李斯克(线性结构关系建模)是用于结构方程建模的第一台统计计算机包之一。由Karl Joreskog和DAG Sorbom创建,仍然是这种分析的最受欢迎的程序之一,尽管存在许多其他程序,包括SAS中的EQS,Proc Calis,以及AMOS。与所有结构建模程序一样,Lisrel提供了一种极其强大而灵活的方式来分析复杂数据。
Lisrel基本上评估了变量之间的理论关系的程度与观察到这些变量之间的关系一致。研究人员开始了解一组变量应该如何彼此相关。例如,他或她可能理解许多测量的变量(例如,口头测试,数学测试,反应时间测试)都与广义智能(IQ)的单一底层构建有关。这是“潜在变量模型”的示例。智商未直接衡量;相反,它的存在是推断出的,因为各种测量或“观察到”变量(各种测试)本身彼此高度相关。如果研究人员收集数据,并且测量的测试并不彼此高度相关,则假定单个潜变量的模型可能不会“适合”观察到的数据。Lisrel为研究人员提供了具体的定量估计,理论模型适合观察到的数据的程度。
Lisrel的流行使用包括存在单个潜在变量,多个潜变量,甚至嵌套的潜在变量的测试。仅对潜伏变量的存在测试的模型通常被称为“确认因子模型”。LISREL的其他常见用途包括研究人员在变量间的直接和间接影响链中的模型的测试。包括在这种“路径”模型中的变量可以是观察的或潜在的变量或两者的混合物。它们都可以在SIN-GLE时间点测量或涉及多个时间点。实际上,像LISREL这样的结构建模程序通常用于分析纵向数据。
在使用LISREL分析数据时,研究人员提供了各种统计数据,可用于确定模型适合观察到的数据的方式或差。这些包括统计变量之间的各种理论相关的关联以及评估整个模型的统计数据。此外,研究人员提供了确定生病符合的统计数据。武装这些统计数据,研究人员常常旨在修改最初的理论化模型,以便提供更好的拟合模型。虽然此类修改将提高拟合,但它们遇到了利用数据的机会波动的风险,并且应该在信任之前在单独的样本中复制。
Lisrel和其他结构方程建模程序为测试复杂的心理现象模型提供了强大的工具。与此同时,他们需要相当多的数学能力和统计复杂性使用。
参考:
- Byrne,B.(1998)。与莱斯格,PRELIS和Simplis的结构方程建模:基本概念,应用和编程。马瓦,新泽:erlbaum。
- Byrne,B.(2006)。具有EQS的结构方程模型:基本概念,应用程序和编程。马瓦,新泽:erlbaum。
- Du Toit,M.,&Du Toit,S.(2001)。Interactive Lisrel:用户指南。林肯伍德,IL:科学软件。
- Kline,R. B.(2004)。结构方程模型的原理与实践(第2辑。)。纽约:桂福德出版社。