《基于结构方程模型的多层中介效应分析.pdf》由会员分享，可在线阅读，更多相关《基于结构方程模型的多层中介效应分析.pdf（10页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、心理科学进展 2014,Vol.22,No.3,530539 Advances in Psychological Science DOI:10.3724/SP.J.1042.2014.00530 530 研究方法(Research Method)基于结构方程模型的多层中介效应分析*方 杰1 温忠麟2 张敏强2 任 皓2(1广东财经大学人文与传播学院,广州 510320)(2华南师范大学心理学院/心理应用研究中心,广州 510631)摘 要 近年社科领域常见使用多层线性模型进行多层中介研究。尽管多层线性模型区分了多层中介的组间和组内效应,仍然存在抽样误差和测量误差。比较好的方法是,将多层线性模型
2、整合到结构方程模型中,在多层结构方程模型框架下设置潜变量和多指标,可有效校正抽样误差和测量误差、得到比较准确的中介效应值,还能适用于更多种类的多层中介分析并提供模型的拟合指数。在介绍新方法后,总结出一套多层中介的分析流程,通过一个例子来演示如何用 MPLUS 软件进行多层中介分析。最后展望了多层结构方程和多层中介研究的拓展方向。关键词 结构方程;多层线性模型;中介效应;抽样误差;测量误差 分类号 B841 1 前言 在心理、教育和管理等社科研究中,经常遇到多层(嵌套)数据的中介效应,称为多层中介(multilevel mediation)效应。例如,企业管理者的道德式领导在管理者核心自我评价与
3、员工组织公民行为关系中起中介作用(王震,孙健敏,张瑞娟,2012),数据是员工嵌套于公司的两层结构,管理者的道德式领导和核心自我评价两个变量都是在公司层面的测量,属于 2-2-1 中介(这三个数字依次代表自变量、中介变量和因变量的层次,数字 2表示层次 2,数字 1 表示层次 1,以下类同)。又如,在组织职业生涯管理与员工工作绩效关系中,企业员工生涯适应力起中介作用(于海波,郑海明,2013),其中只有职业生涯管理变量是在组织层面测量,属于 2-1-1 中介。再如,小学生的友谊质量在同伴接纳与人格发展关系中起的中介效应(杨 收稿日期:2013-06-05*国家自然科学基金项目(31271116
4、)、广东省哲学社会科学“十二五”规划(GD13CXL01)项目、全国教育科学“十二五”规划重点课题(GFA111009)资助。通讯作者:方杰,E-mail: 丽珠,徐敏,马世超,2012),数据是学生嵌套于班级的两层结构,所有变量都是在学生个体层面测量,属于 1-1-1 中介。研究者常用多层线性模型(multilevel model,MLM)进行多层中介效应分析(方杰,张敏强,邱皓政,2010),但多层线性模型将所有变量都设定为显变量(manifest variable)且假设所有变量都没有测量误差,因此在区分多层中介的组间和组内效应时,难免会造成参数估计的偏差(方杰,邱皓政,张敏强,2011
5、)。结构方程模型(Structural Equation Model,SEM)不仅可以同时处理显变量和潜变量,而且还允许变量存在测量误差,并提供拟合指数(fit indices)来评价模型的拟合程度,弥补了使用显变量的不足。近年来,研究者开始尝 试 对 多 层 数 据 建 立 多 层 结 构 方 程 模 型(Multilevel Structural Equation Model,MSEM)来进行多层中介分析。本文以 2-1-1 多层中介效应为例,在简介多层线性模型的中介分析过程后,讨论了多层结构方程模型如何控制和减少多层线性模型在中介分析中的参数估计偏差及其他不足;接着,总结出一套多层中介分
6、析流程;然后,用一个例子说明如何用 MPLUS 程序进行多层中介分析;最后对相关问题进行了讨论和拓展。第 3 期 方 杰等:基于结构方程模型的多层中介效应分析 531 2 基于多层线性模型的中介分析 中介效应的分析方法可分为三类,包括依次检验法(也译为因果步骤法)、系数乘积法和系数差异法,目前多数学者推荐使用系数乘积法进行中介分析(方杰,张敏强,邱皓政,2012)。因此,下面采用系数乘积法进行 2-1-1 多层中介分析。图 1 2-1-1 中介的多层线性模型(改编自 Pituch&Stapleton,2012)注:中介变量 Mij分为组内部分()ijjMM和组间部分jM 2.1 自变量到中介变
7、量的路径系数 求自变量 Xj到中介变量 Mij(以员工嵌套于公司为例,则下标 i 表示员工,j 表示公司)的路径系数 a(见图 1),也就是执行下列方程式：层-1:0ijjijM=+(1)层-2:000010ajjjrr X=+(2)其中,回归系数01ar表示自变量 Xj到中介变量 Mij的路径系数。0j和00r表示回归方程(1)和(2)的截距,ij和0j表示回归方程(1)和(2)的残差。多层线性模型就是通过建立多层回归方程组,将误差分解为各层次的误差,从而解决了随机误差独立性的问题(方杰等,2010)。2.2 控制自变量时,中介变量到因变量的路径系数 求控制自变量 Xj时,中介变量 Mij到
8、因变量Yij的路径系数 b,也就是执行下列方程式：层-1:01()ijjjijjijYMM=+(3)层-2:00001020cjjjjrr Xr M=+(4)110bjr=(5)其中jM表示中介变量Mij的组均值。回归系数10br表示中介变量Mij的组内差异(ijjMM)的效应bW,回归系数02r表示中介变量Mij的组间部分jM的效应bB(见图1)。由于自变量Xj只能在层2公司(或班级)之间变化,对某个固定的公司(或班级)j而言,Xj是个定值,因此自变量Xj只能对中介变量Mij的组间部分jM产生影响,而不能对中介变量Mij的组内差异部分()ijjMM产生影响。所以,中介变量Mij的组内差异部分
9、()ijjMM的中介效应1000babr=,中介变量Mij的中介效 应 实 际 上 就 是 组 间 部 分jM的 中 介 效 应0102aabrr=(见图1)。如果ab显著不为0或ab的置信区间不包括0,就表示多层中介效应显著(Zhang,Zyphur,&Preacher,2009;方杰等,2010)。Preacher,Zyphur和Zhang(2010)更明确指出,自变量、中介变量和因变量中,如果有一个变量是层2变量,则中介效应必定发生在层2组间水平。Pituch和Stapleton(2012)则谨慎指出,在2-1-1中介分析中,只有当中介变量的实际意义为jM代表的层2变量或(ijjMM)代
10、表的相对位置(如相对自我概念(relative self-concept),即学生自我概念在班级内的相对位置)时,才能认定中介效应仅发生在层2水平,否则会降低统计功效。3 结构方程模型对多层中介分析的改进 3.1 设置潜变量控制抽样误差 多层线性模型进行2-1-1中介(以组织职业生涯管理(Xj)员工生涯适应力(Mij)员工工作绩效(Yij)为例)分析时,中介变量Mij的组均值jM作为一个层2自变量进入回归方程(4),即默认可观测的jM就等于不可观测的公司平均生涯适应力。但实际上,二者往往不相同。假如从公司中抽样的员工较少,用这部分员工生涯适应力的组均值来代表公司平均生涯适应力(理论上等于该公司
11、全部员工生涯适应力的组均值)显然是不可靠的,会导致回归系数r02的参数估计和相应的中介效应估计0102arr存在偏差(Preacher et al.,2010)：02()()betweenwithinbetweenE r=)22222MXMMMXnn+(6)0201()abetweenE rra=)22222()MwithinbetweenXMMMXnan+(7)532 心 理 科 学 进 展 第 22 卷 公式(6)和(7)中,within表示中介变量Mij的组内效应真值,between表示中介变量Mij的组间效应真值,a表示自变量Xj对中介变量Mij的效应真值,2X,2M,2XM表示Xj和
12、Mij的组间方差和协方差,2M表示Mij的组内方差。公式(6)和(7)表明,回归系数r02和中介效应的偏差大小受公司平均员工数n(n=层1抽样员工数/层2公司数)影响。如果公司内平均员工数n越少,则Mij的组内方差2M的权重越大,回归系数r02和中介效应大小的估计偏差都将越大。如果withinbetween,则回归系数r02和中介效应都被高估。这种由于抽样(从被试总体中抽取部分被试)而产生的参数估计偏差被称为抽样误差(sampling error),控制这种误差的方法是将不可观测的公司平均生涯适应力当成潜变量(见图2)(Preacher et al.,2010)。图 2 2-1-1 中介的多层
13、结构方程模型(改编自 Preacher,Zhang,&Zyphur,2011)多层结构方程将公司平均生涯适应力(即公司全部员工生涯适应力的组均值jM)看成是无法直接观测的潜变量。因此,直接观测的Mij可分解为无法直接观测的组间差异()jMM、组内差 异()ijjMM和 总 均 值M。组 间 差 异()jMM用 潜 变 量UMj表 示,组 内 差 异()ijjMM用MijR表示,总均值M用常数M表示。这样,Mij被分解为两个潜变量UMj、MijR和常数M：ijMMjMijMUR=+(8)同理,Yij也被分解为两个潜变量UYj、RYij和常数Y：ijYYjYijYUR=+(9)组内效应可表示为：Y
14、ijwithinMijijRR=+(10)组间效应可表示为：YjbetweenMjjjUUc X=+(11)将公式(10)、(11)带入公式(9)得：ijYjbetweenMjwithinMijijjYc XUR=+(12)将公式(4)、(5)带入公式(3),得：000102100()cbijjjijjijjYrr Xr MrMM=+(13)比较方程(12)和(13)可知,校正抽样误差后的多层结构方程模型和多层线性模型相比,两者非常相似,最大的不同是用潜变量MjU代替ijM的组间差 异()jMM,MijR代 替ijM的 组 内 差 异()ijjMM。Preacher,Zhang和Zyphur(
15、2011)用模拟研究比较了设置潜变量的多层结构方程模型(见图2)和多层线性模型(见图1)在2-1-1中介(中介效应固定为0.1)分析中的表现。结果表明,多层结构方程模型相对于多层线性模型而言,不仅能有效减少中介效应估计的偏差,而且在中介效应的95%置信区间覆盖率指标上表现也更优(95%置信区间覆盖率更接近95%)。但是,多层结构方程得到更准确的中介效应值是以统计功效降低且需要大样本(层2样本量至少为20)为代价的。3.2 设置多指标控制测量误差 多层线性模型存在的另一个问题是变量只有单一指标或者仅以量表总分作为唯一指标,没有考虑测量误差(measurement error)的影响。例如,当学生
16、评价教师行为时,来自城市与乡村的学生对某个问题的反应不同,这可能导致该班级学生评价出现系统性测量误差。当把学生评价整合到班级层次时,这些学生评价的测量误差又会造成班级层次的测量误差。学生和班级层次的测量误差最终导致中介效应估计存在偏差。控制测量误差 的 方 法 就 是 对 变 量 采 用 多 指 标(multiple indicators)测量。由经典测量理论可知,观测分数=真分数+测量误差。多指标测量能有效降低测量误差的方差,从而增加观测分数的测量信度(Ldtke,第 3 期 方 杰等:基于结构方程模型的多层中介效应分析 533 Marsh,Robitzsch,&Trautwein,2011
17、)。Li和Beretvas(2013)用模拟研究比较了设置多指标潜变量的多层结构方程模型和多层线性模型在2-2-1中介(中介效应为0或0.1)分析中的表现。Li和Beretvas(2013)的研究与Preacher等人(2011)的模拟研究虽然都比较了多层结构方程模型和多层线性模型在多层中介分析中的表现,但二者存在三个明显不同。第一,二者选用的多层中介种类不同。Li和Beretvas(2013)选择2-2-1中介,因为2-2-1中介的中介变量Mj在层2,不存在中介变量的抽样误差问题,将研究的焦点设置在测量误差上;Preacher选择2-1-1中介,没有考虑测量误差,将研究焦点设置在抽样误差上。
18、第二,Li和Beretvas(2013)采用多指标测量,设定Mj的多个指标的标准化负荷sM都等于0.5或0.8(sM越小,测量误差越大),Yij的多个指标的组间和组内标准化负荷都等于0.8;Preacher选择的是单指标(见图2),没有考虑测量误差对中介分析的影响。第三,选择不同的系数乘积法进行中介效应显著性检验。Preacher选择的是Sobel检验进行中介效应的显著性检验;由于Sobel检验在中介效应的显著性检验中存在诸多缺陷,Li和Beretvas(2013)换用了乘积分布法进行中介效应的显著性检验,乘积分布法克服了Sobel检验的诸多缺陷,可以得到更准确的中介效应分析结果(方杰,张敏强
19、,李晓鹏,2011)。Li和Beretvas(2013)的模拟研究结果表明,多层结构方程模型相对于多层线性模型而言,不仅能得到更准确的中介效应估计值(sM越小,多层线性模型的中介效应估计偏差越大),而且在中介效应的95%置信区间覆盖率指标上表现也更优。但是,多层结构方程得到更准确的中介效应值是以不收敛的情况增多(sM越小,不收敛情况越多)、统计功效降低为代价的(sM越小,统计功效越低)。Li和Beretvas还明确指出,相比多层线性模型而言,多层结构方程模型为了控制测量误差而使用多指标,这大大增加了参数估计的数目,也就意味着需要用更大的层2样本量(至少需要80)才能避免模型不收敛的情况出现。L
20、i和Beretvas(2013)与Preacher等人(2011)的模拟研究都一致发现,多层结构方程模型得到准确的中介效应估计值是以统计功效降低(即第类错误率增加)、需要大样本为代价的。这与Ledgerwood和Shout(2011)的研究结果一致。Ledgerwood和Shout使用结构方程模型和多元线性回归模型对相同的模拟数据进行简单中介(单一层次单一中介变量)分析,结果也发现结构方程模型得到更准确的中介效应值是以统计功效降低、标准误ab估计增大且需要大样本为代价的。据此,Ledgerwood和Shout建议在简单中介效应分析中采用两步分析法。第一步,用多元线性回归模型进行中介效应分析,判
21、断中介效应是否显著;第二步,用结构方程模型进行中介效应分析,得到中介效应的点估计值。也就是说,Ledgerwood和Shout建议在简单中介分析中,中介效应的点估计值以结构方程模型的分析结果为准,中介效应的显著性以多元线性回归的分析结果为准。其实,Ledgerwood和Shout的建议也适用于多层中介的分析,即在多层中介分析中,中介效应的点估计值以多层结构方程模型的分析结果为准,中介效应的显著性以多层线性模型的分析结果为准。3.3 适用于更多种类的多层中介分析 多层线性模型只能分析因变量在层1的多层中介效应,而多层结构方程对因变量在层1和层2的多层中介(例如1-1-2、1-2-2和2-1-2中
22、介)都能进行分析,具有更广的适用性。例如,Preacher等(2010)用多层结构方程考察了1-1-2中介效应,即 员工对变革性领导的知觉Xij通过员工满意度Mij影响了团队绩效Yi。造成多层结构方程模型这一优势的原因有两个。首先,自变量、中介变量和因变量中,如果有一个变量是层2变量,则中介效应必定发生在层2组间水平。其次,多层结构方程进行多层中介分析时,会自动地将所有层1测量的变量(如Mij)分解为无法直接观测的组内部 分()ijjMM和组间部分()jMM。这样,多层 结构方程就能自动得到自变量、中介变量和因变量的组间部分,进行层2水平的中介效应分析。另外,多层结构方程模型进行多层中介分析时
23、,还能方便地提供模型的拟合指数,帮助研究者评价模型的拟合程度,这也是多层线性模型无法做到的。3.4 多层中介的分析流程 面对一个多层中介分析任务,研究者应当如何进行呢？根据前面的讨论,我们总结出一套多层中介的分析流程(见图3)如下：(1)确定多层中介的种类。研究者应该以对现有文献进行的深度回顾与严谨的理论设计为基础,534 心 理 科 学 进 展 第 22 卷 图 3 多层中介分析流程 确定自变量、中介变量、因变量,变量所在层次以及变量之间的因果顺序。(2)利用多层结构方程模型进行多层中介分析。(3)判断多层中介是否显著。如果多层中介显著,则分析结束;否则进行步骤4。(4)判断因变量是否在层1
24、。如果因变量不在层1,则分析结束,分析结果为多层中介不显著;否则进行步骤5。(5)利用多层线性模型进行多层中介分析。如果多层中介效应不显著,则分析结束,分析结果为多层中介不显著;如果多层中介显著,则报告分析结果为多层中介显著,中介效应大小则按照多层结构方程模型分析得出的系数a和b相乘得到。4 多层中介的实例分析 接下来用一个实际例子演示如何用图3的流程检验多层中介效应。本例要研究的是员工心理资本对领导心理资本与员工组织公民行为关系的中介作用,使用2-1-1多层中介模型,变量及其数据(66个组,共303人)均来自任皓等人的研究(任皓,温 忠 麟,陈 启 山,叶 宝 娟,2013)。采 用MPLU
25、S6.0软 件 进 行 分 析(多 层 中 介 分 析 的MPLUS程序见附录)。中介效应的95%置信区间是通过R软件的RMediation软件包执行乘积分布法计算而来(Tofighi&Mackinnon,2011)。数据的零模型检验得到员工组织公民行为的组内相关系数ICC(1)=0.25 0.06,因此有必要进行多层分析。第一步,用多层结构方程模型进行中介分析。首先,模型(见图2)的拟合结果是CFI=1.00,TLI=1.00,RMSEA0.001,组间标准化残差均方根(standardized root mean square residual,SRMR)SRMRB=0.003,SRMRW
26、0.001,表明模型可接受(Preacher et al.,2010)。其次,多层结构方程模型的中介分析结果见表1。中介效应的置信区间包括0,表明中介效应不显著。但还不能得出中介效应不显著的结论,因为多层结构方程模型得到更准确的中介效应估计值是以统计功效降低为代价的。又因为因变量在层1,所以进行第二步。第二步,用多层线性模型(见图1)进行中介分析(任皓等,2013)。分析结果见表1,中介效应的置信区间不包括0,表明中介效应显著。但是多层线性模型在估计系数b时,由于存在抽样误差(每组人数2-11人,中数为4,众数为3)和测量误差,导致系数b被低估(0.6390.991)。系数a的估计是准确的(两
27、个模型的估计仅相差0.006)。两步分析法得出的研究结论是,员工心理资 第 3 期 方 杰等:基于结构方程模型的多层中介效应分析 535 表 1 多层结构方程和多层线性模型的多层中介分析结果 方法 系数a 系数b 中介效应95%置信区间 多层结构方程模型 0.401*(0.064)0.991(0.630)0.3970.096,0.944 多层线性模型 0.407*(0.064)0.639*(0.108)0.2600.152,0.388 注：*表示p0.01;*表示p0.05;表中列出的是参数的非标准化解,圆括号内列出的是参数估计的标准误.本对领导心理资本与员工组织公民行为关系存在2-1-1中介
28、作用,即领导心理资本正向影响员工心理资本,进而使得员工表现出更多的组织公民行为。中介效应大小为0.397。两步分析的好处是,一方面通过多层结构方程模型,可以更准确地估计中介效应大小;另一方面通过多层线性模型,保留了中介效应的检验力。5 讨论与拓展 追求估计的准确,是方法学工作者不断努力的动力和目标。多层中介分析方法的发展过程就是一个追求更准确的中介效应估计值的过程。综上所述,多层中介分析方法的发展是围绕中介变量Mij展开的,经历了三个发展阶段。第一阶段是利用多层线性模型进行中介分析,将中介变量Mij按组均值jM中心化(见回归方程3),并将组均值jM作为层2自变量进入回归方程4,实现了中介变量M
29、ij的组间和组内效应的有效分离(见图1),改变了过去将组间和组内效应混为一团,不加区分的情况(方杰等,2010)。第二阶段是利用多层结构方程模型进行中介分析,将公司全部员工的中介变量组均值jM设置为潜变量UMj,有效的控制了抽样误差(见图2)。第三阶段也是利用多层结构方程模型进行中介分析,将代表中介变量Mij组间和组内差异的两个潜变量UMj和RMij设置为多指标,在控制抽样误差的前提下,进一步有效的控制了测量误差。我们总结出一套多层中介分析流程,并通过一个例子演示了MPLUS软件如何进行多层中介分析。但是,本文仍然存在一些不足,尚需进一步深入讨论和拓展。5.1 多层中介类型的拓展 第一,本文所
30、涉及的多层中介都设定斜率为固定效应(见公式(5)。实际上,将斜率设定为随机效应(即1101bjjr=+)时,多层结构方程模型同样可以减少抽样误差。Preacher等(2011)用模拟研究证明,在2-1-1中介分析中,无论是斜率固定还是斜率随机,都得到相同的结论,即多层结构方程模型相比多层线性模型而言,能有效控制抽样误差,得到更准确的中介效应点估计,但付出了降低统计功效的代价。第二,本文所涉及的多层中介都设定为两层中介。实际上,Pituch,Murphy和Tate(2010)实现了三层中介的多层线性模型分析;Preacher(2011)实现了三层中介的多层结构方程分析。三层中介的多层结构方程分析
31、具有两层中介的多层结构方程分析的所有优点,并且可使用两层中介的多层结构方程分析软件进行分析。但由于三层中介的数据收集需要更多的人力、时间和经费,且统计分析过程更复杂,更增加了使用者理解和掌握的难度,所以目前关于三层中介的应用研究还较少。此外,多层结构方程模型和多层线性模型在三层中介分析中的表现如何,尚缺模拟研究进行比较。第三,本文所涉及的都是一个自变量、一个中介变量和一个因变量的多层中介。实际上,基于多层结构方程模型的中介分析方法可以推广到更复杂的多层中介模型中。推广的步骤可分为两步。第一步,将每个观测到的层1变量都分解为总均值、无法直接观测的组间差异和组内差异三部分,组间差异用潜变量Uj表示
32、,组内差异用潜变量Rij表示,总均值用常数表示。这样,每个层1变量都被分解为两个潜变量Uj、Rij和常数。第二步,利用自变量、中介变量和因变量的组内差异RXij、RMij和RYij,计算组内部分(即层1或个体层面)的中介效应;利用自变量、中介变量和因变量的组间差异UXj、UMj和UYj,计算组间部分(即层2或组织层面)的中介效应。这样就将多层多个变量的中介效应分析,转化为同一层次的多个变量的中介效应分析。有多个自变量时,自变量之间的关系根据其实际意义可分为不相关、相关和回归三种关系。如果自变量之间是不相关,则无需做任何处理,因为模型默认自变量之间是不相关的。如果自变量之间的关系是相关或回归,模
33、536 心 理 科 学 进 展 第 22 卷 型和程序都要相应反映出来。自变量相关或回归的MPLUS语句,不难从附录程序看出来。需要说明的是,在实际应用中,要慎重选择复杂的多层中介模型,因为模型越复杂,所需要的样本量(特别是层2样本量)就越大,所需要的人力、物力和财力也就越大,并且随着模型越来越复杂,模型的稳定性在降低,不收敛的风险也在增大。5.2 多层结构方程模型的拓展 第一,本文涉及的多层结构方程模型是由Muthn和Asparouhov(2008)提出,并由MPLUS软件运行的多层结构方程模型(Preacher et al.,2010;Preacher,2011)。实际上还有其他的多层结构
34、方程模型,例如Rabe-Hesketh,Skrondal和Pickles(2004)提 出 的 广 义 线 性 潜-混 合 模 型(Generalized Linear Latent and Mixed Models,GLLAMM)。虽然广义线性潜-混合模型可用STATA软件运行,但此模型存在计算时间长、不能适用于随机斜率情况等问题(Preacher et al.,2010),不如MPLUS软件运行的多层结构方程模型,因此不再继续深入讨论。第二,MPLUS和STATA软件运行的多层结构方程模型都属于频率论的范畴。基于马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC
35、)算法的贝叶斯方法(Bayesian method)是和频数统计相对应的统计方法。贝叶斯方法能以十分灵活的方式整合多层线性模型和结构方程模型,且可以加入先验信息以获得更准确的参数估计,尤其适用于层2样本量较小或模型过于复杂的情况。进一步地研究可以进行整合多层线性模型和结构方程模型的不同方法之间的比较,例如贝叶斯方法和Muthn和Asparouhov(2008)方法的比较(Ldtke et al.,2011)。5.3 误差控制的拓展 第一,本文在结构方程框架下,采用多指标的方法控制了测量误差。实际上,即使在多层线性模型下,也可以控制测量误差。Goldstein,Kounali和Robinson(
36、2008)使用贝叶斯方法将测量误差整合到多层线性模型中,在多层分析中有效控制了测量误差。Goldstein等人的方法还能应用到三层嵌套数据中(使用MLwin软件实现)。但两种控制测量误差的方法之间尚缺乏模拟研究进行比较。第二,多层分析的误差来源除了抽样误差和测量误差外,还有一个重要的来源就是使用问卷收集数据时,采用自我报告(self-report)方式产生的 共 同 方 法 变 异(common method variance,CMV)。Lai,Li和Leung(2013)用模拟研究表明,在两水平的多层线性模型分析中,当存在跨层调节效应时,共同方法偏差会导致统计功效降低和调节效应值的低估,还会
37、造成层2变量回归系数值的高估和该回归系数的显著性判断出现第类错误。Lai等人(2013)还指出,控制共同方法变异首选过程控制的方法,例如从不同来源收集测量数据;其次采用统计补救的方法,但无论采用哪种统计补救的方法都是以降低统计功效为代价的。但在多层中介分析中,共同方法变异存在哪些影响、如何有效控还有待深入研究。5.4 中介效应显著性检验方法的拓展 本文只用系数乘积法进行中介效应的显著性检验。系数乘积法又可细分为多种方法。除了本文已涉及的Sobel检验法和乘积分布法,Preacher 等人在多层结构方程模型的中介分析中,还使用Monte Carlo方法得到中介效应的不对称置信区间,进行中介效应的
38、显著性判断(Preacher et al.,2010;Preacher,2011)。关于Monte Carlo方法的具体内容和运行程序请参阅相关文献(MacKinnon,Lockwood,&Williams,2004;Preacher&Selig,2012)。另外,在多层线性模型的多层中介分析中,已经使用Bootstrap方法得到中介效应的不对称置信区间,进行中介效应的显著性判断(方杰等,2011),如何将Bootstrap方法应用到多层结构方程模型的多层中介分析中,是一个值得深入研究的课题。从统计层面上讲,基于多层结构方程模型的多层中介分析还处于发展和完善阶段,除了讨论中已经提到的问题外,还
39、存在诸多值得探讨的课题,例如多层中介分析所需最少样本量、类别变量的多层中介分析等。从应用层面上讲,利用多层结构方程模型进行多层中介分析才刚刚起步,国内目前仅有吴文峰等人(2013)利用多层结构方程模型对纵向追踪数据进行了1-1-1中介分析(吴文峰,卢永彪,姚树桥,2013;吴文峰,卢永彪,陈世英,2013)。方法的进步给研究者提供了一个深入理解和应用多层结构方程模型进行中介分析的机会,相信随着多层结构方程模型和多层中介效应研究的深入,会不断增加我们对多层中介效第 3 期 方 杰等:基于结构方程模型的多层中介效应分析 537 应和多层结构方程问题的理解。参考文献 方杰,邱皓政,张敏强.(2011
40、).基于多层结构方程模型的情境效应分析:兼与多层线性模型比较.心理科学进展,19,284292.方杰,张敏强,李晓鹏.(2011).中介效应的三类区间估计方法.心理科学进展,19,765774.方杰,张敏强,邱皓政.(2010).基于阶层线性理论的多层级中介效应.心理科学进展,18,13291338.方杰,张敏强,邱皓政.(2012).中介效应的检验方法和效果量测量:回顾与展望.心理发展与教育,28,105111.任皓,温忠麟,陈启山,叶宝娟.(2013).工作团队领导心理资本对成员组织公民行为的影响机制:多层次模型.心理学报,45,8293.王震,孙健敏,张瑞娟.(2012).管理者核心自我
41、评价对下属组织公民行为的影响:道德式领导和集体主义导向的作用.心理学报,44,12311243.吴文峰,卢永彪,陈世英.(2013).学龄儿童失调态度在应激与抑郁间的作用:一项多波段追踪研究.心理发展与教育,29,183191.吴文峰,卢永彪,姚树桥.(2013).认知方式在7 年级学生应激与抑郁症状关系中的作用:一项多波段追踪研究.中国临床心理学杂志,21,106109.杨丽珠,徐敏,马世超.(2012).小学生同伴接纳对其人格发展的影响:友谊质量的多层级中介效应.心理科学,35,9399.于海波,郑海明.(2013).生涯适应力的作用:个体与组织层的跨层面分析.心理学报,45,680693
42、.Goldstein,H.,Kounali,D.,&Robinson,A.(2008).Modelling measurement errors and category misclassifications in multilevel models.Statistical Modelling,8,243261.Lai,X.,Li,F.,&Leung,K.(2013).A monte carlo study of the effects of common method variance on significance testing and parameter bias in hierarc
43、hical linear modeling.Organizational Research Methods,16,243269.Ledgerwood,A.,&Shrout,P.E.(2011).The trade-off between accuracy and precision in latent variable models of mediation processes.Journal of Personality and Social Psychology,101,11741188.Li,X.,&Beretvas,N.(2013).Sample size limits for est
44、imating upper level mediation models using multilevel SEM.Structural Equation Modeling,20,241264.Ldtke,O.,Marsh,H.W.,Robitzsch,A.,&Trautwein,U.(2011).A 22 taxonomy of multilevel latent contextual models:Accuracy-bias trade-offs in full and partial error correction models.Psychological Methods,16,444
45、467.MacKinnon,D.P.,Lockwood,C.M.,&Williams,J.(2004).Confidence limits for the indirect effect:Distribution of the product and resampling methods.Multivariate Behavioral Research,39,99128.Muthn,B.O.,&Asparouhov,T.(2008).Growth mixture modeling:Analysis with Non-Gaussian random effects.In G.Fitzmauric
46、e,M.Davidian,G.Verbeke,&G.Molenberghs(Eds.),Longitudinal data analysis(pp.143165).Boca Raton,FL:Chapman&Hall/CRC.Pituch,K.A.,&Stapleton,L.M.(2012).Distinguishing between cross-and cluster-level mediation processes in the cluster randomized trial.Sociological Methods&Research,41,630670.Pituch,K.A.,Mu
47、rphy,D.L.,&Tate,R.L.(2010).Three-level models for indirect effects in school-and class-randomized experiments in education.The Journal of Experimental Education,78,6095.Preacher,K.J.(2011).Multilevel SEM strategies for evaluating mediation in three-level data.Multivariate Behavioral Research,46,6917
48、31.Preacher,K.J.,&Selig,J.P.(2012).Advantages of monte carlo confidence intervals for indirect effects.Communication Methods and Measures,6,7798.Preacher,K.J.,Zhang,Z.,&Zyphur,M.J.(2011).Alternative methods for assessing mediation in multilevel data:The advantages of multilevel SEM.Structural Equati
49、on Modeling,18,161182.Preacher,K.J.,Zyphur,M.J.,&Zhang,Z.(2010).A general multilevel SEM framework for assessing multilevel mediation.Psychological Methods,15,209233.Rabe-Hesketh,S.,Skrondal,A.,&Pickles,A.(2004).Generalized multilevel structural equation modeling.Psychometrika,69,167190.Tofighi,D.,&
50、MacKinnon,D.P.(2011).RMediation:An R package for mediation analysis confidence intervals.Behavior Research Methods,43,692700.Zhang,Z.,Zyphur,M.J.,&Preacher,K.J.(2009).Testing multilevel mediation using hierarchical linear models.Organizational Research Methods,12,695719.538 心 理 科 学 进 展 第 22 卷 附录：多层结