[系统转发] 结构方程建模中的「调节变量」

Kenneth

求知，不是的。
（1）SEM 没有严格规定何时用δ，何时用ε的。
（2）ε是Ping自己用的符号。我只是抄他而已。
哈哈。 ：-）

各位好！在这个有调节变量的模型中，三个潜变量之间的关系如何设定呢？我自己的看法是：X与M之间的关系应该根据理论来确定他们之间是否相关和不相关。而X*M分别与X和M的关系应该是不相关。不知道这个想法是否合理？

Kenneth

求知，
（1）调节变量与交互作用最大的特点就是调节变量（M）与自变量（X）没有必然的关系。所以它们是不需要有相关的（当然、它们自然也可能有理论的相关，不过这在调节关系中不是必要的）。我们做模型的时候让它们相关，有两个原因。第一、只是设立一个关系，以策安全而已。第二、X*M是二階项，在回归分析中，验证二階项一定要把“所有的”一階项目加进去。
（2）X*M是X与M的函数，它们是一定相关的。其实，在调节回归分析（moderated regression）中，我们往往是担心它们的相关过大，因而引起共线性（multicollinearity）的问题。所以才有West & Aiken的中心化建议。

求知，我也不知道是错在哪里了 :-(  如果你把括号和逗号去掉呢？

@47楼 求知 （xinxin）
xinxin好！忘记回复您了：我的调节变量的那个观察指标在(12,3)的位置上，权数设定我写成：va lx(12,3)。随后不小心就把误差方差也写成了va td（12，3）。应该是 va（12，12）吧，我改了之后，程序就run 了。

Kenny 和各位大侠早上好!如果有3个(或者4个)潜变量,我如用SEM何做THREE(FOUR)-WAY 的交互作用分析呢?
谢谢!

Kenneth

我劝你还是不要想了。改用回归分析吧。
如果真的是一定要做的话，我猜 Ping (1995)的方法应该是可以推广到3-way interaction的。只是你大概要自己花点时间做推导了。

@回复 求知 55楼 (Kenneth)
我的修行还不到，估计推导不了。呵呵。那就先用回归吧。谢谢Kenny的建议。

kenny您好：
我有个调节变量的问题向您请教。
我按照Robert Ping (1995) 的结构方程建模中调节测验，计算出乘积项的因子载荷与误差方差。
在模型中加入了调节项和乘积项后，原来模型标准化的回归系数有很大的变化。
有的回归系数大于1，有的回归系数由原来的正值变成负之后，有个别误差项也大于1。
我想问：这样的变化是合理的吗？
如果不合理，有方法使得大于1的回归系数变小吗？（如何处理？）

Kenneth

njalin000：
我猜有三个可能性。
（1）你计算错误；
（2）你的数据有问题；
（3）PING 的估计程式有问题（因为它不竟是一个估计方法而已）。
我建议你第一、再看一次，肯定你没有计算错误。第二、试试在Cortina et al.那篇文章中找另外一个估计方法试试，看是否也是一样。这就可以知道是你（数据）的问题，还是他（估计）的问题了。第三、也可以用简单的回归分析和乘积项，来验证一下是否数据的问题。也就是说做一次路径分析，再用同一个模型做一次SEM，比较一下。因为考虑测量模型不应该完全改变了估计结果的。
我不知道有什么方法，可以把“大于一的路径系数变小的”。