关于模型调整的问题

tonylev

Kenney，您好！

+ O& f8 \2 F2 ~! e1 |* G            我根据模型的修正系数，增加了同一变量下两个测项残差之间的相关系数，模型的拟合度明显提高。
            在正式投稿的论文中，是否需要将这一调整过程详细报告出来？
/ K* q6 m6 k! j2 i0 k5 E) ^% t            谢谢了！
# R7 z4 x- r: `+ Y$ A0 I
                                                                          Tonylev

8 u! Z4 H" Y7 z& z

Kenneth

Tonylev,
第一，你又是没有看视频。我明明讲了修正系数和测项残差相关的问题，和它的意义。请到土豆看看吧。
第二，文章内当然要写。而且如果评委懂的话，他一定不会让你通过。因为这是违反我们的测量模型的。

tonylev

Kenney,

6 {* z: w3 m% }0 j5 }1 u       您好！ 我把在土豆网上的讲座重新看了一遍（当时我也在现场，已经是两年前了，时间真快！），关于模型的修正，我有以下看法：
Amos和Lisrel提供的修正系数可以分为以下几类：
1. 同一构念（Construct）不同指标（Indicator）的误差（Error）之间存在相关
, Q4 }) X  E  _' D0 m4 o2. 不同构念（Construct）的指标（Indicator）的误差之间存在相关
$ m. D8 C4 D# ^. T" v3. 指标的测量误差与它从属的构念之间存在相关。
4. 不同潜变量（Latent variable）的残差（Residual）之间存在相关。
5. 不同潜变量（Latent variable）之间存在因果关系
6. 指标（Indicator）与它不从属的构念（Construct）之间存在因果关系
+ S1 q7 e9 w4 a! y7. 不同构念（construct）的指标之间存在因果关系。

在上述修正系数中，我觉得第5类完全可以调整，只要理论上能够解释；第1类也可以调整（虽然你认为不可以调整），但是我认为同一构念的不同指标的误差之间存在相关并不影响该构念的信度（Reliability）和效度（Validity）；其它类型的修正系数，我觉得没有参考价值，不能进行调整。

: F3 Q" p* m9 _& F( s, g2 q/ u以上只是我个人的观点。
4 @+ ~& [7 S8 e0 _6 L如果你手上有相关的文献，不知能否推荐我看一下，谢谢！
2 R/ \5 {5 F& T3 Q
                                                            Tonylev
+ O* A( I) o0 e+ @6 C# D8 n) ]* b

Kenneth

Tonylev,
; x  K! L0 q0 ?5 V2 Q) E; j+ B6 o
第1类也可以调整（虽然你认为不可以调整），但是我认为同一构念的不同指标的误差之间存在相关并不影响该构念的信度（Reliability）和效度（Validity）

$ c& _' v8 F( Z* I0 k9 `. C# B我们假设你的潜变量叫做 A， 两个测量项目叫做 x1 和 x2， 误差是 e1 和 e2, 载荷是 m1 和 m2。 那么：
3 l6 Q7 T& C, w5 N% ?# b   
     x1 = m1*A + e1
# a, ?1 s- M8 i, N& k# w$ E7 d     x2 = m2*A + e2
0 m0 L2 y; z4 _6 Y2 I' \1 T    ...
     x5 = m5*A + e5
+ h+ {# u* W% W
首先，这个叫做 congeneric measurement model。 模型的本身，就是假设误差是随机的。随机的定义就是一个随机误差不可能和另外一个随机误差有相关。「第一类」违反了你的测量模型的基本假设。
# V% X: _) D. }. b% |/ ]
. l/ A$ J) g  G. x' R其次，违反了又怎样呢？e1 与 e2 相关，但是不与 e5 相关。代表在测量A以外，还有一个不可见的东西反映在误差项中。这个不可见的东西是 x1和 x2 “共同代表（测量）的”，但是 “不是A”。可是 e5 却不与 e1 , e2 相关。那就代表 e5 只是测量A，没有别的东西了（因为误差e5是随机的，与其他的误差没有相关）。这就是说，x1 x2 在共同测的东西，与 x5 不是一样的了。那你的测量模型到底是什么呢？
  S" e( V/ w& M0 O  S; ~
那我可不可以让 e1 到 e5 全相关呢？当然可以。但是测量有误差的，你到最后一定要放一个“随机的误差项” 进去。所以，e1 到 e5 全相关的话，就是：

     x1 = m1*A + e1 + 随机误差
" _3 }, T6 |$ B- D, c' i     x2 = m2*A + e2 + 随机误差
& w/ a, W" x* z8 `    ...
     x5 = m5*A + e5 + 随机误差

你只是从新定义了什么是A而已。
2 l1 A5 I; ?: o0 ^$ e
, ~, ~7 Y( s2 `; J' C至于  5. 不同潜变量（Latent variable）之间存在因果关系

- d: K0 b8 a; k3 T; A这个自然是容许的。潜变量如果没有关系，我们研究什么？所以，我不明白「第五类」是什么意思？

tonylev

Kenney，第五类的意思是在结构方程中增加或减少路径！我现在看到的模型调整大多都是在增加或删减路径！

tonylev

Kenney,
; e" x2 |! A5 g, v! S
           您好！
            首先非常感谢您在中人网上给我非常详细的解答，我感觉受益匪浅！
! j. u0 Y' J" s            但是同时也让我陷入了矛盾之中，如果按照我的模型修正方法，把同一构念的两个观测指标的测量误差相关，整体模型的拟合度将会显著提高，而且研究的关键路径 也会显著！如果不这样做，可能这篇paper就要废掉了，我有点矛盾！我见过别人这样调整模型，但是在正文中没有报告出来，模型 的拟合度很高，也发在了级别很高的期刊上！
      谢谢，祝您一切顺利！
                                                                                                  Tonylev
  N$ B) ~3 {% z# B" a& `

. u, J% r1 M, m8 C* @
1 f1 t6 i0 R  S$ [- u
Hi Tony,
! H* d; {! v& }: q/ `: V
  T# m% |8 B; d, s8 fWhat don't you reply on the blog? I would hope that we can carry on with the discussion there so that everyone can learn together.
9 [6 h# j5 w' W1. How do you know they do so if they do not report?
, A( I, [: u8 D2 \0 s2. If there is nothing wrong with it, why don't you report?
) W% U/ _/ B5 X% u3. If you know that you cannot report (otherwise you would be challenged), therefore, you keep silent about it. Is this academic dishonest?
/ H# @& a$ M; Y" b4. If your fit would increase significantly simply be correlating ONE measurement item, that means it is the measurement model which causes the problem, not your structural model. I would suggest two approaches to you:
7 \0 A% J9 ^2 M1 |! i(a) use item parceling to group the two correlated items;
) R3 J: M" M/ a8 [  p2 C5 p0 r% ^(b) first run a CFA, then average the items for each construct and run a path analysis (no measurement model).

Kenny

tonylev

Kenney，

/ y, S$ {6 |& |  F! X, @6 I     您好！
     1. 他的结构方程模型是我帮忙调整的，在论文中没有报告，但却是已经发表了！
% b2 n, l/ B; r( Q' C& h) o4 `     2. 听了你的解释，我也觉得加上相关系数违反测量模型。
     3. 你讲的两种调整方法有没有参考文献，可以让我看一下。
     谢谢！

! f/ j9 H  n7 q* \0 g% r                                                          Tonylev

tonylev

Kenney，
6 G7 i8 Y0 i( D4 P4 t0 w. R0 @
    (b) first run a CFA, then average the items for each construct and run a path analysis (no measurement model).
7 [# G# I- A' X     这个我不太明白，能否再给我解释一下！
    谢谢了！

7 I; j+ Z' _" {# p- d% o                                                                                               tonylev

Kenneth

1 L3 h3 g3 A/ i8 VTonylev, 我是 Kenny 或 Kenneth。没有 Kenney 这个 form 的。

“打包” paceling （把测量项目总合，一减少项目的数量）， 在SEM中是很普遍的。请看下面文章讨论不同打包的方法。

1. Sass, D.A. & Smith, P.L. (2006). The effects of parceling unidimensional scales on structural parameter estimates in structural equation modeling. Structural Equation Modeling, 13(4), 566-586.
* s; i2 F3 p+ l
9 r: X( \- R4 i2. Landis, R.S., Beal, D.J., & Tesluk, P.E. (2000).A comparison of approaches to forming composite measures in structural equation models. Organizational Research Methods, 3(2), 186-207.

' J* h/ o6 ?5 \first run a CFA, then average the items for each construct and run a path analysis (no measurement model).

5 a4 Q1 V' w' _8 M- I先跑一个CFA，代表首先检验你的测量模型，并计算 Cronbach alpha。如果可以接受的话，就抱相关的构念的项目平均。比如有三个项目测构念A，就平均了它们，用来代表该构念。然后跑path analysis （也就是没有测量模型的SEM）。

tonylev

Kenny，
9 p9 v" z# |! y7 Q2 c4 C8 `
           Sorry，一不小心将你的名字打错了，实在抱歉，请原谅！
            非常感谢你的耐心，细致、专业的讲解，但是我还有两个小问题需要麻烦你，如果遇到下面这两个情况该怎么处理！
          假设某结构模型共有A，B，C, D， E五个构念，其路径关系如下
; Z9 r! @$ ~7 v. U0 W           A→C
5 i. p2 q% Q' n* n9 s9 g7 M  i           B→C
2 L  m: f/ p1 u+ e# k% p* J           C→D
            C→E
; l6 U& l: l; o* ?/ r( [; A& l+ i           在模型修正过程中，若出现 （1）C， D这两个构念的残差项相关，该怎么处理？ （2）D， E的残差项出现相关该怎么处理？

) V8 C8 x! H  s  k& b          谢谢！
7 T+ {+ ]3 b3 `9 u2 J& a  A

/ }3 W; @1 G4 S