|
现在结构方程模型应用非常普遍，尤其是人文社科领域，硕士、博士研究生做毕业论文或发表学术论文多数都用到结构方程模型。这其中的一个重要问题是，多大的样本量才适合做结构方程模型，样本量太小能不能做结构方程模型？ 对此，有几个问题要明确： 第一，结构方程模型只是一种统计建模与数据分析的方法，理论上来说，只要有数据，建立好模型，就可以运行软件进行分析，只是存在信度效度好不好、模型能不能识别、结果可不可靠的问题。 第二，样本量的大小没有绝对固定的“临界值”，而要根据研究的模型复杂性、样本的结构等来决定。一些统计方法认为30以下是小样本，60以上是大样本，但这个只是针对个别情况而言的。在结构方程模型中，模型越复杂，要求的样本量越大，因此，300的样本对于只有不到10个变量的模型来说可以算是大样本，但对于二三十个变量的模型，则是小样本。 第三，结构方程模型适合的样本量如何判断？经常看到咨询我们做数据分析的客户说，“不是说做结构方程模型的样本量达到变量个数的10倍以上就可以了吗？”网上也有很多帖子表达这种说法。 实际上这个说法是不确切的，比较准确的说法应该是，“样本量应该达到模型中需要估计的参数的数量的10倍以上”。一个结构方程模型需要估计的参数与模型中的变量数目是不一样的，比如路径系数或相关系数（协方差）、方差、截距等都可能是需要估计的参数，因此，相同变量个数的模型，如果变量之间的路径关系或共变关系（如误差相关）数量不一样，约束限定的参数不同，那么，模型需要估计的参数数量也不同，进而所需要的样本量也不同。此外，还要注意，越复杂的模型需要的倍数越高，比如一般自我效能感量表GES有10个题目，做CFA，那么样本量可以不到10倍（可能五倍都可以了）也可以有比较满意的参数估计，但如果是多个量表，题目得到四五十题，那么样本量就不是简单的10倍了，可能20倍都不足以支撑这么复杂的模型。 最后，如果根据各种标准判断手头的样本量确实很小呢，能不能用结构方程模型？我们南心网的看法是，小样本做结构方程模型很容易出现以下问题：非正定矩阵、系数不显著、模型拟合指数不达标等，尤其是模型拟合指数不达标。这种情况下，建议采用以下方法处理：简化模型，例如删除部分测量指标，或将潜变量转化为显变量模型，题目打包法，Bootstrapping估计法等。 当然，以上主要是基于协方差分析的结构方程模型（使用Amos、Lisrel、Mplus等），而如果我们研究的目的主要是探索研究假设是否成立（例如A对B是否具有显著正向预测作用），而不关心整体模型是否拟合，那可以考虑另一种结构方程模型方法——PLS路径模型。 【南心网致力于SPSS基础统计，Amos、Mplus结构方程模型，HLM多层线性模型以及SmartPLS路径模型的数据分析服务。我们全部采用正版软件处理，例如 Amos 20.0， SmartPLS3.0， Mplus
8.0等】
|
|
|
