Млсу: за и против
1. Исследователь не может напрямую ответить на вопрос о причинах и следствиях, независимо от того, работает ли он в рамках экспериментального или неэкспериментального исследования и являются ли статистические приемы, используемые исследователем, традиционными или модернистскими. Перед погружением в сложности и ограничения МЛСУ, исследователю следует быть уверенным в том, что никакой другой традиционный метод, позволяющий тестировать гипотезы о причинно-следственных связях и требующий жестких допущений, не способен решить задачи, стоящие перед работой.
2. Реальной ценностью любого исследования является разработка теоретической канвы работы. Статистический метод, применяемый при анализе результатов и проверке гипотез, не должен являться, если только речь не идет о методической работе, самоцелью исследования, как, к сожалению, это часто случается при использовании МЛСУ. При проверке причинно-следственных гипотез авторы порой забывают, что задачей исследования является попытка представить теоретическое объяснение эмпирических данных, а следствием — использование МЛСУ, а не наоборот.
3. Аккуратная операционализация конструктов и переменных, использованных в исследовании, и сбор данных высокого качества являются началом начал любого исследования. Никакая статистическая методология, к сожалению, не предоставляет возможности делать надежные заключения на основе плохих данных. МЛСУ предоставляет возможность изолировать ошибку измерения и другие компоненты остаточной дисперсии, улучшая тем самым достоверность измерения латентных переменных, однако следует помнить, что качество данных не может быть исправлено даже с помощью МЛСУ.
4. Мощность МЛСУ основывается на: а) ограничивающих и упрощающих модель допущениях; б) больших выборках испытуемых. Адекватность и полезность применения методов МЛСУ становятся сомнительными в условиях, когда ограничивающие статистические допущения не соблюдаются или исследователь
125
работает с маленькой выборкой испытуемых.
5. Математическая и статистическая элегантность МЛСУ может «навести тень на плетень» и затемнить проблемы, присущие как методам, так и теоретическим гипотезам исследования. В этой связи исследователь, осуществляющий поиск адекватной модели и применяющий при этом сложные статистические приемы, должен периодически проводить «тест на реальность», переводя статистические находки на простой язык и убеждаясь в том, что он все еще может объяснить и интерпретировать происходящее с его моделью.
6. Модели нельзя сконструировать без упрощающих допущений. Это неизбежно и не несет серьезных статистических последствий при условии, что все допущения четко сформулированы. Важно понимать, что если набор данных соответствует ожидаемым значениям, вытекающим из определенной модели, это еще не доказывает, что построенная модель адекватно описывает реальную ситуацию. В дополнение к тому факту, что найдена модель, соответствующая эмпирическим данным в определенной степени, должны быть исключены все другие модели.
1. Akaike H. A new look at the statistical model identification // IEEB Transactions and Automatic Control AC-19. 1974. P. 716-723.
2. Anderson J. C., Gerbing D. W. Structural equation modeling in practice: A review and recommended two-step approach // Psychol. Bull. 1988. 103. P. 411-423.
3. Baumrind D. Specious causal attributions in the social sciences: The formulated stepping-stone theory of heroin use as exemplar // J. Personality and Social Psychol. 1993. 45. P. 1289-1298.
4. Bender P. M. Linear systems with multiple levels and types of latent variables // Joreskog K. G., Wold H. (eds.) Systems under indirect observation: causality, structure, prediction. Amsterdam: North-Holland, 1982.
5. Bender P. M. Structural modeling and psychometrika: an historical perspective on growth and achievements // Psychometrika. 1986. 51. P. 35-51.
6. Bender P. M. Drug use and personality in adolescence and young adulthood: Structural models with non-normal variable // Child Devel. 1987. 58. P. 65-79.
7. Bender P. M. EQS structural equations program manual. Los Angeles: BMDP Statistical Software, 1989.
8. Bender P. M., Bonnet D. G. Significance tests and goodness of fit in the analysis of covariance structures // Psychol. Bull. 1980. 88. P. 588-606.
9. Bender P. M., Mooijaart A. Choice of structural model via parsimony: A rationale based on precision // Psychol. Bull. 1989. 106. P. 315-317.
10. Bender P. M., Newcomb M. D. Personality, sexual behavior and drug use revealed through latent variable methods // Clin. Psychol. Rev. 1986. 6. P. 363-385.
11. Bender P. M., Stein J. A. Structural equation models in medical research // Statistical Methods in Medical Research. 1992. 1. P. 159-181.
12. Bender P. M., Weeks D. G. Linear structural equations with latent variables // Psychometrika. 1980. 45. P. 289-308.
13. Bollen K. A. Structural equations with latent variables. New York: Wiley, 1989.
14. Buncher С. R., Succor P. A., Dietrich K. N. Structural equation modeling in environmental risk assessment // Environmental Health Prospetives. 1991. 90. P. 209-213.
15. Campbell D. Т., Fiske D. W. Convergent and discriminant validation by the multitrait-multimethod matrix // Psychol. Bull. 1959. 56. P. 81-195.
16. Cliff N. Some cautions concerning the application of causal modeling methods // Multivariate Behavioral Research. 1983. 18. P. 115-126.
17. Cole D. A. Utility of confirmatory factor analysis in test validation research // J. Consult. and Clin. Psychol. 1987. 55. P. 584—594.
18. Connell J. P. A multidimensional measure of children's perception of control // Child Devel. 1985. 56. P. 1018-1041.
19. Duncan О. D. Introduction to structural equation models. New York: Academic Press. 1975.
20. Freedman D. A. Statistics and the scientific method // Mason W., Fienberg S. (eds.) Cohort analysis in social research. New York: Springer. 1985.
21. Fransic D. J. An introduction to structural equation models // J. Clin. Exp. Neuropsychology. 1988. 10. P. 623—639.
22. Gollob H. F., Reichardt С. S. Taking account of time lags in causal models // Child Devel. 1987. 58. P. 80-92.
23. Joreskog К. С. Analysing psychological data by structural analysis of covariance matrices // Magidson J.. (ed.) Advances in factor analysis and structural equation models. Lanham, MD: University Press of America, 1979.
24. Joreskog K. G. Statistical models and methods for analysis of longitudinal data // Magidson J. (ed.) Advances in factor analysis and structural equation models. Lanham, MD: University Press of America, 1979.
25. Joreskog К. С., Sorbom D. LISREL 17, a guide to the program and applications. Chicago: SPSS, 1988.
26. Heath A. C. el al. Testing hypotheses about direction of causation using cross- sectional family data // Behav. Genet. 1993. 23. P. 29-50.
126
27. Loehlin J. С. Latent variable models. An introduction to factor, path, and structural analysis. Hillsdale, NJ: Lawrence Eribaum Associates, 1987.
28. Lord F. M., Novick M. E. Statistical theories of mental test scores. Reading, MA: Addison-Wesley, 1968.
29. Marsh H. W., Balla J. R., McDonald R. P. Goodness-of-fit indexes in confirmatory factor analysis: the effect of sample size // Psychol. Bull. 1988. 103. P. 411—423.
30. Martin J. A. Structural equation modeling: A guide for the perplexed // Child Devel. 1987. 58. P. 33-37.
31. McIntosh A. R., Gonzalez-Lima F. Structural modeling of functional neural pathways mapped with 2-deoxyglucose: Effects of acoustic startle habituation on the auditory system // Brain Research. 1991. 547. P. 295—302.
32. Millsap R. E., Everson H. Confirmatory measurement model comparisons using latent means // Multivariate Behavioral Reseach. 1991. 26. P. 479-497.
33. Morris R. J., Bergan J.R., Fulginiti J. V. Structural equation modeling in clinical assessment research with children // J. Consult. Clin. Psychol. 1991. 59. P. 371-379.
34. Newcomb M. D., Bentler P. M. Loneliness and social support: A confirmatory hierarchical analysis // Personality Social Psychol. Bull. 1986. 12. P. 520—535.
35. Raffalovich L. E., Bohmstedt G. W. Common, specific, and error variance components of factor models: Estimation with longitudinal data // Sociological Methods and Research. 1987. 15. P. 385-405.
36. Scarr S. Constructing psychology: Making facts and fables for our times // Am. Psychologist. 1985. 40. P. 499-512.
37. Wheaton B. et al. Assessing reliability and stability in panel models // Heise D. R. (Ed.) Sociological methodology. San Francisco: Jossey-Bass, 1977.
38. Wright S. On the nature of size factors // Genet. 1918. 3. P. 367—374.
Поступила в редакцию 28.IX 1993 г.
1[1]Автор называет обсуждение основных типов моделей «несбалансированным» в результате неравномерного распределения представляемого материала в рамках статьи. Акцентуации в тексте этой работы сделаны на моделях, представляющих, с точки зрения автора, наиболее значительный интерес для психологов, а именно на тех, которые позволяют вычленить ошибку измерения из анализируемых переменных. Кроме того, регрессионные модели и модели латентных путей, которым в тексте уделено меньше внимания, многократно и подробно описаны как в отечественных (см., например, главу Б. Кочубея в коллективной монографии «Роль среды и нравственности в формировании индивидуальности человека»), так и зарубежных (см.Hcyduk L. Structural equation modelling with LISREL. 1981) источниках.
2[2]LISREL 8 (последняя редакция этого пакета) представляет собой версию, облегчающую задачу составления программ для анализа. Эта версия позволяет использовать язык программирования, который существенно менее формализован и более доступен при обучении.
3[3]Подробно процедуры оценки разных типов надежности и валидности в рамках LISREL описаны К. Болленом[13].
4[4] Этот тип ошибки часто упоминается в литературе как «коррелирующая ошибка». Это название хоть и неадекватно [11], тем не менее широко распространено.
5[5]Для тех, кто по тем или иным причинам хотел бы поподробней ознакомиться с традициями регрессионного анализа, лучшим советом будет рекомендация прочесть книгу Якоба и Патриции Коэн, посвященную правилам, и секретам использования регрессионного подхода в науках о человеке (см.Cohen ]., Cohen P. Applied multiple regression / correlation analysis for the behavioral sciences. Lawrence Eribaum Associates. 1983).