结构方程模型：心理学方法变革的逻辑，本文主要内容关键词为：方程论文,心理学论文,逻辑论文,模型论文,结构论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
〔中图分类号〕B089
〔文献标识码〕A
〔文章编号〕1000-0763(2001)05-0026-05
新方法的发明或引进，往往会导致一个学科出现新的发展契机，并促进一些学科的老问题或难题最终解决。长期作为哲学附庸的心理学，一直沿用哲学方法即思辨来研究心理学问题，从哲学的高度来讨论一些诸如心理的起源、心理的实质、心理和生理的关系、心理的结构等等，由于方法的局限，这些问题长期处于争论状态，难于得出统一的结论。自从冯特1879年在德国莱比锡大学建立世界上第一个心理学实验室[1]，引入自然科学规范，将心理学研究纳入科学轨道之后，心理学似乎获得了新的生长点，自十九世纪末到二十世纪初呈现出空前的兴盛和繁荣，而且这种主流范式一直持续到现在。
由于心理学研究对象复杂，尽管引入了科学实验方法，客观地看，也并未真正解决所有问题。首先，尽管实验法注重严格控制，强调推论的逻辑，使研究所获得的结论严谨、可靠，但人类活动的空间十分广阔，制约和影响人行为的因素众多而复杂，使得从实验室获得的结论推广性差，也就是说，基于实验室获得的结果所建立的理论难于解释实验室以外的人类行为。比如心理学家Thorndike为了严格控制人的主观性，曾用动物来代替人进行研究。[2]为了了解学习过程的规律，他们设计了一个经典问题解决情境——将一只饥饿的猫关在一个笼子里，笼子只有一个出口，由门栓控制，如抓到了这个门栓，猫可经过该出口吃到笼子外盘中的鱼。结果发现，饥饿的猫为了吃到鱼，起初在笼子里乱抓乱跳，一个偶然的机会，抓住了笼子的门栓，打开了门，吃到了盘子里的鱼。此后，再将该猫饿一段时间之后，重复上述过程，发现猫探索开门所用时间越来越短，所从事的无用活动越来越少。由此实验，心理学家便得出结论：学习（包括人）是一个尝试－错误过程，在此过程中，错误行为逐渐减少，正确行为逐步增加，进而推论所有的学习都不例外。人们便要问，人的学习或解决问题行为都是这样无头脑地盲目尝试吗？人在饥饿时都会不择手段地觅食吗？由于实验室实验过于讲究控制，而在有控制和无控制条件下，人的行为差异很大，因此心理学家不得不寻求其它途径以便获得解释力更强的理论。
其次，也正因为影响人行为的因素繁多，要真正全面地引入这些变量，往往使得方差分析结果解释困难。一般地，实验的自变量若超过四个，就会如此。第三，在现实生活中，许多关系不只是简单的因果关系，还有一些是互为因果的循环链接，仅仅截取其中的一段作因果分析难于反应事物的真正本质。
最后，出于道德考虑，许多研究也不能用实验法，如研究环境对人的发展（智力和个性）的影响，理想的办法是将同卵双生或多生儿放置在不同环境下抚养，人为地操作环境好坏，之后比较儿童发展状况的差异性。故意地将人放在坏环境中抚养就违背道德准则，而且一般正常家庭中，父母也不会同意将孩子分开抚养。为了获得这方面的数据，通常我们是采用非实验方法，用回溯式设计，考察双生子发展状况与抚养条件的相关。正因为实验法的局限性，为了全面地研究心理学，心理学家不得不从社会学、人类学等相近学科中借鉴一些方法，如观察法、问卷法、访谈法、个案法等。比如访谈法[3]，就是访谈者根据被访谈者在一系列问题上所陈述的观点，推论某些行为的过程和原因。然而，访谈者的访谈水平、记录水平、先前的观念，被访谈者的表达能力、表达信息的客观性等都无法控制，即使是过程和原因分析，其准确性和科学性都难以保证。
那么，对一些难于用实验方法解决的问题，在用非实验方法研究时，有无获得因果关系的可行方法？这是社会学家、人类学家和心理学家们都十分关心的问题。经过心理学家对心理测量理论和方法的探索、生物学家用路径分析（一种相关统计方法）试图解决因果关系问题的尝试和计量经济学用数学方法同时计算多个方程、多个变量间关系的努力，为最终诞生的新方法—结构方程模型奠定了很好的基础。正是出于时代的呼唤和上述前期准备，在70年代中期，瑞典统计学家——心理测量学家Karl G.Joreskog提出了结构方程模型（Structural Equation Modeling，简称SEM）。根据该方法的不同属性，统计学家们给其不同的名字，如根据数据结构，称之为协方差结构分析；根据其功能，称之为因果建模(Casual Modeling)等[4][10]。
影响人的行为有很多因素，简单地说包括物理环境（如温度、供氧、噪音状况等）、社会环境（如家庭、学校、工厂、社会风气、政治氛围和经济发展状况等）、生理特点和心理特点（如情绪、意志和认知）。心理学家首先要面对的问题是如何将人的心理特点进行系统而全面的概括，寻找心理现象的过程和结构及组成要素之间的关系（内部关系），在此基础上，把握心理和环境之间的关系（外部关系）。通常，对一些反映事物表面特征的心理现象如感觉、知觉等的客观研究比较容易进行，这也正是冯特树立科学心理学旗帜的出发点。然而，人的许多高级心理现象都相当复杂，如智力、动机、需要、自我、人格等，这些概念都是一种高度抽象，是对一系列不同情境条件下之行为的概括，在某种意义上，它们是很难客观标定的。比如标定自我就十分困难，从结构上有身体自我、精神自我和社会自我，而这些结构本身又是概括性的，需要用一些具体行为表现来描述，这些描述是否真正能刻划相应的概念，许多心理学家持怀疑态度。我们似乎只能考察人的外部表现（观测指标），而很难真正了解其实质特性（潜在变量或心理概念）。
过去，研究上述复杂心理学概念，主要是通过相关范式（或方法）。常见地，在研究概念结构时，常运用因素分析，许多智力理论、人格理论都是按此范式建构的；研究这些复杂概念间的关系，也主要采用相关范式。只是人在培养这些复杂概念上的良好品质时，实验方法用得比较多。相关范式中，在研究变量结构时，较多地使用探索性因素分析，但探索性因素分析有许多缺点：第一，结果解释常常受数据本身制约，要体现理论构想比较困难；第二，有些数学前提假设不利于建构心理学理论，如探索性因素分析假定[5]，(1)所有潜在因素要么都相关，要么都不相关，过于绝对，缺乏灵活性；(2)所有的潜在因素都直接影响所有观测变量，二者关系不清晰；(3)特定性误差之间均无相关；(4)所有潜在因素与所有特定性误差间无相关。但心理学变量的特性事实上较此复杂许多，限制越多，可应用性就越低。
在研究变量间的关系时，相关、回归分析和路径分析等是常用的统计方法。然而这些方法也存在许多不足：如两个变量间的相关值，不能作因果解释，因为即使出现高相关，可能有多种解释，如互为因果或共同受两变量之外某其它变量的影响；而回归分析时，虽能够同时考虑较多变量，但与两个变量之间相关一样，由于变量之间没有明确的时间顺序，作因果解释也是危险的。此外，回归分析在数学上假设每个变量测量时，没有测量误差存在，而这一点在心理学和社会学等学科中很难保证。如对学生学业成绩的测量，误差总是难免的，这次学生可能考80分，下次同等难度的题目就不再是80分，而是围绕80分上下波动；路径分析与回归不同之处在于克服回归分析未能考虑变量间时间先后的缺点，将变量按客观事物发生的先后顺序建立关系，间接推论变量间之因果关系，但路径分析所使用的变量也存在与回归分析一样的缺陷，即假设对变量的测量无误差。
结构方程模型正是在解决上述统计方法的不足时提出来的，其目的有二：一是完善变量结构的探讨（针对探索性因素分析），二是在考虑复杂心理概念测量误差的同时，建立变量间的关系，特别是因果关系，这是过去所有相关范式研究难于达到的技术高度。与探索性因素分析相比，结构方程模型的优点是，(1)可以假定潜在因素哪些是相关的，哪些是不相关的，这更符合心理学实际；(2)它能确定哪个观察变量受哪个特定潜在变量影响，而不是受所有潜在变量影响，使结构更清晰；(3)可指定哪些特定性变量误差之间是相关的，而不是假定所有特定变量误差无相关；(4)在对每个潜在因素进行多方法测量（运用其多方法——多特质模型，简称MMMT）时，可排除测量方法的误差。从统计思路上，它的优点是，(1)区分观测（外显）观察变量和（内隐）潜在变量，进而通过观测外在表现推测潜在概念；(2)将路径分析中单一外显变量用潜在变量代替，考虑变量的测量误差，更加符合心理学目前的客观实际，使研究结果更精确；(3)既能研究变量间直接影响，也能研究变量间的间接影响和总效应，表达中介变量的作用[5]。结构方程模型的基本思路是：首先根据先前的理论和已有知识，经过推论和假设形成一个关于一组变量之间的相互关系模型，然后经过测查，获得一组观测变量（外显变量）数据和基于此数据而形成的协方差矩阵，这种协方差矩阵称为样本矩阵。结构方程模型就是要将前面形成的假设模型与样本矩阵的拟合性进行考验，如果假设模型能拟合客观的样本数据，说明模型成立；否则就要修正，如果修正之后仍然不符合拟合指标的要求，就要否定假设模型。[11],[12],[13]为了便于理解，下面举例说明。
为了研究父母的社会经济地位（社会学变量）及学业自我（心理变量）对学业成绩的影响，用实验方法是很难解决此问题的，因为很难对社会经济地位和学业自我进行操作，以确定它们对学业成绩的影响。常用的研究方法是选择一个学生样本，对这三个变量进行测查，然后用相关法或回归法、或路径分析方法，确定社会经济地位和学业自我与学业成绩的关系。
如果用简单的相关法，将变量的每一个方面用各种观察变量的总分表示，虽说可以获得三个变量之间的相关关系（如图1所示），但作因果推论困难；而且假设三个变量无测量误差，这在心理学上是缺乏根据的。如果用回归方法分析，可以用社会经济地位和学业自我预测学业成绩，同两两相关一样，无法考察测量误差和作因果性推论。如果用路径分析法，可以建立三者之间的相互影响，如假设社会经济地位对学业成绩有影响，进而影响学业自我（如图2所示），而社会经济地位对学业自我的影响是间接的。通常，父母的状况比学生学习早，自我形成最晚，故这三个变量之间存在时间差异，因此可作一定程度的因果推论。但与前面的相关和回归一样，它排除测量误差的假设使结果不准确。如果用结构方程模型的方法来处理数据，则可以建立多种假设模型（图3为代表性的一种；另外，也可将三个用椭圆表示的潜变量之间的关系用图2的路径关系表示；还可将图3中社会经济地位与学业自我之间的关系用因果影响表示。），并考虑测量误差（每个复杂概念即潜变量不是直接地参加运算，而是通过各个观察变量如社会经济1、社会经济2、社会经济3、社会经济4和社会经济5来反映社会经济地位，用语文成绩、数学成绩和英语成绩估计学业成绩等，并估计测量误差），从而比较各模型对客观数据符合的程度，进而确定三个潜变量之间的关系（包括因果关系推论）。
注：S1、S2、S3、S4、S5分别代表5个社会经济地位的指标，如父母的文化程度、家庭的经济收入、父母的社会地位等。
正因为结构方程模型有上述优点，特别是克服了以前相关范式研究统计方法如相关、回归、路径分析等的诸多不足，加上有相应的计算机软件（比较知名的有LISREL和EQS）支持，故使用该方法的研究近年呈快速增长之势。然而，是否结构方程模型是否真正解决了在非实验研究条件下，实现对变量之间关系作可靠因果推论的问题，进而取代实验研究，仍然是问题。统计学家对结构方程模型所作的因果推论是非常谨慎的。具体地说，还有以下几个问题有待解决：(1)虽然SEM试图按变量间的自然时间先后来建立模型，但所搜集的数据大多是同时的（当然可以分先后，但难度很大，容易损失样本量），这样，数据反映的是相关关系，不可作客观的因果推测；(2)对潜变量（建立在客观行为观察基础上的、对抽象理论概念的概括）解释随意性强、模糊[4]；故在方程中引入潜变量本来是SEM的优点，可以解决过去运用单一变量测量的不足，然而该测量是否真正反映了潜在变量，或者说外显观测变量与潜在内隐变量是否对应一致，还值得探讨；(3)由于相同的变量，根据不同的理论会产生许多模型，变量越多，变量组合而成的模型也越多，这样就给模型的合适性检验带来了难度，而许多人常常忽视某一种关系的多个解释，造成结构偏差[7][8]；(4)SEM要求变量间是线性关系，但有许多情况下，这种假设难于保证，导致应用困难；(5)SEM统计方法本身还有待完善[12][13]，特别是拟合指数容易受样本大小制约，小样本容易拟合（即使客观拟合性差），大样本又不容易拟合（即使客观拟合度好），而开发使用的指数之间不一致时如何处理，在什么条件下用哪些指数更好等等还有待进一步解决。
任何方法都有积极的一面，也会有不足之处，重要的不是方法本身，而是对方法的使用是否恰当，实验法和非实验方法包括(SEM)一样，都有各自的优势和缺点。纵然SEM有许多优点，但也不能忽视其它方法的作用和价值。其实这不只是针对SEM等实证方法而言，与之对应的思辨方法也一样。自从心理学从哲学思辨传统中独立、以科学为主要研究范式起，思辨研究逐渐地少了，对一些理论性基础问题研究少了，这似乎不是什么好现象，事实上，理性思辨和实证研究相比仍有许多优点：比如它更容易从主观上把握事物之间的联系，找出主要矛盾；更有利于理性的理论构建；它是实证研究的问题的主要来源等。将实证与思辨对立是错误的，应该给思辨方法以应有的生存和发展空间，使二者相互补充，才是心理学研究沿着健康轨道发展的理性选择。