Task5 | 结构方程 | “老年病”与身份的关系

1 文章介绍

1.1 数据获取

• 本次录屏（下载 | 在线观看）选取的论文（下载地址） Neurodegeneration and Identity，2015年发表Psychological Science，作者为Nina Strohminger and Shaun Nichols。数据及量表等材料公开在OSF网站上。

1.2 论文内容

• 无论是在科学界还是在普通大众中，都有一个普遍的观念，那就是，心智的衰退会剥夺个人的身份。然而，目前还没有系统的研究表明，是什么类型的认知损伤导致人们看起来不再是他们自己。
• 文章测量了三种神经退行性疾病患者的可感知的身份变化：额颞叶痴呆、阿尔茨海默病和肌萎缩性脊髓侧索硬化症。
• 结构方程模型表明，道德能力的损伤是身份不连续的主要原因。其他认知缺陷，包括健忘症，对身份的持久性没有可测量的影响。

2 理论模型

2.1 文章主要验证的结构方程模型：

（包含所有三种神经退行性疾病患者的）Main structural equation model：

结构模型将三种疾病类型的共同认知行为变化作为预测变量。其中5个预测变量(失用症、健忘症、失语、抑郁、病程，apraxia, amnesia, aphasia, depression, disease duration)可直接观测，另外2个建立的潜变量(人格和道德)。效标变量为潜变量，被感知到的身份（Identity）。

2.2 以上模型中的三个潜变量及其观测变量

3 结构方程：

全模型包括测量模型和结构模型。在全模型的建模过程中，通常先完成测量模型（即所有外源潜变量、内生潜变量之间两两相关，做CFA 模型）。在测量模型拟合效果较好的情况下，进一步分析外源潜变量和内生潜变量之间的结构模型。

• “因为不同的项目测量尺度不同，所以在分析之前，所有的变量都被标准化和中心化转化为z分数(在适当的情况下还需要反向计分)”
• 三因子测量模型如下：

3.1 测量模型CFA

3.1.1 结果摘要

在analysis property界面，output面板，选择输出的内容如下：

3.1.1.1 因子负荷

与原文结果基本一致，且每一项标准化 β 估计的 p 值都小于0.001。但个别项的回归系数与原论文中相差较远，如austerity（暂时搞不清楚原因）。

3.1.1.2 拟合优度

在通常情况下，希望RMSEA在0.08 以下（越小越好），NFI和CFI在0.9 以上（越大越好），RMR<0.05

结果

结果显示，除个别线之外，标准化后的每条线的载荷在0.5 以上或者接近0.5，拟合优度发现CFI 接近0.9，而RMSEA 接近于0，测量模型较好。

3.2 结构模型

接下来检验结构模型，加入另外5个可观测的预测变量，并增删单双箭头。还要注意为内生因子Identity增加负荷固定为1的误差项小圆。
另外，文中注明所有预测变量允许共变，因此所有预测变量之间都需要添加双向箭头。

3.2.1 结果摘要

3.2.1.1 模型注解

3.2.1.2 参数估计

• β
  
  
• R方
  
  所有变量解释了identity61.7%的变化

3.2.1.3 修正指数与标准化载荷

3.2.1.4 拟合指标

• CMIN/DF
  
• CFI
  
• RMSEA
  

结果

结果显示，结构方程分析支持了我们的模型, χ(679) = 1254.903；CMIN/DF = 1.848，p<0.001；CFI = 0.855；RMSEA = 0.059。总共所有自变量加起来解释了身份（identity）变化方差的61.7%

4 结论

• 显然，最有力的预测变量是道德。即可感知的身份变化是道德的变化，β= 0.71,p < .001(见原文图2a和表4)。
• 失语的预测效果较弱但同样可靠，β= -0.17,p < . 01。
• 模型中的其他变量，如apraxia、抑郁、健忘、人格等，它们的变化似乎对感知到的身份没有可测量的影响。