预设路径模型及其在认知心理学研究中的应用

发布时间：2019-10-01 23:42

【摘要】：预设路径模型(Fixed-links modeling)是在结构方程模型框架下发展出的用于分析心理学实验数据的统计模型。该类模型的主要特征是根据前期理论基础和实验设计,通过预先设定模型中显变量与潜变量之间的因素载荷矩阵实现对显变量方差的拆分。因素载荷矩阵的设定主要基于实验水平与所表征的心理过程之间的关系,选取相应函数来表征不同实验水平之间的变化趋势。该模型在表征工作记忆、注意和学习的内部加工过程及揭示不同认知过程的具体联系中发挥了重要作用。
【图文】：

示意图,潜变量,示意图,路径模型

馑餐?Wagner,Rammsayer,Schweizer,&Troche,2014)等的表征;预设路径模型也被用于对脑电实验数据的分析(Leue,Lange,&Beauducel,2012;Wagner,Rammsayer,Schweizer,&Troche,2015)。以下将分别阐述预设路径模型的基本特征,数据分析方法(包括模型的设定和评估),以及预设路径模型在认知心理学研究中的主要应用,以促进该模型在心理学研究中的进一步应用和发展。2预设路径模型的基本特征该部分首先通过与传统的验证性因素分析(ConfirmatoryFactorAnalysis,CFA)模型的比较来阐明预设路径模型的基本特征。传统的CFA模型如图1所示。该CFA模型通常包含多个显变量或观测变量,这些显变量测查的共同的心理特质由潜变量来表征。潜变量与显变量之间的关系用因素载荷表示,潜变量的方差用表示,是显变量中无法被潜变量解释的部分,即测量误差。CFA模型中的协方差矩阵可写成如下公式：其中,表示由设定模型再生的协方差矩阵,表示因素载荷矩阵,表示潜变量之间的协方差矩阵,而代表误差项之间的协方差矩阵。在传统的CFA模型中,因素载荷构成的矩阵和误差项构成的矩阵是自由估计的,而潜变量构成的矩阵往往被限定。预设路径模型与传统CFA模型不同之处在于：(1)预设路径模型中矩阵被预先设定,而矩阵和矩阵需要自由估计;(2)传统的CFA模型中单个显变量通常负荷在一个潜变量上,但在预设路径模型中,单个显变量负荷在两个或两个以上的潜变量,即显变量的方差被拆分成两个或多个部分,分别由不同的潜变量加以表征(如图2所示)。图1传统的验证性因素分析模型示意图图2预设路径模型示意图预设路径模型与潜变量增长曲线模型具有相似的数学基矗潜变量增长曲线模型是一种用于处理追踪数据的模型,主要通过潜变量的手段来描述重复测量数据的特征(刘红云,张雷,2

示意图,路径模型,示意图,潜变量

中,表示由设定模型再生的协方差矩阵,表示因素载荷矩阵,表示潜变量之间的协方差矩阵,而代表误差项之间的协方差矩阵。在传统的CFA模型中,因素载荷构成的矩阵和误差项构成的矩阵是自由估计的,而潜变量构成的矩阵往往被限定。预设路径模型与传统CFA模型不同之处在于：(1)预设路径模型中矩阵被预先设定,而矩阵和矩阵需要自由估计;(2)传统的CFA模型中单个显变量通常负荷在一个潜变量上,但在预设路径模型中,单个显变量负荷在两个或两个以上的潜变量,即显变量的方差被拆分成两个或多个部分,分别由不同的潜变量加以表征(如图2所示)。图1传统的验证性因素分析模型示意图图2预设路径模型示意图预设路径模型与潜变量增长曲线模型具有相似的数学基矗潜变量增长曲线模型是一种用于处理追踪数据的模型,主要通过潜变量的手段来描述重复测量数据的特征(刘红云,张雷,2005)。该模型通常包含两个潜变量,一个潜变量被称为“截距”,代表被试在完成第一次测量时的表现;另一个潜变量被称为“斜率”,代表被试在多次重复测量中个体分数增长的快慢。与预设路径模型相似,潜变量增长曲线模型中显变量与潜变量间的因素载荷被预先限定,潜变量的方差自由估计。但这两种模型之间有重要区别：(1)处理的数据类型不同。潜变量增长曲线模型主要用于对追踪数据的处理,而预设路径模型虽然可用于对重复测量数据的分析,但主要用于对实验数据的处理;(2)潜变量增长曲线模型同时对潜变量的均值和方差进行估计,但预设路径模型主要是在实验操控和相关理论基础上实现对显变量方差的拆分,不考虑均值结构;(3)预设路径模型中的因素载荷设定通常具有明确的理论假设(以下第3部分详细阐述),潜变量增长曲线模型并不一定需要明确的理论假设(Preacher,Wichman,MacCallum,&Brigg
【作者单位】：华中科技大学教育科学研究院;浙江大学心理与行为科学系;Department
【基金】：全国教育科学规划项目(CBA150153)
【分类号】：B842.1

【相似文献】