结构方程模型在认知老化及其影响因素研究中的应用

发布时间：2017-03-31 10:17

  本文关键词：结构方程模型在认知老化及其影响因素研究中的应用，由笔耕文化传播整理发布。

【摘要】：【目的】由于当今社会老龄化不断加剧,伴随而来的经济、健康、社会保障等诸多问题,已经引起了人们的高度关注,尤其是轻度认知障碍、老年痴呆等认知功能退化导致的疾病,严重危害了人们晚年的生活质量,因此,探索认知老化的演变规律,厘定认知老化过程中的风险因素和保护因素,明确认知功能间的相互作用,对于延缓老年人认知老化、改善老年人生活质量、完善老年人健康评价体系具有重要意义。目前,有关认知老化演变规律的研究很多,但缺乏对我国老年人大样本的认知研究,缺乏针对各因素如何作用于各项认知功能指标的系统分析与全面阐述,也没有关于结构方程模型(SEM)在处理多组、多水平数据结构的方法学指导。本文以此类资料为基础展开深入研究,目的在于准确揭示各认知测量指标随年龄增长的变化先后顺序以及变化轨迹,全面阐述认知老化进程受生理、心理、社会等多方面影响的演变规律,并进一步细化各作用发生与否以及强弱改变的特定条件,提高老年人认知测量和评估的准确性。SEM在认知神经科学领域的应用日渐广泛,本研究基于此方法进一步构建了多组SEM与多水平结构方程模型(MSEM),形成一套针对此类数据结构的完整的统计分析思路,为SEM应用于认知老化相关等研究提供更多的方法学依据和支持。【内容】本研究基于BABRI数据库提供的数据支持,利用分段线性回归分析探索与情景记忆、视空间、工作记忆和加工速度相关的认知测验随年龄增长的变化轨迹,找出各测验成绩发生变化的关键年龄窗口,确定各认知功能衰退的先后顺序,为中介认知功能的提取提供参考和依据。分别从单领域、多领域两方面入手,构建影响因素与认知功能间相互作用的SEM,明确认知老化过程中的风险因素与保护因素,验证并确定发挥中介作用的认知功能,进一步定性因素与功能间的直接效应和间接效应。运用多组SEM对不同分组的模型参数进行比较,讨论因素对功能的作用以及认知测验、测量信度两方面的跨组不变性。针对组内观测不独立的多层次数据结构,运用MSEM来描述各个层面的变量关系,探索认知能力在组内与组间变量共同作用下的演变规律。本研究充分运用多种统计分析方法,并借助了SAS、LISREL、MPLUS等专业的统计分析软件,不仅在认知老化相关影响因素及其作用模式方面作了深入讨论,也在SEM的应用实践上提供了很多方法学指导。【方法】本研究基于北京师范大学建立的BABRI数据库,纳入了认知老化研究所需的人口统计学、行为学、认知能力评测以及临床等多个方面变量及其数据,先利用回归分析初步筛选可能对各项认知能力产生影响的候选因素,然后利用分段线性回归分析研究各认知测验成绩随年龄增长的变化轨迹,寻找各认知能力衰退的关键期,为中介认知能力的假设提供参考。利用单领域SEM分别研究各项认知能力是如何受影响因素调控的,主要研究认知与因素之间的直接效应,利用多领域SEM进一步研究认知能力间可能存在的相互作用,探索认知与因素之间的间接效应。利用多组SEM分别比较不同性别、不同教育程度等情况下分组模型中关于路径系数的效应大小及其假设检验所得到的有统计学意义结果,探索不同组别下受试者的认知老化演变过程受外在或内在因素的调节之下的差异有无统计学意义。最后基于加工速度领域因子得分对原始资料进行分组,将个体层面变量的组平均值(或比例)作为组层面变量,运用MSEM探究在组内观测不满足独立性的条件下,各因素与其他认知能力之间的作用关系受组内差异与组间差异共同作用时如何变化。【结果】(1)本研究对各项认知测验成绩随年龄的变化分别做了分段线性拟合,研究发现,记忆领域的三个指标(N5、N1N5、RODELAY)均只包含一个拐点,N5和N1N5的拐点在60岁前后,而RODELAY的拐点出现较晚,估计值在73岁左右;关于视空间领域(ROCOPY、CLOCK),ROCOPY测验成绩随年龄变化的斜率与0之间的差别无统计学意义,整个年龄窗口都相对平稳,而CLOCK测验存在一个下降的关键期,可能出现在58~66岁之间;工作记忆的两个指标(FORWARD、BACKWARD)均包含一个拐点,FORWARD测验拐点前后的直线斜率与0之间的差别无统计学意义,而BACKWARD测验的拐点出现在58岁左右,拐点前后的上升或者下降同样无统计学意义;年龄对加工速度四项指标(SDMT、TMTA、STRA、STRB)的影响都具有统计学意义,其中,SDMT与TMTA都是随年龄单调变化,不含拐点,而STRA与STRB都含有一个拐点,两个拐点对应的年龄相差5岁左右。(2)分别构建单项认知功能受影响因素作用的SEM,并利用多组SEM对不同组别下的模型参数进行比较。结果显示,情景记忆能力随着年龄的增加而下降,女性、受教育程度高、经常参加闲暇活动的受试者记忆表现更好,男性与女性的记忆单领域分组模型可以共享相同的设定以及路径系数,是否携带ε4情况类似,但是受教育程度的不同会影响记忆潜在变量的解释度;关于视空间能力,男性、受教育程度高的受试者视空间能力更强,ROCOPY测验反映女性或者受教育程度低的受试者视空间能力的信度相对较高,而CLOCK测验描述男性视空间能力信度更高;在工作记忆能力方面,男性、受教育程度高、生活规律性强、经常参加闲暇活动的受试者拥有更好的工作记忆表现,是否携带ε4等位基因会影响工作记忆潜在变量的解释度,且生活规律变量只在ε4非携带者中作用有统计学意义,性别分组以及教育分组的模型对比并无差异;关于加工速度能力,受教育程度低、不经常参加活动、患有糖尿病的受试者加工速度表现稍差,STRB测验反映男性加工速度能力的信度更高,是否携带ε4等位基因及教育程度对分组模型的拟合并无影响。(3)利用多领域SEM研究各项认知能力之间可能存在的相互作用,探索因素对观测指标的间接效应。结果表明,加工速度对其他三项认知能力均有明显地影响,视空间对记忆以及工作记忆也存在调节作用;引入影响因素后,年龄、闲暇活动、糖尿病对加工速度有明显地直接作用,并对其他三项认知能力的间接作用有统计学意义,性别对记忆既有直接作用也有间接作用,教育对四项认知能力都有明显作用,且对视空间和工作记忆的作用包含直接效应和间接效应两部分,生活规律只会影响到受试者的工作记忆,而高血压通过视空间可影响到情景记忆和工作记忆。(4)基于加工速度领域因子得分做MSEM,分析同种程度以及不同程度的加工速度表现下,各因素与其他认知能力之间的作用关系如何变化。结果显示,关于情景记忆领域,受试者处于同一分组时,年龄较小的女性个体记忆表现更好,受试者处于不同分组时,闲暇活动组平均参与度高的受试者记忆评估更高,而本身受教育程度高且所处分组平均受教育年限也高的受试者记忆表现更优秀;关于视空间领域,同组的男性个体视空间能力要优于女性,教育的作用情形与记忆领域完全一致;关于工作记忆领域,性别、教育、闲暇活动、生活规律的显著作用均主要体现在个体层面上;关于多领域分析,视空间对情景记忆的影响既存在于组内也存在于组间,说明个体水平变量(个体性别、个体受教育程度)和组水平变量(组平均受教育程度)均可通过视空间对记忆产生间接影响,而视空间对工作记忆的作用只存在于组内。【结论】本研究对北京市八个社区老年受试者的认知测量数据做了深入地分析,得到了令人满意的结果。研究认为,加工速度能力衰退关键期的出现要早于其他几项认知能力,那么该项能力很可能是整个认知老化进程的关键因素,随后的多领域SEM也验证了加工速度对其他认知能力确实存在明显的单向作用,这一结论有助于我们更准确、更有针对性地干预并延缓老年人的认知衰退进程。研究还发现了ROCOPY、TMTA等测验信度会受个体差异的影响,这对于不断完善认知测验,提高认知能力评估的准确性,都有重要参考价值。与此同时,本研究运用MSEM解决了组内观测不独立的数据结构建模问题,总结并推断了不同层面变量的共同作用下认知功能如何变化,为此方法的推广使用提供了统计学指导和依据。
【关键词】：结构方程模型 认知老化 分段线性回归 多水平 影响因素
【学位授予单位】：中国人民解放军军事医学科学院
【学位级别】：博士
【学位授予年份】：2015
【分类号】：F224
【目录】：

• 缩略词表6-8
• 中文摘要8-11
• Abstract11-16
• 第一章 前言16-21
• 1.1 研究背景16-17
• 1.2 研究现状17-18
• 1.3 研究内容18
• 1.4 课题意义18-19
• 1.5 研究方法19-20
• 1.6 论文结构20-21
• 第二章 背景知识简介21-32
• 2.1 结构方程模型21-30
• 2.1.1 基本概念21-23
• 2.1.2 分析步骤23-28
• 2.1.3 多组结构方程模型28-29
• 2.1.4 多水平结构方程模型29-30
• 2.2 分段线性回归分析模型30-31
• 2.3 本章小结31-32
• 第三章 数据来源、整理、统计描述与预分析32-50
• 3.1 数据来源32
• 3.2 数据整理32-38
• 3.3 统计描述38-41
• 3.3.1 定量变量统计描述38-39
• 3.3.2 定性变量统计描述39-41
• 3.4 数据预分析41-49
• 3.4.1 线性回归分析初筛影响因素41-43
• 3.4.2 分段线性回归分析探索认知变化关键期43-49
• 3.5 本章小结49-50
• 第四章 结构方程模型在单领域认知观测数据中的应用50-83
• 4.1 单领域结构方程模型基本情况描述50-53
• 4.2 记忆单领域结构方程模型的构建53-61
• 4.2.1 单组结构方程模型的构建53-55
• 4.2.2 多组结构方程模型的构建55-61
• 4.3 视空间单领域结构方程模型的构建61-67
• 4.3.1 单组结构方程模型的构建61-62
• 4.3.2 多组结构方程模型的构建62-67
• 4.4 工作记忆单领域结构方程模型的构建67-74
• 4.4.1 单组结构方程模型的构建67-68
• 4.4.2 多组结构方程模型的构建68-74
• 4.5 加工速度单领域结构方程模型的构建74-81
• 4.5.1 单组结构方程模型的构建74-76
• 4.5.2 多组结构方程模型的构建76-81
• 4.6 本章小结81-83
• 第五章 结构方程模型在多领域认知观测数据中的应用83-100
• 5.1 多领域结构方程模型基本情况描述83-84
• 5.2 多领域结构方程模型的构建84-99
• 5.2.1 多领域验证性因子模型的构建84-87
• 5.2.2 引入领域间相互作用的结构方程模型87-89
• 5.2.3 引入影响因素及领域间相互作用的结构方程模型89-94
• 5.2.4 多组结构方程模型的构建94-99
• 5.3 本章小结99-100
• 第六章 多水平结构方程模型在单领域以及多领域认知观测数据中的应用100-113
• 6.1 多水平结构方程模型基本情况描述100-103
• 6.2 单领域多水平结构方程模型的构建103-109
• 6.2.1 记忆单领域多水平结构方程模型的构建103-106
• 6.2.2 视空间单领域多水平结构方程模型的构建106-107
• 6.2.3 工作记忆单领域多水平结构方程模型的构建107-109
• 6.3 多领域多水平结构方程模型的构建109-112
• 6.4 本章小结112-113
• 第七章 总结与展望113-121
• 7.1 本研究主要工作113
• 7.2 结果和结论113-115
• 7.3 创新点115-116
• 7.4 讨论116-119
• 7.5 课题展望119-121
• 参考文献121-129
• 附录 本课题部分程序129-139
• 文献综述139-153
• 参考文献149-153
• 代表论著153-164
• 个人简历164-167
• 致谢16

【相似文献】

中国期刊全文数据库 前10条

1 辛士波;陈妍;张宸;;结构方程模型理论的应用研究成果综述[J];工业技术经济;2014年05期

2 廖颖林;结构方程模型及其在顾客满意度研究中的应用[J];统计与决策;2005年18期

3 程开明;;结构方程模型的特点及应用[J];统计与决策;2006年10期

4 周方召;曲振涛;;法经济学研究方法的新思路——基于结构方程模型的简介[J];商业研究;2007年12期

5 张瑛;王惠文;;结构方程模型在系统综合评估指数中的应用[J];北京航空航天大学学报(社会科学版);2008年01期

6 邓艳芳;童恒庆;;基于结构方程模型的风险投资的风险因素分析[J];武汉理工大学学报(信息与管理工程版);2008年02期

7 顾力刚;赵鑫;;基于结构方程模型的大型超市服务质量影响因素实证分析[J];经济论坛;2009年15期

8 魏华;钟莉;;基于结构方程模型的我国上市公司股权结构[J];当代经济;2009年21期

9 谢科范;陈刚;刘飞飞;;以企业为主体的技术创新体系的障碍因素实证分析——基于结构方程模型[J];科技进步与对策;2010年04期

10 李秋香;;基于结构方程的区域科技教育对经济系统影响研究[J];农村经济与科技;2011年07期

中国重要会议论文全文数据库 前10条

1 崔雪莲;;影响武汉市高中学生吸烟因素的结构方程模型研究[A];第三届广西青年学术年会论文集（自然科学篇）[C];2004年

2 张首芳;;“结构方程模型”在本科课堂教学质量评价中的应用[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 吴江s，

本文编号：279490