Language
Country/Area
No result found
Jöreskog如何在1969年顛覆心理學研究的測量方式？
1969年，一位名叫Karl Jöreskog的瑞典心理學家提出了一種全新的研究方法——驗證性因素分析（Confirmatory Factor Analysis, CFA）。該方法迅速成為社會科學研究中的重要工具，因其能夠測試一組測量是否與研究者對特定構念的理解一致。CFA不僅挑戰了當時主流的測量方法，也為心理學研究開辟了新的思路。
驗證性因素分析的主要目的在於評估數據與假設的測量模型之間的適配度，此假設模型基於理論及先前的分析研究。
在CFA的過程中，研究者首先建立一個關於潛在因素的假設，例如將「抑鬱」視為影響某些抑鬱量表（如Beck抑鬱量表和漢密爾頓抑鬱量表）背後的因素。通過對模型施加約束，研究者得以強迫模型符合其先前的理論假設。如果數據與模型之間的適配性不佳，研究者則可能需重新思考構念或考慮另外的模型。
例如，當研究者認為存在兩個互相獨立的因素時，他們可以創建一個模型來限制這兩個因素之間的相關性為零。隨之而來的適配度測試將協助他們評估所提出的模型是否準確捕捉了所有項目之間的共變異。
「模型之間的不匹配可能源於某些項目測量了多個因素，或者某些項目之間的關連性高於其他項目。」
相比經驗性因素分析（Exploratory Factor Analysis, EFA），CFA是一種更為理論驅動的分析方法。EFA的目標是根據數據自動識別因素，而CFA則需要研究者在分析之前對因素的數量及其相關性作出假設。這使得CFA在確定測量模型的有效性上變得至關重要。
值得注意的是，Jöreskog的CFA方法取代了早期的方法，例如多特徵多方法（MTMM）矩陣，並在虛假相似的情況下提供了較為可靠的構念效度分析。這樣的變革為心理學及社會科學研究提供了更為精確和清晰的工具，進一步推動了學科的發展。
「CFA的核心在於從理論出發，對測量進行檢驗和調整。」
自從CFA方法的廣泛應用以來，研究者們意識到，僅僅依賴一種分析方法會導致嚴重的誤解。例如在處理非正態數據時，傳統的最大似然估計（ML）方法會出現偏差，這促使了其他替代估計方法的發展，如加權最小二乘法（WLS）等。
這一系列的發展並不止於方法論的演進，CFA和結構方程模型（Structural Equation Modeling, SEM）之間的緊密聯繫也為研究者提供了更深層的洞見。CFA作為SEM中的測量模型，透過明確的因果關係，有助於揭示潛在變數之間的相互作用。這不僅對基礎研究具有重大的意義，還對心理學介入措施的設計提供了依據。
在評估模型適配時，研究者需注意多種指標，如卡方檢驗、均方根誤差（RMSEA）及比較擬合指標（CFI）等，這些指標共同促使模型的優化，並可以幫助研究者在銳意探究的過程中保持理性和客觀。適配不佳的模型表明，研究者可能需要重新檢視或調整其假設。
「良好的模型適配指出模型是合理的，然而這並不意味著模型是正確的。」
透過Jöreskog在1969年的創新，心理學界的研究方法發生了翻天覆地的變化。從此，數據的分析不再僅是一個數量上的挑戰，而是一個更為復雜、充滿思考與檢驗的過程。隨著時間的推移，CFA不僅受到學術界的推崇，還逐漸成為各個相關領域的重要工具。
那麼，隨著研究技術的進步，未來是否還會有更多的創新方法出現，顛覆我們對心理學研究的理解呢?
