追踪研究中的交互效应分析方法及其在心理学研究中的应用

Longitudinal study has been applied more and more in psychology, as well as in many other behavioral and social science disciplines. How to analyze the interaction effects in longitudinal study is an important methodology issue that has not been well addressed. In this project, we will research the statistical methods for analyzing the interaction effects in longitudinal study, including the interaction effect between the two initial levels of growth on the initial level of outcome, and the interaction effect between two rates of change on the rate of change in the outcome. We will commit ourselves to: (1)Set up a new method for analyzing the interaction effects in longitudinal study by using latent growth models with the unconstrained approach. The method will be much simpler than the existing methods and could be acceptable by general applied researchers. (2)Set up a new method for analyzing the interaction effects in longitudinal study by using latent growth models with the Latent Moderated Structural Equations (LMS) approach. The runtime of Mplus program of the method will be acceptable in a personal computer. (3)Evaluate and compare the new methods with the unconstrained and LMS approaches. The better method will be recommended under different data conditions. (4)Test the interaction effects in longitudinal study. Bootstrap method will be used to evaluate the appropriateness of testing the interaction effects by using t-values of the new methods. (5)Apply some new methods/models obtained in this project to two case studies. Case I: the relationship of sensation seeking, affiliation with deviant peers, and tobacco and alcohol use among adolescents; Case II: The interaction effects of student's stress and cognitive emotion strategies on learning burnout, and physical and psychological health. Our focus is the interaction between two rates of change on the rate of change in the outcome.

在心理、行为和其他一些社科研究领域，追踪研究越来越普遍。本项目要研究的是至今还没有很好解决的一类前沿热点问题――追踪研究中的交互效应分析方法，包括初始水平之间的交互效应，变化率之间的交互效应。主要研究：（1）追踪研究中潜增长模型交互效应的无约束方法建模分析，目标是通过创新建模技术并使用无约束方法大幅度简化现有模型。（2）追踪研究中交互效应的潜调节结构方程（LMS）建模分析，目标是建立用通常的个人电脑能够在合理时间内进行计算的模型和相应的Mplus程序。（3）无约束方法和LMS方法的评价和比较，目标是根据不同的数据条件，将表现较好的方法推荐给应用工作者。（4）追踪研究中交互效应的检验，目标是通过Bootstrap方法评估本研究新创的分析程序得到的t值是否可以用来检验交互效应。（5）用本项目的一些新创方法，分析两个追踪研究案例中的交互效应，重点是变化率之间的交互作用。

在心理、行为和其他一些社科研究领域，追踪研究越来越普遍。本项目重点研究了追踪研究中的交互效应分析方法：（1）为了分析潜增长模型（LGM）中的交互效应，我们创造性地引入差积指标建立无约束模型，大大减少了建模复杂性；将潜调节方法（LMS）用于分析LGM中的交互效应，给出了实用的Mplus程序；评价和比较了这两种建模方法的表现，结果各有优点。（2）研究了潜变量交互效应模型中不同数据分布形态下，当潜变量指标数不同时，乘积指标构建策略。（3）比较了分析潜变量交互效应的分布分析方法（包括LMS 和QML 方法）与乘积指标方法（包括无约束和约束方法）的优缺点，推荐了不同条件下合适的分析方法。（4）提出了潜变量交互效应模型“标准化”估计中的检验方法。.此外，本项目也研究了与量表结构和潜变量分析有关的其他统计方法。例如，探讨了基于多元回归的调节效应、简单斜率检验等议题；通过数学推演证明了国际上流行的中介效应量指标kappa平方的错误，讨论了效应量应有的性质并为中介效应量的报告提出了建议；详细梳理和讨论了有中介的调节与有调节的中介分析方法，推荐比较好的检验策略，并总结出了检验流程；通过对测验信度（包括alpha系数、同质性信度和合成信度）的深入研究，推荐比较好的测验信度点估计和区间估计方法；介绍了一些新的结构方程建模方法（包括探索性结构方程模型、因子混合模型和双因子模型）。.本项目成果将有关的建模方法和模型估计和检验策略推到了新的高度，为应用工作者提供了强有力的分析工具。本项目提出的许多模型或方法在心理学实证研究中进行了应用，例如：青少年学习倦怠量表（ASBI）跨性别和年级的测量不变性研究；组织公民行为的影响因素研究；青少年在网络环境下的行为问题的影响因素；与青少年学业成就有关的研究；与工读生的毒品使用有关的研究；与幸福感有关的研究等等。

内容获取失败，请点击重试