慕课学习者参与行为研究：结构方程模型简介

结构方程模型(structural equation modeling)是综合采用多元回归分析、路径分析和验证性因子分析等方法的一种统计数据分析工具,可以用来解释一个或多个自变量与一个或多个因变量之间的关系(吴明隆,2010)。

观察变量和潜在变量是结构方程模型中两种基本的变量。观察变量可以由量表、问卷等工具得到,一般以长方形或方形符号表示。潜在变量也称潜变量,无法通过直接测量得到,要通过观察变量测量得到的数据来表示,通常以椭圆形或圆形表示。此外,结构方程模型中还有一种不具有实际测量价值的变量,叫误差变量。每个观察变量都有一个误差变量,一般以圆形表示。

一般来说,一个完整的结构方程模型的分析过程可以分为下面五个阶段。

其一,模型界定。根据已有的理论和研究,建立初始的假设模型,通过路径来描述变量间假定的因果关系。

其二,模型识别。利用观察数据分析结果来决定参数估计是否足够,识别是通过线性方程的各个系统参数进行的。

其三,模型估计。模型参数的估计是通过判别假设模型隐含的协方差矩阵是否等于观察或实际的协方差矩阵,所估计的参数是否显著不等于零进行的。模型参数估计的方法一般采用最大似然法或者广义最小二乘法。

其四,模型评价。主要考察结构方程的解是否适当,包括迭代估计是否收敛,各参数估计值是否在合理范围内等。对模型与数据拟合程度进行检验可以采用多种指标,指标的选择和解释要注意对各指标统计值的综合考虑。(www.xing528.com)

其五,模型修正。如果模型不能很好地拟合数据,就需要对模型进行修正。模型的修正要以理论为基础,不能单纯以数据为导向,追求统计拟合效果。

本研究采用结构方程模型分析方法是基于三点考虑。

第一,本研究中涉及的研究变量,如感知有用性、满意度等具有高度抽象性,不能直接测量,需要通过观察变量进行测量。

第二,在回归分析统计方法中,是假设变量没有误差,这明显与实际情况不符。而在结构方程模型中,自变量和因变量都允许误差项存在,与实际情况相符。

第三,结构方程模型中允许存在多个因变量,并且因变量之间也存在相互影响关系。一般情况下,大多数统计模型只允许模型中有一个因变量,即便是在模型中引入多个因变量,其实质也是分别就一个个因变量和一组组自变量建立模型,模型之间不存在相互影响。结构方程模型中可以设定多个因变量之间的关系,反映出一个变量不仅受到其他变量的影响,而且自身也可以影响其他变量,也就是说某个因变量也可以作为另一个因变量的自变量,并且变量之间的影响作用可以进一步分解为直接影响和间接影响,这样能够更加逼真地模拟实际情况(吴明隆,2010)1-33。

因此,本研究在理论分析的基础上提出慕课学习者持续参与行为的理论模型,选用结构方程模型作为分析工具是合适的。