结构方程模型与调查问卷结构效度理论探讨

徐成兵

(中国人民解放军第三军医大学图书馆，中国重庆400038)

0 前言

结构效度是指一个测验实际测到所要测量的理论结构和特质的程度，或者说它是指实验与理论之间的一致性，即实验是否真正测量到假设（构造）的理论。 罗德和若维克认为“测试最重要的特性在于它的结构效度”，因此对调查问卷来说，结构效度的分析尤为重要[1]。

对问卷结构效度分析的常用方法有：与标准化测验的相关、多特质一多方法矩阵、探索性因素分析。 而对新编问卷结构效度分析采用最多的方法是探索性因子分析（EFA）,在SPSS 软件中通过调用Analyze-Data Reduction Factor 实现。 探索性因子分析的主要目的是找出影响观测变量的因子个数， 以及各个因子和观测变量之间的相关程度，通常应用于前期调查数据。当调查问卷内部结构初步清晰或者采用现有量表进行调查研究后，通常采用行验证性因子分析检验定义的因子模型拟合数据的能力，考核数据与预期理论模型是否吻合，以便更清晰地分析量表的基本内容与结构[2]。 实现验证性因子分析的方法为结构方程模型（Structural Equation Modeling, SEM）。

结构方程模型是一种分析变量间实际关系结构与理论结构是否吻合， 以及如何调整模型结构使之与实际结构更吻合的一种分析方法。 在问卷效度研究中，可通过构建可观测变量和隐变量之间的结构方程模型（理论模型），并由SEM 对其与问卷的实际结构的吻合程度进行评价，得出拟合值（即问卷的拟合效度），再通过改变模型结构为优化问卷结构效度提供帮助[3]。

本文拟详细介绍结构方程模型实施步骤，并以期促进对调查问卷结构效度的理论研究。

1 结构方程模型的基本步骤

一般的结构方程模型分析可粗略分为四个步骤：模型建构、模型拟合、模型评价、模型修正[4]。

1.1 模型建构

利用结构方程模型分析变量的关系， 根据专业知识和研究目的，构建出理论模型， 然后用测得的数据去验证这个理论模型的合理性。建构模型包括指定：①观测变量（即指标）与潜变量（即因子，通常是概念）的关系；②各潜变量间的相互关系；③在复杂的模型中，可以限制因子负荷或因子相关系数等参数的数值或关系。

1.2 模型拟合

结构方程模型分析中的模型拟合目标是使模型隐含的协方差矩阵即模型的 “再生矩阵”Σ 与样本协方差矩阵S 尽可能地接近，Σ 与S的差距越小，表示模型拟合越好。 模型拟合中的参数估计方法有许多种，每种方法有自己的优点和适用情况。 它的估计过程采用特殊的拟合函数使Σ 与S 之间的差异最小化。最常用的估计方法是最大似然法和广义最小二乘法。

使用最大似然法和广义最小二乘法进行模型估计需要假设观测变量为连续性的变量，且具有多元正态分布。即使是在大样本时，观测变量的偏态性，尤其是在很高峰度的情况下，会导致很差的估计及其不正确的标准误和偏高的卡方值。

1.3 模型检验

评价一个刚建构成或修正的模型时，研究者需要检视：①结构方程的解是否适当，包括迭代估计是否收敛、各参数估计值是否在合理范围内；②参数与预设模型的关系是否合理。 当数据分析可能出现一些预期外的结果，但各参数绝不应出现互相矛盾、与先验假设有严重冲突的现象； ③观察多个不同类型的整体拟合指数， 如：χ2、RMSEA、CFI 和AGFI 等，以衡量模型的拟合程度。

1.4 模型修正

当有不恰当的参数出现或者模型拟合程度较低时，需要设法对模型进行修正。 模型修正主要是减少、增加和变动模型自由参数的设定[5]。

2 结论

虽然结构方程对问卷结构效度的分析具有很高的精确性和自由度， 但并不是说SEM 就可以完全代替其他方法来对问卷结构效度进行分析，而是说SEM 为结构效度分析提供了另一种新的思路，能为我们的判断提供更多客观的信息。 在实际运用中，通常采用探索性因子分析（EFA）和SEM 相结合的分析方法，进行交叉证实，即先通过探索性因子分析完成问卷结构效度的初步验证和题项的删减，再使用结构方程作验证性因子分析（CFA）,优化其模型结构和问卷题项的再次修改调整，提高调查问卷的结构效度。

［1］吴明隆.SPSS 统计应用实务[M].北京:中国铁道出版社，2001:28-45.

［2］刘全.基于概化理论和结构方程模型的问卷效度研究——以中国公民的统计素养调查为例[J].统计与决策，2010(19):31-33.

［3］文秋芳.“作文内容”的构念效度研究——运用结构方程模型软件AMOS5 的尝试[J].外语研究，2007(3):66-77.

［4］娄峥嵘.浅析结构方程建模的基本步骤[J].生产力研究，2005，364-(6):201-202.

［5］侯杰泰，温忠麟，成子娟.结构方程模型及其应用[M].北京:教育科学出版社，2004:12-15.