删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

对齐(Alignment) —— 一种新的多群组分析法

本站小编 Free考研考试/2022-01-01
温聪聪1(), 伍伟平1, 林光杰2
1 厦门大学海外教育学院/国际学院, 厦门 361102
2 厦门大学新闻传播学院, 厦门 361005
收稿日期:2018-03-08出版日期:2019-01-15发布日期:2018-11-23




Alignment: A new method for multiple-group analysis

WEN Congcong1(), WU Weiping1, LIN Guangjie2
1 Overseas Education College/International College, Xiamen University, Xiamen 361102, China
2 School of Journalism and Communication, Xiamen University, Xiamen 361005, China
Received:2018-03-08Online:2019-01-15Published:2018-11-23







摘要/Abstract


摘要： 进行跨群组的因素均值比较需要检验测量工具的可比较性, 常见的做法是使用多群组CFA检验各群组的截距恒定性, 但截距恒定假设因其过于苛刻而往往无法满足.对齐法在这一背景下应运而生, 通过检验构置恒定模型中参数的近似恒定性而进行跨群组因素均值比较.文章介绍了多群组CFA和对齐法的原理, 运用某省4个学校的本科生职业价值观研究实例来演示如何在Mplus软件中使用对齐法进行研究, 并总结了对齐法的优势与局限, 回顾了对齐法近年的研究进展.


表1问卷中职业价值观量表的维度设计
维度设计 题号 题项内容
社会责任 Q1 有助于可持续发展和环境保护
Q5 帮助他人
Q9 做对社会发展有重要意义的事情
个人兴趣 Q2 自我发展
Q3 做我感兴趣的事情
Q4 获得一份有保障的工作
Q6 发挥我的天赋和能力
经济动机 Q7 获得高薪的机会
Q8 尽快开始赚钱

表1问卷中职业价值观量表的维度设计
维度设计 题号 题项内容
社会责任 Q1 有助于可持续发展和环境保护
Q5 帮助他人
Q9 做对社会发展有重要意义的事情
个人兴趣 Q2 自我发展
Q3 做我感兴趣的事情
Q4 获得一份有保障的工作
Q6 发挥我的天赋和能力
经济动机 Q7 获得高薪的机会
Q8 尽快开始赚钱


表2旋转后的因素载荷(N = 4692)
题项 F1 F2 F3
1. 有助于可持续发展和环境保护 0.767
2. 自我发展 0.742
3. 做我感兴趣的事情 0.833
4. 获得一份有保障的工作 0.625
5. 帮助他人 0.828
6. 发挥我的天赋和能力 0.689
7. 获得高薪的机会 0.671
8. 尽快开始赚钱 0.705
9. 做对社会发展有重要意义的事情 0.717

表2旋转后的因素载荷(N = 4692)
题项 F1 F2 F3
1. 有助于可持续发展和环境保护 0.767
2. 自我发展 0.742
3. 做我感兴趣的事情 0.833
4. 获得一份有保障的工作 0.625
5. 帮助他人 0.828
6. 发挥我的天赋和能力 0.689
7. 获得高薪的机会 0.671
8. 尽快开始赚钱 0.705
9. 做对社会发展有重要意义的事情 0.717


表3使用多群组CFA进行测量恒定性检验得到的模型拟合结果(N = 4692)
模型 参数数目 卡方值 自由度 p值
构置恒定 120 1028.009 96 <0.001
因素载荷恒定 102 1058.646 114 <0.001
截距恒定 84 1120.288 132 <0.001
载荷恒定对构置恒定 - 30.638 18 0.0317
截距恒定对构置恒定 - 92.279 36 <0.001
截距恒定对载荷恒定 - 61.614 18 <0.001

表3使用多群组CFA进行测量恒定性检验得到的模型拟合结果(N = 4692)
模型 参数数目 卡方值 自由度 p值
构置恒定 120 1028.009 96 <0.001
因素载荷恒定 102 1058.646 114 <0.001
截距恒定 84 1120.288 132 <0.001
载荷恒定对构置恒定 - 30.638 18 0.0317
截距恒定对构置恒定 - 92.279 36 <0.001
截距恒定对载荷恒定 - 61.614 18 <0.001


表4参数近似恒定结果(N = 4692
参数类型 近似恒定组别 参数类型 近似恒定组别
截距 因素载荷
Y1 1,2,3,4 Y1 1,2,3,4
Y2 1,2,3,4 Y2 1,2,3,4
Y3 1,2,3,4 Y3 1,2,3,4
Y4 1,2,3,4 Y4 1,2,3,4
Y5 1,2,3,4 Y5 1,2,3,4
Y6 1,2,3,4 Y6 1,2,3,4
Y7 1,2,3,4 Y7 1,2,3,4
Y8 1,2,3,4 Y8 1,2,3,4
Y9 1,2,3,4 Y9 1,2,3,4

表4参数近似恒定结果(N = 4692
参数类型 近似恒定组别 参数类型 近似恒定组别
截距 因素载荷
Y1 1,2,3,4 Y1 1,2,3,4
Y2 1,2,3,4 Y2 1,2,3,4
Y3 1,2,3,4 Y3 1,2,3,4
Y4 1,2,3,4 Y4 1,2,3,4
Y5 1,2,3,4 Y5 1,2,3,4
Y6 1,2,3,4 Y6 1,2,3,4
Y7 1,2,3,4 Y7 1,2,3,4
Y8 1,2,3,4 Y8 1,2,3,4
Y9 1,2,3,4 Y9 1,2,3,4


表5个人兴趣因素的均值比较结果(N = 4692)
排名 群组号 因素均值 因素均值显著
小于该组
1 4 0.162 2,3,1
2 2 0.038
3 3 0.028
4 1 0.000

表5个人兴趣因素的均值比较结果(N = 4692)
排名 群组号 因素均值 因素均值显著
小于该组
1 4 0.162 2,3,1
2 2 0.038
3 3 0.028
4 1 0.000


表6经济因素的均值比较结果(N = 4692)
排名 群组号 因素均值 因素均值显著
小于该组
1 2 0.163 1,4
2 3 0.127 1,4
3 1 0.000
4 4 -0.014

表6经济因素的均值比较结果(N = 4692)
排名 群组号 因素均值 因素均值显著
小于该组
1 2 0.163 1,4
2 3 0.127 1,4
3 1 0.000
4 4 -0.014


表7两种算法的因素均值估计结果(N=4692)
均值类别 固定优
化算法
真实值		 估计值 自由优
化算法
真实值		 估计值
群组1
个人兴趣因素 0.000 0.000 0.314 0.221
社会责任因素 0.000 0.000 -0.081 -0.072
经济因素 0.000 0.000 1.848 0.520
群组2
个人兴趣因素 0.038 0.040 0.351 0.261
社会责任因素 0.075 0.079 -0.004 0.008
经济因素 0.163 0.164 2.009 0.682
群组3
个人兴趣因素 0.028 0.033 0.339 0.252
社会责任因素 0.065 0.070 -0.018 -0.002
经济因素 0.127 0.129 1.975 0.648
群组4
个人兴趣因素 0.162 0.163 0.472 0.381
社会责任因素 -0.005 -0.006 -0.086 -0.077
经济因素 -0.014 -0.021 1.810 0.484

表7两种算法的因素均值估计结果(N=4692)
均值类别 固定优
化算法
真实值		 估计值 自由优
化算法
真实值		 估计值
群组1
个人兴趣因素 0.000 0.000 0.314 0.221
社会责任因素 0.000 0.000 -0.081 -0.072
经济因素 0.000 0.000 1.848 0.520
群组2
个人兴趣因素 0.038 0.040 0.351 0.261
社会责任因素 0.075 0.079 -0.004 0.008
经济因素 0.163 0.164 2.009 0.682
群组3
个人兴趣因素 0.028 0.033 0.339 0.252
社会责任因素 0.065 0.070 -0.018 -0.002
经济因素 0.127 0.129 1.975 0.648
群组4
个人兴趣因素 0.162 0.163 0.472 0.381
社会责任因素 -0.005 -0.006 -0.086 -0.077
经济因素 -0.014 -0.021 1.810 0.484


表8两种算法的因素均方误差计算结果(N = 4692
因素 固定优化算法
均方误差		 自由优化算法
均方误差
均值 标准差 均值 标准差
个人兴趣因素
因素均值 0.036 0.016 0.224 0.179
因素方差 0.046 0.020 0.046 0.020
社会责任因素
因素均值 0.038 0.017 0.184 0.141
因素方差 0.050 0.022 0.050 0.022
经济因素
因素均值 0.041 0.018 1.527 1.139
因素方差 0.060 0.025 0.060 0.025

表8两种算法的因素均方误差计算结果(N = 4692
因素 固定优化算法
均方误差		 自由优化算法
均方误差
均值 标准差 均值 标准差
个人兴趣因素
因素均值 0.036 0.016 0.224 0.179
因素方差 0.046 0.020 0.046 0.020
社会责任因素
因素均值 0.038 0.017 0.184 0.141
因素方差 0.050 0.022 0.050 0.022
经济因素
因素均值 0.041 0.018 1.527 1.139
因素方差 0.060 0.025 0.060 0.025







1 蔡华俭, 林永佳, 伍秋萍, 严乐, 黄玄凤 . (2008). 网络测验和纸笔测验的测量不变性研究——以生活满意度量表为例. 心理学报,40(2), 228-239.
2 王孟成 . (2014). 潜变量建模与Mplus应用?基础篇. 重庆大学出版社..
3 温聪聪, 伍伟平, 蒋玉塔 . (2016). 厦门大学理工科本科生职业发展研究. 职大学报, (3), 94-99.
4 Asparouhov T., & Muthén B. (2014). Multiple-group factor analysis alignment. Structural Equation Modeling A Multidisciplinary Journal, 21(4), 495-508.
doi: 10.1080/10705511.2014.919210URL
5 Billiet J. . (2013). Quantitative methods with survey data in comparative research. Urology, 76(76), S2-S3.
doi: 10.1016/j.urology.2010.07.118URL
6 Davidov E., Meuleman B., Cieciuch J., Schmidt P., & Billiet J . (2014). Measurement equivalence in cross-national research. Annual Review of Sociology, 40(40), 55-75.
doi: 10.1146/annurev-soc-071913-043137URL
7 Lomazzi V. . (2018). Using alignment optimization to test the measurement invariance of gender role attitudes in 59 countries. Methods, Data, Analyses: A Journal for Quantitative Methods and Survey Methodology (MDA), 12(1), 77-103.
8 Maltese A. V., Ross H., Wang L., & Wang Y . (2014). Assessing multinational interest in STEM: Implementing a comparative survey research study in China. International Journal of Chinese Education, 3(1), 109-131.
9 Marsh H. W., Guo J., Parker P. D., Nagengast B., Asparouhov T., & Muthén B ., et al. (2017). What to do when scalar
invariance fails: The extended alignment method for multiple-group factor analysis comparison of latent means across many groups. Psychological Methods.Advance online publication.
10 Millsap R.E . (2011). Statistical approaches to measurement invariance. New York, NY, US: Routledge/Taylor &. Francis Group.
11 Muthén B., & Asparouhov T. (2014). IRT studies of many groups: the alignment method. Frontiers in Psychology, 5(5), 978.
doi: 10.3389/fpsyg.2014.00978URLpmid: 4162377
12 Muthén B., & Asparouhov T. (2017). Recent methods for the study of measurement invariance with many groups: alignment and random effects. Sociological Methods & Research, DOI: 10.1177/0049124117701488.
13 Munck I., Barber C., & Torney-Purta J . (2017). Measurement invariance in comparing attitudes toward immigrants among youth across Europe in 1999 and 2009: The alignment method applied to IEA CIVED and ICCS. Sociological Methods & Research, DOI: 10.1177/ 0049124117729691.
14 Piurko Y., Schwartz S. H., & Davidov E . (2011). Basic personal values and the meaning of left-right political orientations in 20 countries. Political Psychology, 32(4), 537-561.
doi: 10.1111/j.1467-9221.2011.00828.xURL
15 Vandenberg R.J., &Lance C.E . (2000). A review and synthesis of the measurement invariance literature: Suggestions, practices, and recommendations for organizational research. Organizational Research Methods, 3(1), 4-70.
16 Wang J.C., &Wang X.Q . (2012). Structural equation modeling: Applications using Mplus. John Wiley &. Sons.
17 Widaman K.F., &Reise S.P . (1997). Exploring the measurement invariance of psychological instruments: Applications in the substance use domain. In K. J. Bryant, M. Windle, & S. G. West (Eds.), The science of prevention: Methodological advances from alcohol and substance abuse research (pp. 281-324) . Washington, DC, US: American Psychological Association.
doi: 10.1037/10222-009URL




[1]温忠麟, 方杰, 沈嘉琦, 谭倚天, 李定欣, 马益铭. 新世纪20年国内心理统计方法研究回顾[J]. 心理科学进展, 2021, 29(8): 1331-1344.
[2]刘玥 刘红云. 心理与教育测验中异常作答处理的新技术： 混合模型方法[J]. 心理科学进展, 0, (): 0-0.
[3]苏悦, 刘明明, 赵楠, 刘晓倩, 朱廷劭. 基于社交媒体数据的心理指标识别建模: 机器学习的方法[J]. 心理科学进展, 2021, 29(4): 571-585.
[4]黎穗卿, 陈新玲, 翟瑜竹, 张怡洁, 章植鑫, 封春亮. 人际互动中社会学习的计算神经机制[J]. 心理科学进展, 2021, 29(4): 677-696.
[5]王珺, 宋琼雅, 许岳培, 贾彬彬, 陆春雷, 陈曦, 戴紫旭, 黄之玥, 李振江, 林景希, 罗婉莹, 施赛男, 张莹莹, 臧玉峰, 左西年, 胡传鹏. 解读不显著结果：基于500个实证研究的量化分析[J]. 心理科学进展, 2021, 29(3): 381-393.
[6]徐俊怡, 李中权. 基于游戏的心理测评[J]. 心理科学进展, 2021, 29(3): 394-403.
[7]钟晓钰, 李铭尧, 李凌艳. 问卷调查中被试不认真作答的控制与识别[J]. 心理科学进展, 2021, 29(2): 225-237.
[8]唐倩, 毛秀珍, 何明霜, 何洁. 认知诊断计算机化自适应测验的选题策略[J]. 心理科学进展, 2020, 28(12): 2160-2168.
[9]王阳, 温忠麟, 付媛姝. 等效性检验——结构方程模型评价和测量不变性分析的新视角[J]. 心理科学进展, 2020, 28(11): 1961-1969.
[10]张雪琴, 毛秀珍, 李佳. 基于CAT的在线标定:设计与方法[J]. 心理科学进展, 2020, 28(11): 1970-1978.
[11]张沥今, 魏夏琰, 陆嘉琦, 潘俊豪. Lasso回归：从解释到预测[J]. 心理科学进展, 2020, 28(10): 1777-1788.
[12]张龙飞, 王晓雯, 蔡艳, 涂冬波. 心理与教育测验中异常反应侦查新技术：变点分析法[J]. 心理科学进展, 2020, 28(9): 1462-1477.
[13]黄龙, 徐富明, 胡笑羽. 眼动轨迹匹配法：一种研究决策过程的新方法[J]. 心理科学进展, 2020, 28(9): 1454-1461.
[14]朱海腾. 多层次研究的数据聚合适当性检验:文献评价与关键问题试解[J]. 心理科学进展, 2020, 28(8): 1392-1408.
[15]张银花, 李红, 吴寅. 计算模型在道德认知研究中的应用[J]. 心理科学进展, 2020, 28(7): 1042-1055.





PDF全文下载地址:

http://journal.psych.ac.cn/xlkxjz/CN/article/downloadArticleFile.do?attachType=PDF&id=4578
相关话题/心理 科学 经济 社会 检验

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.