

　　采用分层随机抽样和整群抽样方法相结合的多阶段抽样方法，在湖北省汉川市随机抽取 2 个镇和 1 个乡，再在选取的乡镇中随机抽取小学和中学各 1 所，调查 5 ～9 年级的所有在校学生。6 所中小学的 1284 名留守儿童为调查对象。

　　2. 调查工具和内容

　　采用由 Derogatis LR 编制的症状自评量表( SCL-90) ，该量表由 90 个项目组成，包含 9 个因子: 躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、恐怖、偏执、精神病性，未归入任何因子的作为附加项目。采用5 级评分: 无( 1 分) 、轻度( 2 分) 、中度( 3 分) 、相当重( 4 分) 、严重( 5 分) 。总分是 90 个项目得分之和，上述各项得分越高表示症状越严重。同时，还了解留守儿童与老师和同学间的关系〔4，5〕。

　　3. 多群组结构方程模型的建立
　　
　　以量表得分为内衍潜在变量，以人际关系为外衍潜在变量，以各因子得分、与老师关系、与同学关系为观察变量，建立结构方程模型，见图 1。【1】

　　
　　AMOS 所提供的多群组分析功能即可利用对话框设定测量恒等性的不同模型界定。特殊步骤如下:

　　多群组分析分组数据的读取与单一( 不分组) 数据基本上是相同的。读入数据文件，在“Data Files”窗口中，交代 Grouping Variable ( 分组变量) 与 GroupValue( 分组值) 。大多数的研究都会以相同的路径图来检验两组在各回归系数( 或路径系数) 上的差异，但不同的研究者有不同的目的，所以如果要对不同的群组设计了不同的路径图，就要点“View”、“InterfaceProperties”，在出现的“Interface Properties”窗口中点“Misc”，并在“Allow different path diagrams for differ-ent groups”( 允许不同的群体有不同的路径图) 处打勾。合理分组之后，明确要分析什么。点“View ”、“Analyze Properties”，在“Analyze Properties”窗口的output 勾选“Critical ratios for differences”( 参数差异临界比率值) 。这个值可比较不同组在回归系数上的差异是否有统计学意义。接着，要设定参数名称，以及要分析的模型。点“Analyze”、“Multiple-Group A-nalysis”。在“Multiple-Group Analysis”窗口中，呈现了5 个模型，分别是 Measurement w eights( 测量模型的系数) 、Structural weights( 结构模型的系数) 、Structuralcovariances( 结构模型的协方差) 、Structural residuals( 结构模型的残差) 、Measurement residuals( 测量模型的残差) 。点“Analysis”、“Manage Model”，进行模型管理。模型设定之后，点“Analyze”、“Calculate Esti-mates”或 Ctrl + F9，就会在“显示区”看到 OK 的字样〔6〕。5. 结构方程模型拟合指数和回归系数AMOS 分析结果如表 1 所示，在所有模型上，拟合较佳。【2】

　　
　　但是，3 个模型的拟合指数和回归系数有着差别，见表 2。【3】

　　
　　讨 论

　　本研究利用多群组结构方程模型分析留守儿童心理量表得分，同时考虑人际关系对心理健康的影响，结果表明该模型有较好的拟合度，且性别的效应值存在不同。目前结构方程模型被广泛应用于社会学、教育学、经济学、生物学、医学以及传统的分析非实验性或准实验性数据的领域〔7，8〕。之所以有如此广泛的应用，一个重要的原因是结构方程模型为研究者提供了一种量化和验证理论假设的综合性方法。多群组SEM 分析可以说是基本的 SEM 分析的延伸，不论在原理概念还是操作技术方面，都具有一定实用价值，同时也具有一些限制条件。例如，多群组 SEM 数据库本身需要具有多重取样的程序，具有两个以上的样本数据，两个样本皆必须同时符合 SEM 分析的基本假设，并要求数据与模型的拟合度相当良好。当两个样本进行整合比较时，也必须符合共同比较的假设。

　　本文基于 AMOS 软件对多群组结构方程建模在医学心理学领域的应用进行了可操作性的介绍，对多群组结构方程建模的基本概念进行了简要阐述，介绍了结构方程建模过程及其在 AMOS 中的操作方法，最后通过一项研究实例来展示多群组结构方程建模及AMOS 在应用研究中的应用 。利用 AMOS 软件进行结构方程建模简单易学、可操作性强，多群组结构方程模型在医学研究领域具有广阔的应用前景。

　　参 考 文 献
　　
　　1． 易丹辉编着． 结构方程模型方法与应用． 北京: 中国人民大学出版社，2008，28-65．
　　2． 赵必华． 测量等值性检验及 Amos 的实现． 中国卫生统计，2007，24( 6) : 659-661．
　　3． 侯杰泰，温忠麟，成子娟． 结构方程模型及其应用． 北京: 教育科学出版社，2004: 89-104．
　　4． 许碧云，倪宗瓒，陈炳为，等． 结构方程模型在微波作业人员心理卫生状况分析中的应用． 四川大学学报( 医学版) ，2004，35( 1) : 130-131．
　　5． 徐俊芳，韩伟，陈景武． 结构方程在医学生人格特征和心理健康研究中的应用． 中国卫生统计，2009，26( 4) : 369-373．
　　6． 荣泰生． AMOS 与研究方法． 重庆: 重庆大学出版社，2009．
　　7． 雷蕾． 结构方程建模及 AMOS 软件在应用语言学研究中的应用． 中国外语，2009，6( 1) : 39-45．
　　8． Carlsson M ，Hamrin E． Evaluation of the life satisfaction questionnaire( LSQ) using structural equation modeling( SEM ) ． Quality of Life Re-search，2002，11( 5) : 415．