結(jié)構(gòu)方程模型在科技期刊量化指標(biāo)研究中的應(yīng)用

溫學(xué)兵, 劉 洋

(1. 沈陽師范大學(xué) 學(xué)報(bào)編輯部, 沈陽 110034; 2. 沈陽師范大學(xué) 數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院, 沈陽 110034)

結(jié)構(gòu)方程模型在科技期刊量化指標(biāo)研究中的應(yīng)用

溫學(xué)兵1,2, 劉 洋2

(1. 沈陽師范大學(xué) 學(xué)報(bào)編輯部, 沈陽 110034; 2. 沈陽師范大學(xué) 數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院, 沈陽 110034)

期刊量化評(píng)價(jià)指標(biāo)現(xiàn)有20多項(xiàng),新的量化指標(biāo)還在不斷涌現(xiàn)。因此,研究各項(xiàng)評(píng)價(jià)指標(biāo)的特點(diǎn)、規(guī)律、相關(guān)關(guān)系以及對(duì)各指標(biāo)間的結(jié)構(gòu)進(jìn)行分類和探討尤為重要。結(jié)構(gòu)方程模型利用不同統(tǒng)計(jì)方法對(duì)大樣本進(jìn)行結(jié)構(gòu)關(guān)系分析,不僅具有先驗(yàn)性,還可以同時(shí)檢驗(yàn)測(cè)量變量和潛在變量。介紹了結(jié)構(gòu)方程模型的原理、應(yīng)用及其專用軟件AMOS,詳細(xì)描述了其在期刊量化指標(biāo)應(yīng)用中的研究進(jìn)展,分析了相關(guān)研究的優(yōu)缺點(diǎn),對(duì)文章的樣本量、擬合指標(biāo)數(shù)據(jù)、AMOS軟件操作等注意事項(xiàng)進(jìn)行了分析和探討。研究表明,結(jié)構(gòu)方程模型方法在期刊量化指標(biāo)結(jié)構(gòu)關(guān)系中研究具有重要的實(shí)踐意義,但需進(jìn)一步拓展研究深度和廣度,重視并完善方法應(yīng)用的規(guī)范性。

期刊評(píng)價(jià)指標(biāo); 結(jié)構(gòu)方程模型; 測(cè)量模型; 驗(yàn)證性因子分析

0 引 言

結(jié)構(gòu)方程模型(Structural Equation Model,SEM)的問世使得很多研究方向的難題都找到了解決算法。從提出至今,SEM被廣泛地應(yīng)用在心理學(xué)、社會(huì)學(xué)、教育學(xué)等領(lǐng)域。盡管近幾年才開始應(yīng)用在學(xué)術(shù)期刊評(píng)價(jià)中,但也受到了大量學(xué)者的關(guān)注和研究。

1 結(jié)構(gòu)方程模型的提出和發(fā)展

因素分析(factor analysis)和回歸分析(regression analysis)可以說是過去一個(gè)世紀(jì)統(tǒng)計(jì)方法中,影響社會(huì)科學(xué)研究最大的。1904年,Spearman提出了心理特質(zhì)的潛在結(jié)構(gòu)因素分析模型,開啟了潛在變量模型的大門[1]。1918年,Wright將回歸分析深入到多重聯(lián)立方程中,把回歸分析提升到了一個(gè)更高的層次,進(jìn)入路徑分析的層面[2]。Joreskog在20世紀(jì)70年代時(shí)將因素分析與路徑分析2種范式結(jié)合在一起,創(chuàng)立了量化研究中新的范式,并宣告結(jié)構(gòu)方程模型的到來[3]。具體而言,因子分析對(duì)結(jié)構(gòu)方程模型的貢獻(xiàn)體現(xiàn)在2個(gè)方面:1)潛變量的概念;2)基于變量之間的協(xié)方差矩陣來估計(jì)模型的參數(shù)。路徑分析對(duì)結(jié)構(gòu)方程模型的貢獻(xiàn)體現(xiàn)在3個(gè)方面:1)結(jié)構(gòu)方程模型的基本形式;2)路徑圖的產(chǎn)生;3)用直接效應(yīng)與間接效應(yīng)來反應(yīng)變量間的相關(guān)效應(yīng)。迄今為止,結(jié)構(gòu)方程模型已經(jīng)擁有專屬于他的期刊《Structural Equation Modelling》,同時(shí)也有LISREL、AMOS、Mplus等專門負(fù)責(zé)統(tǒng)計(jì)的軟件以及相關(guān)論壇。在國(guó)內(nèi),結(jié)構(gòu)方程模型在社會(huì)科學(xué)領(lǐng)域上的應(yīng)用越來越多,對(duì)問題分析的角度更加廣泛[4]。結(jié)構(gòu)方程模型被稱為社會(huì)科學(xué)定量研究領(lǐng)域第三代定量模型和第四代定量模型之間的橋梁,它將測(cè)量模型和因果模型二者相結(jié)合,實(shí)現(xiàn)了社會(huì)科學(xué)描述性研究和解析性研究的統(tǒng)一,也實(shí)現(xiàn)了研究層面的突破。

2 結(jié)構(gòu)方程模型特點(diǎn)

結(jié)構(gòu)方程模型是一種具有良好發(fā)展前景的統(tǒng)計(jì)方法,其主要特點(diǎn)如下:

1) SEM中的模型是一種建立在原有理論基礎(chǔ)上的,因此在全部SEM分析過程中,必須要求每個(gè)步驟都有清晰的理論概念和邏輯推理。

2) 通常情況下,SEM所處理的數(shù)據(jù)都是大樣本的。其中,若樣本數(shù)量少于200,則得到的結(jié)論便會(huì)不穩(wěn)定,而200以上數(shù)據(jù)量才算得上是一個(gè)中型樣本[5]。當(dāng)然,隨著研究學(xué)科和指標(biāo)數(shù)量的不同,樣本量的要求也會(huì)隨之改變,這就要具體情況具體分析了。

3) SEM是一種包含了很多統(tǒng)計(jì)分析程序的新的統(tǒng)計(jì)分析方法。其中統(tǒng)計(jì)分析技術(shù)大體分為平均數(shù)檢驗(yàn)的方差分析和線性關(guān)系的回歸分析2大類,而SEM就是借用線性模式分析技術(shù)的一種變量之間的相關(guān)關(guān)系分析方法。

4) SEM以多個(gè)變量形成的總體為研究重點(diǎn),因此不以某個(gè)單一變量為重要參考。同時(shí),由于SEM是對(duì)整體關(guān)系的考量,也使得應(yīng)用者能夠在各個(gè)角度分析和研討。

5) 在研究中,由于對(duì)同一組變量有不同的理論觀點(diǎn)或者對(duì)假設(shè)關(guān)系的不同主張,研究者可以基于不同的理論基礎(chǔ)和假設(shè)前提設(shè)計(jì)出不同的代替模型(alternative model),然后進(jìn)行比較。

6) 結(jié)構(gòu)方程模型在處理數(shù)據(jù)的時(shí)候可以同一時(shí)間對(duì)多個(gè)變量進(jìn)行分析和處理,也能夠接受自變量和因變量之間具有誤差。

7) 在對(duì)潛在變量的處理過程中,一個(gè)潛在變量可以由不止一個(gè)外生變量組成,而且對(duì)變量的信度和效度都可以同時(shí)處理[6]。

3 結(jié)構(gòu)方程模型的實(shí)現(xiàn)工具

隨著結(jié)構(gòu)方程模型的發(fā)展,與其相關(guān)的軟件也隨即產(chǎn)生并應(yīng)用在各個(gè)領(lǐng)域中。這些軟件總體上呈現(xiàn)2種趨勢(shì):1)方便用戶體驗(yàn)和學(xué)習(xí),即將原來復(fù)雜繁瑣的方程式改變?yōu)槿菀撞僮鞯闹庇^的交互界面;2)需要像Mplus一樣超出SEM范疇并納入新的統(tǒng)計(jì)模型的軟件。

AMOS是Analysis of Moment Structures的縮寫,最早屬于SmallWaters公司產(chǎn)品,后由SPSS公司收購并獨(dú)立研發(fā)。由于最早用于SEM的軟件LISREL軟件重新獨(dú)立,SPSS不得不尋找到可以替代LISREL的軟件,因此,AMOS迎運(yùn)而生。AMOS軟件的使用可以完全獨(dú)立于SPSS,同時(shí)也可以識(shí)別Microsoft Excel、文本文件、Microsoft Access等格式的文件。AMOS可以進(jìn)行協(xié)方差結(jié)構(gòu)分析(Analysis of Covariance Structures),因此AMOS又被稱為協(xié)方差結(jié)構(gòu)分析、驗(yàn)證性因子分析、潛在變量分析。AMOS的一大特色就是軟件中用繪圖的形式代替了編寫程序,將路徑圖可視化,可使用鼠標(biāo)拖拽的方式構(gòu)建模型。在某些方面,AMOS的功能較SPSS強(qiáng)大,例如AMOS不僅可以路徑分析、區(qū)間關(guān)聯(lián)性分析,還可以檢驗(yàn)變量在多個(gè)組群中的相關(guān)關(guān)系。與此同時(shí),AMOS軟件還可以檢驗(yàn)數(shù)據(jù)與假設(shè)模型之間是否具有擬合關(guān)系并探索最適合的模型。不過,盡管AMOS軟件操作簡(jiǎn)單,用繪圖工具就可完成模型構(gòu)建,但是一定要遵守結(jié)構(gòu)方程模型的理論要求和模型的嚴(yán)謹(jǐn)性。

4 SEM分析過程

首先,根據(jù)先前的理論和已有的知識(shí)脈絡(luò),經(jīng)過推論和假設(shè)形成一個(gè)關(guān)于一組變量之間相互關(guān)系的模型。然后,經(jīng)過測(cè)量,獲得一組觀測(cè)變量數(shù)據(jù)和基于此數(shù)據(jù)而形成的協(xié)方差矩陣,也稱為是樣本矩陣。而SEM的目的就是將構(gòu)想的假設(shè)模型與樣本矩陣的擬合程度進(jìn)行檢查。若假設(shè)模型可以和樣本矩陣擬合,就說明模型是成立的;否則就要對(duì)模型進(jìn)行修正。假設(shè)修正后仍然不能擬合,那說明假設(shè)的模型是有誤的,此時(shí)就要對(duì)模型進(jìn)行否定從而重新假設(shè)模型;假設(shè)修正后可以擬合,那就說明前面的假設(shè)仍然具有一定可信度。

4.1 樣本量選擇和模型初建

SEM是一種適合大樣本檢驗(yàn)的統(tǒng)計(jì)方法,因此所支持的樣本量固然越大越好,并且當(dāng)樣本量足夠大的時(shí)候,最大似然估計(jì)也會(huì)變得漸近有效[4]。但是這個(gè)大量的標(biāo)準(zhǔn)不盡統(tǒng)一。一般情況要求最小樣本量要在200以上,才能得到一個(gè)相對(duì)穩(wěn)定的模型,樣本量較小時(shí),模型在估計(jì)時(shí)可能會(huì)出現(xiàn)偏誤現(xiàn)象[8]。當(dāng)然也有學(xué)者認(rèn)為樣本量應(yīng)該是待估計(jì)的自由參數(shù)的5～10倍才算上是可以接受的。到現(xiàn)在還沒有一個(gè)準(zhǔn)確的標(biāo)準(zhǔn)。也可以用下面的公式進(jìn)行最小樣本量的計(jì)算:

Nmin=Ni×df

其中:Nmin表示最小樣本量;N表示觀測(cè)變量的個(gè)數(shù);df表示自由度。

模型的建立要有一定的理論進(jìn)行支持,模型的設(shè)定不是學(xué)者的一廂情愿也不是由研究者憑空想象。設(shè)定測(cè)量模型時(shí),要基于前人已經(jīng)檢驗(yàn)過的測(cè)量變量或者是具有內(nèi)容效度的測(cè)量變量。這其實(shí)是一種驗(yàn)證性的因子分析(Confirmatory Factor Analysis)而不是探索性因子分析(Exploratory Factor Analysis)。而在確定測(cè)量變量的個(gè)數(shù)時(shí)要注意:每個(gè)潛在變量盡量要有4個(gè)或更多測(cè)量變量;多個(gè)潛在變量存在時(shí)要求每個(gè)潛在變量至少要有3個(gè)測(cè)量變量;最好不要用只含1～2個(gè)測(cè)量變量的潛在變量[8]。在結(jié)構(gòu)方程方面,設(shè)定路徑關(guān)系時(shí)不能盲目地連接任意2個(gè)潛在變量,而是要分析實(shí)際研究的問題的關(guān)系得出相應(yīng)假設(shè)后再添加路徑關(guān)系。

結(jié)構(gòu)方程模型由結(jié)構(gòu)模型(structural model)和測(cè)量模型(measurement model)組成,完整的結(jié)構(gòu)方程模型是要同時(shí)包含以上2個(gè)部分的[5]。用方程式的形式表示為

結(jié)構(gòu)方程描述了潛在變量之間的關(guān)系,測(cè)量方程描述了潛在變量和測(cè)量變量之間的關(guān)系。上文提到潛在變量和測(cè)量變量,潛在變量是指實(shí)際中無法直接測(cè)量的變量,例如期刊評(píng)價(jià)中的影響力情況、傳播力情況等;測(cè)量變量是指可以直接觀察并測(cè)量的變量,例如高校學(xué)生的身高、體重等變量都是可以測(cè)量并用以研究學(xué)生的體質(zhì)情況。張建平最早提到結(jié)構(gòu)方程模型并對(duì)結(jié)構(gòu)方程模型進(jìn)行了較為詳細(xì)的敘述和分析[9]。SEM可以用路徑圖表示出各個(gè)變量之間的相關(guān)關(guān)系,在SEM的路徑圖中,常常使用橢圓形或圓形代表潛在變量,用矩形表示測(cè)量變量,用單箭頭表示一個(gè)變量(自變量)對(duì)另外一個(gè)變量(因變量)具有直接的相關(guān)關(guān)系,雙箭頭表示二者變量之間具有相互關(guān)系如圖1所示。

4.2 模型識(shí)別

模型的識(shí)別關(guān)系到假設(shè)模型是否能夠成功擬合,前提是模型必須恰好識(shí)別或者過度識(shí)別。因?yàn)楫?dāng)模型的識(shí)別度較低或根本無法識(shí)別的時(shí)候,在模型擬合過程中會(huì)因?yàn)楦鞣N統(tǒng)計(jì)分析的原因?qū)е履Ｐ蜔o法成功擬合。識(shí)別是為了檢測(cè)能否根據(jù)數(shù)據(jù)求得每一個(gè)自由或者位置參數(shù)的唯一估計(jì)值。無法識(shí)別或者識(shí)別不足說明符合條件的解有很多,即參數(shù)個(gè)數(shù)大于方程個(gè)數(shù)。恰好識(shí)別說明符合條件的解有且僅有一個(gè),即參數(shù)個(gè)數(shù)等于方程個(gè)數(shù)。過度識(shí)別說明符合條件的情況很多,即參數(shù)個(gè)數(shù)小于方程個(gè)數(shù)。

圖1 SEM原理圖

模型的識(shí)別是一項(xiàng)較為復(fù)雜的過程,在AMOS軟件中,若模型不可識(shí)別,軟件會(huì)自動(dòng)停止擬合,這種情況下研究者就要根據(jù)理論知識(shí)對(duì)模型的設(shè)定進(jìn)行修改。

4.3 模型擬合和模型修正

模型進(jìn)行識(shí)別完成,就要對(duì)產(chǎn)生的模型進(jìn)行估計(jì),也稱為擬合。擬合目的就是求某個(gè)參數(shù)式的模型隱含的協(xié)方差矩陣與樣本協(xié)方差矩陣“S”之間的“差距”最小。對(duì)模型的估計(jì)中參數(shù)的估計(jì)常用“t”值,而對(duì)模型估計(jì)的方法有兩階段最小二乘法TSLS(two-stageleastsquares)、最大似然估計(jì)ML(maximunlikelihood)、廣義最小二乘法GLS(generalweightedleastsquares)、非加權(quán)最小二乘法ULS(unweightedleastsquares)、一般加權(quán)最小二乘WLS(generallyweightedleastsquares)。常用的估計(jì)方法是ML和GLS。

在評(píng)價(jià)模型的時(shí)候要注意幾個(gè)指標(biāo),包括:

1) 比較吻合指數(shù)(CFI),對(duì)CFI的要求是越趨近于1,擬合程度越高。常用0.95標(biāo)準(zhǔn)監(jiān)測(cè)。

2) 近似誤差的均方根(RMSEA),對(duì)RMSEA的要求越趨近于0,擬合程度越高,常用0.05的標(biāo)準(zhǔn)檢測(cè)。

3) 離中參數(shù)(RNI),對(duì)RNI的要求越趨近于0,擬合程度越高,常用0.06的標(biāo)準(zhǔn)監(jiān)測(cè)。

4) 擬合優(yōu)度指數(shù)(GFI),對(duì)GFI的要求越趨近于1,表示擬合程度越高,常用0.9的標(biāo)準(zhǔn)監(jiān)測(cè)。

當(dāng)然在模型估計(jì)的時(shí)候也有其他標(biāo)準(zhǔn),比如卡方自由度比也可以用來判斷模型的擬合。因子載荷量λ>0.55代表擬合較好,λ>0.63代表擬合非常好,λ>0.71代表擬合優(yōu)秀,而λ<0.55則表示擬合結(jié)果一般。

在對(duì)模型的估計(jì)和評(píng)價(jià)時(shí)發(fā)現(xiàn)結(jié)果并沒有擬合或者擬合程度不滿意,就要對(duì)模型進(jìn)行修正,例如上一段中提到λ<0.55的情況,不同的統(tǒng)計(jì)軟件有它各自的修正方法。若修正后的指標(biāo)都在評(píng)價(jià)的范圍內(nèi),則說明模型符合目標(biāo);若修正后的指標(biāo)仍不能滿足擬合,那么就要否定原始模型重新進(jìn)行構(gòu)建。

在AMOS軟件中, 當(dāng)假設(shè)模型與觀測(cè)樣本無法擬合時(shí), 軟件會(huì)給出修正指標(biāo)(ModificationIndices), 研究者就要根據(jù)軟件給出的修正指標(biāo)來添加或者刪去相應(yīng)的路徑關(guān)系, 以達(dá)到優(yōu)秀的擬合度。

模型修正要注意節(jié)省原則:在修正擬合時(shí),如果2個(gè)模型的差別不大,要選擇簡(jiǎn)單模型;若相差很大,要選擇較為優(yōu)化的一個(gè)。最后要達(dá)到模型參數(shù)較少但符合實(shí)際意義[5]。

5 結(jié)構(gòu)方程模型在期刊量化指標(biāo)研究中的應(yīng)用

YueWeiping[10]等人首次將結(jié)構(gòu)方程模型應(yīng)用在期刊量化評(píng)價(jià)領(lǐng)域,并對(duì)期刊中的評(píng)價(jià)指標(biāo)進(jìn)行了系統(tǒng)分類研究,但是作者未給出實(shí)證研究。

俞立平[11]等人在2009年將結(jié)構(gòu)方程模型應(yīng)用于學(xué)術(shù)期刊評(píng)價(jià),同時(shí)首次進(jìn)行了實(shí)例驗(yàn)證。作者客觀地評(píng)價(jià)了結(jié)構(gòu)方程模型的優(yōu)點(diǎn)和局限性,并認(rèn)為結(jié)構(gòu)方程模型為學(xué)術(shù)期刊評(píng)價(jià)提供了新思路。作者以2004版中國(guó)科技期刊引證報(bào)告(擴(kuò)刊版)中518種醫(yī)學(xué)期刊數(shù)據(jù)為研究目標(biāo),分為影響力、時(shí)效性、期刊特征3類一級(jí)指標(biāo)并下設(shè)總被引頻次、影響因子、即年指標(biāo)、他引率、擴(kuò)散因子、學(xué)科影響指標(biāo)、學(xué)科擴(kuò)散指標(biāo)、引用半衰期、他引半衰期、基金論文比、平均作者數(shù)、平均引文數(shù)、海外論文比等13個(gè)二級(jí)指標(biāo)。在這13個(gè)指標(biāo)中,由于引用半衰期和被引半衰期是2個(gè)反向指標(biāo),因此將這2個(gè)指標(biāo)用100做了反向處理。在得到標(biāo)準(zhǔn)化數(shù)值后,作者使用結(jié)構(gòu)方程專屬軟件AMOS7.0對(duì)數(shù)據(jù)進(jìn)行模型擬合,檢驗(yàn)方法采用極大似然估計(jì)法,發(fā)現(xiàn)有3個(gè)指標(biāo)并不符合擬合標(biāo)準(zhǔn),最終舍棄。再對(duì)剩下的10項(xiàng)指標(biāo)進(jìn)行最后擬合檢驗(yàn)。擬合結(jié)果顯示所有指標(biāo)均顯著且卡方值為42.06,GFI=0.868,IFI=0.801,CFI=0.800,RMSEA=0.159。總體上擬合度是良好的。作者將每個(gè)一級(jí)指標(biāo)下的題目按照路徑系數(shù)進(jìn)行標(biāo)準(zhǔn)化處理,給出了計(jì)算公式,同時(shí)運(yùn)用專家打分法將3個(gè)一級(jí)指標(biāo)賦予權(quán)重。最后根據(jù)上述評(píng)分方法將醫(yī)學(xué)類前20種期刊進(jìn)行評(píng)價(jià)打分得出排名。但根據(jù)SEM原理以及AMOS軟件的擬合要求,文章中的時(shí)效性只有2個(gè)測(cè)量變量,不符合結(jié)構(gòu)方程中每個(gè)潛在變量都需要2個(gè)以上測(cè)量變量來估計(jì)的要求。同時(shí),若想要得到較好的擬合,因子載荷量要求λ>0.55[5],文章中的實(shí)例驗(yàn)證不滿足這個(gè)要求。

毛國(guó)敏[12]等人在2013年再一次將結(jié)構(gòu)方程模型應(yīng)用在期刊指標(biāo)的分類研究上,明確地給出了初始模型標(biāo)準(zhǔn)化與非標(biāo)準(zhǔn)化模擬結(jié)果,同時(shí)也給出了模型修正的過程。作者基于2011年版中國(guó)學(xué)術(shù)期刊影響因子年報(bào)(工程技術(shù)類)中297種期刊數(shù)據(jù),設(shè)定影響力因子和傳播因子2個(gè)一級(jí)指標(biāo),下設(shè)總被引、影響因子、他引影響因子、即年下載率擴(kuò)散系數(shù)5個(gè)二級(jí)指標(biāo),并加入一個(gè)為擴(kuò)散系數(shù)的新指標(biāo):被引期刊數(shù)與引用期刊數(shù)的比值。作者先對(duì)期刊0-1標(biāo)準(zhǔn)化處理公式[13],即

在對(duì)數(shù)據(jù)結(jié)構(gòu)檢驗(yàn)前,進(jìn)行了樣本數(shù)據(jù)的正態(tài)分布檢驗(yàn)。由于結(jié)果顯示樣本不能滿足正態(tài)分布,因此作者選用AMOS軟件提供的廣義最小二乘估計(jì)(GLS,Generalized least squares)法進(jìn)行模型擬合檢驗(yàn)。初次檢驗(yàn)結(jié)果顯示有一部分?jǐn)M合指數(shù)不滿足合理的范圍,因此對(duì)原模型進(jìn)行修正,并最終得到擬合度較好的模型。其中卡方值=2.807,GFI=0.094,CFI=0.989,RMSEA=0.078。最后作者得出了影響力因子與總被引、他引影響因子、影響因子這者之間存在結(jié)構(gòu)關(guān)系分別為0.43、0.99、0.91,反映了期刊的影響力情況;傳播因子與即年下載率、擴(kuò)散系數(shù)之間存在結(jié)構(gòu)關(guān)系分別為0.74、0.51,反映了期刊的傳播情況。然而,文章中傳播因子這個(gè)潛在變量下也只有2個(gè)測(cè)量變量,不太符合SEM擬合時(shí)的要求。

程慧平等人[14]在把SEM應(yīng)用于期刊研究時(shí)選擇的9項(xiàng)指標(biāo)分為2類:期刊引用計(jì)量指標(biāo)和來源期刊計(jì)量指標(biāo),下設(shè)5項(xiàng)和4項(xiàng)二級(jí)指標(biāo)。作者選取《2012年中國(guó)科技期刊引證報(bào)告》(擴(kuò)刊版)中的544種期刊數(shù)據(jù),首先對(duì)所有數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,處理方法與毛國(guó)敏文章數(shù)據(jù)處理方法相同,再使用SPSS22軟件對(duì)標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行信度和效度檢驗(yàn),結(jié)果發(fā)現(xiàn)期刊引用因子中的擴(kuò)散因子的因子載荷量為負(fù)值,與常識(shí)不符,予以刪除。而來源期刊因子下所有4項(xiàng)指標(biāo)均具有良好的信度,最終保留了除去擴(kuò)散因子以外的8項(xiàng)指標(biāo),而恰好這8項(xiàng)指標(biāo)整體上也具有良好的收斂效度。然后,作者給出了初始假設(shè)模型并利用AMOS20對(duì)模型進(jìn)行模擬檢驗(yàn)。結(jié)果顯示其中總被引頻次和來源文獻(xiàn)量2項(xiàng)指標(biāo)的因子載荷量與實(shí)際情況不符,總被引頻次嚴(yán)重偏離正態(tài)分布,而來源文獻(xiàn)量得到了本應(yīng)該為正卻顯示出負(fù)的載荷量。作者最終刪掉了這2項(xiàng)指標(biāo)。再次對(duì)剩下的6項(xiàng)指標(biāo)重新模擬檢驗(yàn),結(jié)果顯示并沒有優(yōu)秀擬合度,此時(shí)作者根據(jù)修正指標(biāo)的要求進(jìn)行修正處理,并得到了樣本數(shù)據(jù)與假設(shè)理論模型之間良好的擬合。最后,作者對(duì)組合信度進(jìn)行了計(jì)算,得到2個(gè)潛在變量之間較高的組合信度,也說明了模型內(nèi)在的質(zhì)量很好。作者的實(shí)驗(yàn)結(jié)果總體上看是很優(yōu)秀的,但遺憾的是并沒有說明數(shù)據(jù)是否來源于同一個(gè)類別,無法識(shí)別結(jié)論是否具有普遍性。不同類別之間的期刊指標(biāo)數(shù)據(jù)存在著擬合良好的情況可能是巧合的,同時(shí)只有在同一個(gè)類別內(nèi)尋找相關(guān)關(guān)系才具有實(shí)際意義。不能按照自己的意愿去得到自己想要的結(jié)論,才能為期刊評(píng)價(jià)提供可實(shí)施的方案[15]。

趙婧等人[16]利用SEM對(duì)科技期刊發(fā)展的影響因素進(jìn)行了研究。利用定量的分析方法并結(jié)合PEST模型以及價(jià)值鏈模型,驗(yàn)證影響因素之間的相關(guān)關(guān)系。文章數(shù)據(jù)來源于調(diào)查問卷,在國(guó)內(nèi)統(tǒng)一CN刊號(hào)內(nèi)N-Z中的1 000種刊物隨機(jī)發(fā)放問卷,最終在1 000份問卷中選出有效問卷457種進(jìn)行分類檢驗(yàn)。通過模型指標(biāo)的識(shí)別過程舍去了文章類型、組稿能力等8項(xiàng)指標(biāo),并最終確定了包括有政治因素、基礎(chǔ)活動(dòng)在內(nèi)的6項(xiàng)一級(jí)指標(biāo)和收入方式、經(jīng)濟(jì)發(fā)展、數(shù)字化在內(nèi)的33項(xiàng)二級(jí)指標(biāo)。再利用AMOS軟件進(jìn)行擬合檢驗(yàn)。配適度報(bào)表中顯示一些指標(biāo)無法達(dá)到標(biāo)準(zhǔn),因此根據(jù)修正指標(biāo)進(jìn)行模型修正,最終達(dá)到標(biāo)準(zhǔn),找到了各個(gè)潛變量指標(biāo)之間的結(jié)構(gòu)關(guān)系。在這里,筆者發(fā)現(xiàn)模型中有一些測(cè)量變量與潛在變量之間的載荷量并沒有達(dá)到最低λ>0.31的標(biāo)準(zhǔn),例如收入方式與基礎(chǔ)活動(dòng)之間只有0.14的相關(guān)度。按照SEM的原理要求,這種情況該潛在變量是無法解釋測(cè)量變量的,應(yīng)該刪掉[7]。

陳小山等人[17]結(jié)合因子分析方法利用SEM對(duì)期刊評(píng)價(jià)指標(biāo)進(jìn)行了結(jié)構(gòu)關(guān)系的研究。根據(jù)軟件輸出報(bào)表的呈現(xiàn),得到了一個(gè)較優(yōu)秀的結(jié)果,是把SEM應(yīng)用在期刊量化指標(biāo)研究上擬合效果較好的一個(gè)結(jié)果。不僅對(duì)數(shù)據(jù)的信度進(jìn)行了檢驗(yàn),也利用因子分析對(duì)其數(shù)據(jù)的結(jié)構(gòu)效度進(jìn)行了驗(yàn)證。通過指標(biāo)的分類和擬合驗(yàn)證,指出影響因子和5年影響因子之間的相似度較高,可以用其中之一代替二者。而平均引文數(shù)和可被引文獻(xiàn)比并沒有很高的可信度,因此二者在指標(biāo)評(píng)價(jià)中也不可能占用很高的權(quán)重。作者選用2014年版中國(guó)學(xué)術(shù)期刊影響因子年報(bào)中自然科學(xué)與工程技術(shù)類中數(shù)學(xué)、地質(zhì)學(xué)、食品科學(xué)、物理學(xué)等6類共252種期刊進(jìn)行研究,選取包括綜合總被引、基金論文比、總下載量在內(nèi)的14個(gè)評(píng)價(jià)指標(biāo)。作者對(duì)所有指標(biāo)的信度和效度進(jìn)行了檢驗(yàn),通過Kaiser標(biāo)準(zhǔn)化方法對(duì)14個(gè)指標(biāo)分類并建立起初始模型。其中第1類一級(jí)指標(biāo)為篇均指標(biāo),下設(shè)影響因子、他引影響因子、5年影響因子、即年指標(biāo)、平均引文數(shù)、web下載率、歷史影響因子等個(gè)二級(jí)指標(biāo);第2類一級(jí)指標(biāo)為比例指標(biāo),下設(shè)基金論文比和可被引文獻(xiàn)比2個(gè)二級(jí)指標(biāo);第3類一級(jí)指標(biāo)為規(guī)模指標(biāo),下設(shè)可被引文獻(xiàn)量、引用期刊數(shù)、被引期刊數(shù)、總下載量、綜合總被引等5個(gè)二級(jí)指標(biāo)。模型設(shè)定后用AMOS軟件進(jìn)行擬合檢驗(yàn),結(jié)果顯示每個(gè)一級(jí)指標(biāo)與其二級(jí)指標(biāo)之間均存在結(jié)構(gòu)關(guān)系。由于各項(xiàng)適配指標(biāo)檢驗(yàn)結(jié)果顯示絕大多數(shù)擬合情況都達(dá)到標(biāo)準(zhǔn),因此作者并沒有進(jìn)行修正。這種情況在SEM檢驗(yàn)時(shí)屬于少數(shù)情況,多數(shù)檢驗(yàn)都無法一次性達(dá)到標(biāo)準(zhǔn),需要修正。這應(yīng)該和作者選取數(shù)據(jù)時(shí)先抽取滿足正態(tài)分布的數(shù)據(jù)有關(guān)。在SEM樣本選定時(shí)最好選取相同類別的期刊指標(biāo)數(shù)據(jù),得到的結(jié)果才有代表性。為了得到滿意的結(jié)果而隨機(jī)選取類別差別太大的期刊的數(shù)據(jù),即使得到較好的配適度,這樣的結(jié)果也未必有太大的實(shí)踐意義。

結(jié)構(gòu)方程模型在期刊領(lǐng)域的研究指標(biāo)見表1。

表1 SEM應(yīng)用于期刊評(píng)價(jià)研究統(tǒng)計(jì)表

續(xù)表1

統(tǒng) 計(jì)檢驗(yàn)量適配標(biāo)準(zhǔn)文 章 作 者俞立平等毛國(guó)敏等程慧平等趙婧等陳小山等二級(jí)指標(biāo)總被引頻次、擴(kuò)散因子、學(xué)科影響指標(biāo)、學(xué)科擴(kuò)散因子、影響因子；被引半衰期、即年指標(biāo)、引用半衰期；平均引文數(shù)、地區(qū)分布數(shù)、海外論文比、基金論文比、平均引文數(shù)。總被引、影響因子、他引影響因子；即年下載率、擴(kuò)散指數(shù)。影響因子、即年指標(biāo)、學(xué)科影響指標(biāo)、總被引頻次；平均引文數(shù)、平均作者數(shù)、基金論文比、來源文獻(xiàn)量。政策關(guān)注、政策適應(yīng)……；經(jīng)濟(jì)發(fā)展、競(jìng)爭(zhēng)強(qiáng)度……；新媒體技術(shù)、出版技術(shù)……；開放獲取、科技評(píng)價(jià)；讀者群、作者群、收入方式；經(jīng)典支出、編委會(huì)……。綜合總被引、影響因子、他引影響因子、5年影響因子、即年指標(biāo)、可被引文獻(xiàn)量、基金論文比、平均引文數(shù)、引用期刊數(shù)、web即年下載率、總下載量、歷史影響因子、可被引文獻(xiàn)比

6 結(jié) 語

SEM的問世為社會(huì)和行為科學(xué)研究界對(duì)于抽象理論的驗(yàn)證提供了一套嚴(yán)謹(jǐn)?shù)某绦?研究者可以用統(tǒng)計(jì)學(xué)的理論來分析和檢驗(yàn)理論模型的正確性,將假設(shè)檢驗(yàn)的運(yùn)用由一個(gè)參數(shù)的分析提升為多個(gè)參數(shù)的高層次分析,突破了無法整合理論模型的窘境。SEM已經(jīng)成為多個(gè)學(xué)科領(lǐng)域理論發(fā)展的工具,促使研究人員不斷優(yōu)化變量結(jié)構(gòu)關(guān)系以及結(jié)構(gòu)構(gòu)思,使得理論與實(shí)際更完美的融合[18]。SEM還屬于中年時(shí)期,擁有強(qiáng)勁的后勁和發(fā)展空間,希望更多的研究人員能夠注意到結(jié)構(gòu)方程模型并應(yīng)用在不同學(xué)科領(lǐng)域中。

[ 1 ]SPEARMAN C. General Intelligence[J]. Objectively Determined and Measured, 1904,15(2):292.

[ 2 ]WRIGHT S. On the nature of size factors[J]. Genetics,1918,3:367-374.

[ 3 ]JORESKOG K G, SORBOM D. Advances in factor analysis and structural equation models[M]. Cambridge: MA, 1979.

[ 4 ]林嵩. 結(jié)構(gòu)方程模型原理及AMOS應(yīng)用[M]. 武漢:華中師范大學(xué)出版社, 2008.

[ 5 ]邱皓政,林碧芳. 結(jié)構(gòu)方程模型的原理與應(yīng)用[M]. 北京:中國(guó)輕工業(yè)出版社, 2009.

[ 6 ]孫連榮. 結(jié)構(gòu)方程模型(SEM)的原理及操作[J]. 寧波大學(xué)學(xué)報(bào)(教育科學(xué)版), 2005,27(2):31-34,43.

[ 7 ]王衛(wèi)東. 結(jié)構(gòu)方程原理與應(yīng)用[M]. 北京:中國(guó)人民大學(xué)出版社, 2009.

[ 8 ]吳明隆. 結(jié)構(gòu)方程模型----AMOS實(shí)務(wù)進(jìn)階[M]. 重慶:重慶大學(xué)出版社, 2013.

[ 9 ]張建平. 一種新的統(tǒng)計(jì)方法和研究思路----結(jié)構(gòu)方程建模述評(píng)[J]. 心理學(xué)報(bào), 1993(1):93-101.

[10]YUE W P,WILSON C S. Measuring the citation impact of research journals in clinical neurology: a structural equation modeling analysis[J]. Scientometrics, 2004,3:317-334.

[11]YU L P,CHEN Y Q,PAN Y T. Research on the evaluation of academic journals based on structural equation modeling[J]. Journal of Informetrics, 2009,3:304-311.

[12]毛國(guó)敏,蔣知瑞,任蕾,等. 影響因子等主要期刊指標(biāo)之間的關(guān)系研究[J]. 中國(guó)科技期刊研究, 2012,23(3):377-382.

[13]俞立平,潘云濤,武夷山. 學(xué)術(shù)期刊綜合評(píng)價(jià)數(shù)據(jù)標(biāo)準(zhǔn)化方法研究[J]. 圖書情報(bào)工作, 2009,53(53):136-139.

[14]程慧平,萬莉. 學(xué)術(shù)期刊評(píng)價(jià)指標(biāo)結(jié)構(gòu)研究----基于結(jié)構(gòu)方程模型[J]. 情報(bào)雜志, 2014,33(11):113-116,123.

[15]俞立平,潘云濤,武夷山. 學(xué)術(shù)期刊評(píng)價(jià)指標(biāo)選取若干問題的思考[J]. 情報(bào)雜志, 2009,28(3):75-77,100.

[16]趙婧,潘云濤. 基于結(jié)構(gòu)方程模型的科技期刊發(fā)展影響因素研究[J]. 科技與出版, 2016(9):120-125.

[17]陳小山,陳國(guó)福,張瑞. 基于因子分析和SEM模型的期刊評(píng)價(jià)指標(biāo)結(jié)構(gòu)關(guān)系研究[J]. 情報(bào)科學(xué), 2016,34(10):61-64,71.

[18]王重鳴. 心理學(xué)研究方法[M]. 北京:人民教育出版社, 1990:293-295.

Applications of structural equation model in science and technology journal quantitative indicators research

WENXuebing1,2,LIUYang2

(1. The journal of Editorial Office, Shenyang Normal University, Shenyang 110034, China; 2. College of Mathematics and Systems Science, Shenyang Normal University, Shenyang 110034, China)

There are more than 20 quantitative evaluation indexes, and new indicators are coming forth. It’s particularly important to study the characteristics, regularity, correlation of each evaluation index,and classify structure between the various indicators of and discussion. SEM uses different statistical methods for large sample analysis of structural relationships, has the apriority, also can test measured variables and the potential at the same time. This paper introduces the principle and application of SEM and its special software AMOS, describes in detail its periodical research progress in the quantitative indicators application, analyzes the advantages and disadvantages of the related studies, analyzes and discusses the sample size, fitting index data, AMOS software operation and other attentions. Studies show SEM method has important practical significance in journal quantitative index structure research, but SEM needs to expand the research depth and breadth, and improve the method of normative.

journals evaluating indices; structural equation model; measurement model; confirmatory factor analysis

2017-05-16。

遼寧省教育廳科學(xué)研究一般項(xiàng)目(W2016014)。

溫學(xué)兵(1975-),男,河北樂亭人,沈陽師范大學(xué)副教授,博士。

1673-5862(2017)03-0319-07

O212

A

10.3969/ j.issn.1673-5862.2017.03.012