如何区分形成性模型与反映性模型

如何区分形成性模型与反映性模型

第一，指标是定义建构的特征还是建构的外在表现。如果指标所定义的特征联合起来解释建构的意义，那么形成性模型是合适的。如果指标是由构念决定的，那么应选择反映性模型。换句话说，可以通过判断潜在构念的变化引起指标的变化还是指标的变化引起潜在构念的变化来判断反映性模型还是形成性模型。第二，指标是否可在概念上互换。如果是反映性指标，它们反映的是共同的主题，任何一个条目都是建构内容的实质性体现，所以可以互换。在心理测量学中，反映性指标其实就是一组行为样本，而形成性指标则不是。形成性指标之间并不必然含有共同成分，所以形成性指标捕捉了建构的独特部分，不能互换。第三，指标是否彼此共变。反映性模型明确预示指标间彼此高相关，而形成性模型并没有这样的预测，它们之间即可以高相关，也可以低相关，甚至其他任何的相关形式。最后，所有的指标是否具有相同的前因或/和后果。反映性指标反映相同的潜在构念所以它们具有相同的前因或/和后果。然而，形成性指标彼此不能相互替代，并且仅代表构念领域的特有部分，所以它们有着不同的前因和/或后果。表1总结了形成性和反映性指标/模型间在多个方面的区别。 传统的测量模型（反映性模型）可以用下式表达：χ1 = λ1 ξ1 + δ1上式与公因子模型(Spearman, 1904; Thurstone, 1947)和经典测量理论(CTT)假设 (X = T + E, Lord & Novick, 1968)是一致的，即指标与潜变量之间为线性函数关系，潜变量的变化会导致指标的变化。心理学及社会科学领域的很多概念都可以据此模型构造出相应的测量工具(Bollen, 2002)。在传统测量模型中指标与潜在构念之间的关系如图1a所示，潜变量的意义通过测量指标反映，所以模型意义通过潜在构念指向测量指标的单向箭头来表示，这种模型称作反映性测量模型(Reflective Measurement Model)，相应的指标称为反映性指标(Reflective Indicator)，在统计上对应公因子模型。 在很多情况下，反映性测量模型是合适的，但有些情况测量指标并不总是反映潜在建构，而是相反，如下图1b所示。在这种情况下，潜变量的意义是由测量指标来定义的，即通过观测指标指向潜在建构的单向箭头表示，这样的测量模型称作形成性测量模型(Formative Measurement Model)或组合测量模型(Composite Measurement Model)，指标称作形成性指标(Formative Indicator)也称作成因性指标(Causal Indicator)，在统计上对应主成分模型。 与反映性测量模型对应，形成性测量模型也存在不同的形式，如二阶或高阶模型以及与反映性模型组合成的混合模型(Diamantopoulos, Riefler, & Roth, 2008; Jarvis et al., 2003; Law, Wong, & Mobley, 1998; MacKenzie, Podsakoff, & Jarvis, 2005)。形成性测量模型在社会科学领域也很常见。例如，工作满意度和社会支持的概念。通常一个组织成员的工作满意度取决于他对薪水、工作环境、同事、上司、升职空间和个人发展等多方面的满意度，此时这些单个领域的满意度作为工作满意度的形成性指标而共同决定其整体满意度水平。社会支持水平是另外一个常见的形成性测量模型的例子。研究者将个体社会支持水平划分为不同的来源，如同事/同学、亲戚、朋友、邻居、社区、政府和教会等，这些不同来源的支持水平决定了个体的社会支持总水平，而不是相反。类似的概念还有社会经济地位(Socioeconomic Status, SES)。