Language
Country/Area
No result found
Jöreskog如何在1969年颠覆心理学研究的测量方式？
1969年，一位名叫Karl Jöreskog的瑞典心理学家提出了一种全新的研究方法——验证性因素分析（Confirmatory Factor Analysis, CFA）。该方法迅速成为社会科学研究中的重要工具，因其能够测试一组测量是否与研究者对特定构念的理解一致。 CFA不仅挑战了当时主流的测量方法，也为心理学研究开辟了新的思路。
验证性因素分析的主要目的在于评估数据与假设的测量模型之间的适配度，此假设模型基于理论及先前的分析研究。
在CFA的过程中，研究者首先建立一个关于潜在因素的假设，例如将「抑郁」视为影响某些抑郁量表（如Beck抑郁量表和汉密尔顿抑郁量表）背后的因素。通过对模型施加约束，研究者得以强迫模型符合其先前的理论假设。如果数据与模型之间的适配性不佳，研究者则可能需重新思考构念或考虑另外的模型。
例如，当研究者认为存在两个互相独立的因素时，他们可以创建一个模型来限制这两个因素之间的相关性为零。随之而来的适配度测试将协助他们评估所提出的模型是否准确捕捉了所有项目之间的共变异。
「模型之间的不匹配可能源于某些项目测量了多个因素，或者某些项目之间的关连性高于其他项目。」
相比经验性因素分析（Exploratory Factor Analysis, EFA），CFA是一种更为理论驱动的分析方法。 EFA的目标是根据数据自动识别因素，而CFA则需要研究者在分析之前对因素的数量及其相关性作出假设。这使得CFA在确定测量模型的有效性上变得至关重要。
值得注意的是，Jöreskog的CFA方法取代了早期的方法，例如多特征多方法（MTMM）矩阵，并在虚假相似的情况下提供了较为可靠的构念效度分析。这样的变革为心理学及社会科学研究提供了更为精确和清晰的工具，进一步推动了学科的发展。
「CFA的核心在于从理论出发，对测量进行检验和调整。」
自从CFA方法的广泛应用以来，研究者们意识到，仅仅依赖一种分析方法会导致严重的误解。例如在处理非正态数据时，传统的最大似然估计（ML）方法会出现偏差，这促使了其他替代估计方法的发展，如加权最小二乘法（WLS）等。
这一系列的发展并不止于方法论的演进，CFA和结构方程模型（Structural Equation Modeling, SEM）之间的紧密联系也为研究者提供了更深层的洞见。 CFA作为SEM中的测量模型，透过明确的因果关系，有助于揭示潜在变数之间的相互作用。这不仅对基础研究具有重大的意义，还对心理学介入措施的设计提供了依据。
在评估模型适配时，研究者需注意多种指标，如卡方检验、均方根误差（RMSEA）及比较拟合指标（CFI）等，这些指标共同促使模型的优化，并可以帮助研究者在锐意探究的过程中保持理性和客观。适配不佳的模型表明，研究者可能需要重新检视或调整其假设。
「良好的模型适配指出模型是合理的，然而这并不意味着模型是正确的。」
透过Jöreskog在1969年的创新，心理学界的研究方法发生了翻天覆地的变化。从此，数据的分析不再仅是一个数量上的挑战，而是一个更为复杂、充满思考与检验的过程。随着时间的推移，CFA不仅受到学术界的推崇，还逐渐成为各个相关领域的重要工具。
那么，随着研究技术的进步，未来是否还会有更多的创新方法出现，颠覆我们对心理学研究的理解呢?
