Структурное моделирование. 
Качественные и количественные методы исследований в психологии

К наиболее перспективным методам многомерного анализа относится структурное моделирование (Митина, 20 086; Остапенко, 2012; Schumacker, Lomax, 2004). Его характеризуют как всеобъемлющую и необычайно мощную технику, включающую большое количество методов из различных областей статистики (Митина, 20 086). Кратко можно сказать, что структурное моделирование представляет собой развитие многих методов многомерного анализа, а именно множественной линейной регрессии, дисперсионного анализа, факторного анализа, которые получили здесь естественное развитие и объединение (там же, с. 131). Структурное моделирование используется для проверки причинно-следственных гипотез и поэтому особо востребовано в экспериментальной психологии.

Моделирующие подходы базируются на предпосылке о существовании непосредственно не измеряемых латентных переменных. И метод структурного моделирования позволяет их выявлять с достаточной точностью. Это очень важно для психолога, поскольку даже при измерении большого количества переменных всегда кое-что упускается, что имеет непосредственное отношение к качеству содержательных выводов. Предполагается, что все переменные — и измеряемые, и латентные — взаимодействуют друг с другом. Характер этих взаимодействий устанавливается исследователем на этапе формулирования гипотез. Гипотетическая модель может быть задана разными способами: графически с помощью диаграммы или с помощью линейных уравнений множественной регрессии и ковариационных соотношений. С помощью структурного моделирования можно на высоком уровне значимости оценить степень соответствия теоретических причинно-следственных гипотез эмпирическим данным. Вначале вычисляются оценки для коэффициентов регрессии, вариаций и ковариаций независимых переменных, а затем с помощью статистических процедур определяется значимость вычисленных параметров и интегральный показатель, позволяющий определить, насколько модель соответствует эмпирическим данным. Таких показателей, но которым определяется степень соответствия, несколько (там же):

• • отношение Chi-square к числу степеней свободы df (оптимально, чтобы этот показатель был не больше 2);
• • CFI (Comparative Fit Index) — сравнительный критерий согласия, лежащий в пределах от 0 до 1 (если CFI больше 0,9, значит, модель согласована);
• • RMSEA (root mean-square error of approximation) — квадратичная усредненная ошибка аппроксимации (этот показатель также лежит в пределах от 0 до 1, однако для принятия нулевой гипотезы его значение не должно превышать 0,05).

Исследователь принимает решение о согласованности модели исходя из общей совокупности значений указанных показателей. Если один из показателей дает «хорошее» значение, а остальные не очень сильно отклоняются от критериального интервала, можно принимать гипотезу о согласованности (там же).

Пример 28.4.

Проверка причинно-следственных моделей при помощи техник структурного моделирования В качестве примера воспользуемся данными, приведенными в статье Р. И. Остапенко (2013). Автор предлагает в качестве обучающего приема проверку трех гипотетических моделей взаимосвязей между стрсссоустойчивостью (СС), определяемой по методике стрсссоустойчивости и социальной адаптации Холмса и Раге, личностной тревожностью (ЛТ) и ситуативной тревожностью (СТ), определяемым по опроснику Спилбергера. В статье приведены данные заполнения опросников студентами. Гипотетические модели для проверки следующие (рис. 28.2—28.4).

Рис. 28.2. Модель 1.

Рис. 28.3. Модель 2.

Рис. 28.4. Модель 3.

На диаграммах принято обозначать измеряемые переменные прямоугольниками, латентные переменные — овалами, причинно-следственную пару — односторонней стрелкой, ковариационную пару — двусторонней стрелкой (в моделях на рис. 28.2—28.4 ковариация не предполагается). е и е2 — остаточные латентные переменные (от англ, error — ошибка), обычно они не включаются в интерпретацию, но некоторые авторы (например: Митина, 20 086) придают им значение и считают, что анализ взаимосвязей между ними может быть очень информативным.

Модель 1: Chi-sqxme/df= 6,33; р = 0,012; CFI = 0,781; RMSEA = 0,617 Модель 2: Chi-square/df = 0,301; р = 0,583; CFI = 1,000; RMSEA = 0,000 Модель 3: C/n-square/af/= 4,393; р = 0,036; CFI = 0,860; RMSEA = 0,492.

Можно сделать вывод, что из трех предложенных моделей взаимосвязей между стрессоустойчивостыо, ситуативной и личностной тревожностью наиболее близка к эмпирическим данным модель 2: стрессоустойчивость влияет на показатели ситуативной тревожности, от которых, в свою очередь, зависят показатели личностной тревожности.

В литературе серьезно обсуждается значение анализа латентных переменных, с которыми позволяет работать структурное моделирование. Согласно ряду авторов (Корнилова, 2010; Bollen, 2002), входящие в модели латентные переменные не имеют общего определения. Они представляют собой описания высокого уровня абстракции, характеризующие отношения между классами событий или эмпирических переменных. В литературе латентные переменные представлены как гипотетические или идеальные конструкты, которые в принципе не могут быть измерены, а также как факторы, объединяющие группу переменных. Измеряемые переменные выступают в роли индикаторов этих конструктов, тесно связанных с теоретическими контекстами. На практике факт существования латентных переменных часто устанавливается при помощи процедуры конфирматорного факторного анализа. Исследователь выстраивает гипотезы о количестве латентных переменных (факторов) и о том, какие измеряемые переменные будут выступать их индикаторами. Кроме того, исследователь может делать предположения о структуре отношений между самими латентными переменными, а также о природе и направлении влияния одной латентной переменной на другую. Таким образом, структурное моделирование открывает для исследователя широкие возможности проверки сложных теоретических гипотез. Как отмечает Т. В. Корнилова (2010), новые методы статистического анализа выдвигают на первый план базирующиеся на концептуальных конструктах (construct-driven), теоретически фундированные (theory-based) исследования. Работа с концептуальными конструктами и планирование исследования на их основе позволяют выйти за рамки традиционного для психологии эмпиризма и мыслить, в большей мере ориентируясь на плоскость теорий.