文摘

测量不变性是指测量仪在不同组织的等价性。社会科学研究通常包括比较不同群体,如两个变量之间的关系是否相同的男性和女性群体。测量不变性是这些研究的前提,因为如果并不等于测量工具,我们无法区分之间的差异程度的测量工具和实证结果。迈克尔Siegrist提出的因果模型的基线模型为研究公众接受转基因食品,但只有很少的研究测试了因果模型的不变性。因此,研究人员很难判断一些关于组比较,结论的可靠性等的风险知觉是否男性低于女性。在这项研究中,我们使用样本数据对中国(N= 1091)测试因果模型的不变性与不同性别组间和知识水平。测试结果表明,该模型具有完整的跨性别不变性,而且只有因子载荷不变性没有测量误差不变性在知识水平。这项研究的结果表明,该结论在性别组比较以前的研究是可信的,但测量的可靠性知识水平组之间的差异需要改进之前可以进行有意义的比较。

1。介绍

测量不变性(等价)意味着测量仪器,如尺度,研究中使用的是相同的在相关组织(1]。在社会科学的研究中,研究对象往往来自不同的亚种,如男性和女性。因此,确定测量不变性是一个逻辑前提评价实质性假设不同的团体,无论比较简单群体间的均值差异测试或复杂的测试是否一些理论结构模型是不变的跨组织(2]。此外,它是不可能确定变量之间的关系研究中观察到反映在这项研究中提出的假设的关系,也反映了一个人工的关系的差异造成的测量仪器(3]。

如果在这项研究中使用的变量是直接观察到的,比如收入和教育,然后测量不变性很容易判断。然而,如果变量没有直接观察到的,如感知的好处,它往往是间接测量的清单(即。、观察到)变量和测量仪器主要是鳞片。在这项研究中,测量不变性需要使用统计技术进行了测试。测试测量仪器叫做不变性的等效分析(4]。

转基因食物(GMF)是一种新兴技术与多个社会和环境效益5]。历史上像其他新的食品技术,公众接受的GMF很低在其发展的早期阶段6- - - - - -9]。什么因素影响公众接受GMF吗?这个问题对利益相关者的决策有重要影响的食品行业,如决策者,农民,和agrobiotechnology企业(10- - - - - -12]。许多研究已经检查了这个问题13- - - - - -17]。一些研究表明,信任、感知风险、感知到的好处是三个最重要的因素,影响公众接受(10,13]。Siegrist检查这三个因素,提出了因果模型解释GMF的公众接受。他发现,感知风险对公众接受有直接的负面影响;感知效益有直接的正面影响公众接受和信任间接影响公众接受通过感知风险和受益。此外,认为效益负直接影响感知风险(18,19]。由于其解释力和简单,这因果模型被广泛用于解释公众接受各种技术的研究,如基因技术(15,20.,21)、金融技术(22,23),纳米技术(24- - - - - -27),可再生能源(28- - - - - -30.,无人驾驶飞机31日),和自动驾驶技术(32,33]。在这些研究中使用的样本是由个体具有不同人口特征,如性别、教育和收入。因此,对于研究社会科学可信,有必要进行测量的不变性分析仪器。不幸的是,只有少数研究探索因果模型的不变性。在现有的文献中,只有Siegrist测试性别群体在这个模型的不变性(18]。

因为它是不可能测试所有可能的个人特征的不变性,特点,产生更大的影响的核心变量模型测试(34]。感知风险是核心因果模型中的解释变量(35]。先前的研究已经发现,性别和相关知识水平是影响个体的感知风险的重要因素[36- - - - - -41]。因此,本研究分析了模型的不变性在性别变量和知识水平。

该研究补充了以往的研究三个方面。首先,上面的讨论表明,不变性分析是非常重要的,但只有少数研究测试这方面,所以本研究补充当前的研究。第二,尽管Siegrist探讨这个问题,在他的研究中使用的数据是关于英国。这项研究的数据来自中国。自中国与多数西方国家不同的文化,政治和经济体系,本研究补充剂Siegrist的模型。最后,只能测量不变性Siegrist检验因果模型的跨性别,但本研究认为性别和相关的知识水平,所以本研究也研究Siegrist的延伸。

研究的其余部分组织如下。下一节介绍了基本概念,不变性的测试原理和测试方法的分析。统计假设部分简要介绍了GMF公众接受的因果模型和统计假设(零假设)中使用的不变性测试。研究方法部分介绍了测量量表,样本和数据分析方法用于这项研究。结果部分显示了不变性测试的分析结果。最后一节讨论的结果,主要的理论和政策的影响,以及局限性。

2。不变性分析

测量不变性(等价)首次提出了Drasgow和弗里茨:“测量等价持有个人平等的站在特征来衡量测试但采样来自不同的亚种等于预期的观察测试成绩。“特别是”,个人以同样的排名潜在特质,说语言能力,但从不同的亚种采样,说男性和女性,应该有相同的预期分数“([42],p . 134)。测量不变性分析有助于确保任何比较代表真正的差异构造研究(43]。

本质上,有四个级别的测量不变性,构形的,度规,标量和严格的不变性(更多细节,读者被称为(2,4])。其中,前两个水平,构形的尺度不变性,统称为概念上的不变性,而最后两个水平,标量和严格的不变性,被称为心理不变性(44]。这些水平等级:高水平施加更多限制测量参数,同时允许更高程度的可比性(见图1)[45- - - - - -48]。以下段落详细解释的四个水平测量不变性。


图1
测量不变性的四个水平之间的关系。

构形的不变性(配置)的不变性通常也称为模式不变性。在这个层次上,注意力完全放在测试相同的物品是否测量给定构建跨多个组。为了验证这一点,这两个因素同时模型估计。因为这是基线模型,只需要评估整体模型适合测试是否构形的不变性。

指标不变性通常也称为弱的不变性。指标不变性构建在构形的不变性;它要求,除了构造被相同的测量项目,这些项目必须的因子载荷等效跨多个组。因子载荷反映了参与者的反应程度不同,一个项目是由于底层构造的认识水平的差异,正在评估项目。因此,载荷的不变性因素表明,构造对参与者在不同的组有相同的意义。这是因为如果一个构建跨多个组具有相同的意义,还有相同的构造和参与者的反应之间的关系构造的物品用来测量。

标量不变性以指标为基础不变性;它要求项目拦截也应该相当于多个组。项拦截的起源或起始值是基于给定的规模因素。因此,潜在的参与者有相同的价值构造应该相等的值构造基于的物品。

不变性的最终水平称为严格!不变性。严格的不变性是指错误的不变性的一个单独的指标变量,代表唯一错误的指示符变量。因此,当测试严格的不变性,本质上是被测试在组织残留误差是否等效。

已经提出了很多方法测试测量不变性。Vijver和Harsveld提出因子参数的无约束模型应该检查和最大的差异应该列为noninvariant [49]。沼泽和Hocevar建议修改指标完全约束模型中应检查,和大修改相关项指标的指数noninvariance应该解释(50]。然而,在所有可能的方法中,伯恩等人提出的方法和伯恩(2004)是应用最广泛的因为它的理性和严谨。在这种方法中,多组验证性因素分析(MGCFA)是用来估计测量模型和一系列限制无约束模型;然后得到了这些模型的拟合指数相比,测试规模的不变性(51,52]。自四个水平的测量不变性的约束逐渐增强,测试测量不变性的顺序通常是一样的四个水平测量不变性;进行的,测试是反过来从构形的不变性,指标不变性,标量不变性严格的不变性。

基于伯恩等人的方法和伯恩,测量不变性分析始于构形的不变性。构形的不变性是一个无约束模型和基线模型用于后续测试。测试的零假设是“组间相同的因素结构。“如果无约束模型适合,它表明,测量模型具有构形的不变性,以及随后的一系列约束模型可以进行估计。如果无约束模型的拟合指数没有相应的临界值,这意味着没有构形的不变性和随后的不变性测试不进行了2]。

第二个模型是度量不变性模型分析。基于构形的不变性,群际等价约束应用于因子载荷测试每个测量项目之间是否有不变性和其代表因素组。指标不变性是测量不变性的基础。一方面,从温和的复制策略的角度,如果度量不变性,测量不变性(52]。另一方面,不可能随高阶不变直到度量不变性。最后,结构不变性分析是基于度量不变性(43]。

第三个模型分析是标量不变性模型。基于度量不变性,群际等价约束应用于回归拦截每个测量项及其代表性因子之间(潜在因素)来测试是否有不变性的拦截测量项目跨组。如果一个轻微的测试策略在这个阶段,采用测量模型是不变的(53]。

第四个模型分析是严格的不变性模型。基于标量不变性,一群际相当于限制应用于每个测量误差的方差来测试是否有跨领域使用的不变性在测量误差的方差。

图2总结了这些不变性的测试序列。


图2
不变性测试的流程图。

3所示。统计假设

我们的统计测试的不变性模型如图3。它是基于Siegrist的因果模型。在我们的模型中,感知风险有一个负直接影响公众接受;感知利益具有积极和GMF的直接影响公众接受,和感知效益有一个消极和直接对感知风险的影响。信任间接影响公众接受GMF的感知利益和感知风险;信任有积极影响感知效益和负面影响感知风险(18]。由于本研究的目的是检查测量等价的因果模型,模型的重点是确定性别和个人知识水平影响因果模型。


图3
统计检验模型的不变性。

基于第二节,我们提出以下统计假设的不变性分析模型;这是显示在表1。

表1
统计假设的不变性分析。

4所示。研究方法

4.1。测量

知识是用八个真/假报表(见表2)。这些语句覆盖区域的基因技术知识。内容效度,经三名独立专家成立生物学和遗传学领域的审查问题。目的是为了评估受访者客观的生物学知识。回答选项是“真”和“假”。

表2
关于基因技术的知识。

在这项研究中使用的测量尺度由四个构造和15项,这是基于几个量表用于相关研究(见表3为特定的研究),证明高信度和效度。中国语言和文化的特质被认为是整个翻译过程,所以小修改了措辞,以适应这些特点。受试者被要求表明他们同意或不同意提供的语句,使用一个七级李克特量表(1 =非常不同意,7 =非常同意)。表3显示了详细的建设项目规模变量。

表3
研究中使用的措施。

GMF评估感知风险,我们要求受访者表示他们与Sjoberg开发的四项协议,Chen Ghoochani et al ., Sjoberg et al。54- - - - - -57]。两项反映GMF的可能危害人类健康,和其他两个反映其可能对环境的有害影响。项目的例子是“吃转基因食品会导致不孕”和“转基因食品的生产将会摧毁动物和植物的多样性。”

关于社会信任,尽管先前的研究已经表明,这方面包括多个组件,朗和Hallman表明这些组件高度相关和收敛在一个共同的因素58]。因此,公众的社会信任可以测量不同对象的整体。基于这一观点,在这项研究中,社会信任是衡量各机构(公众的信任18,59]。具体来说,参与者被要求”,相信你有多少以下机构:(1)监管机构,(2)农业企业,和(3)公共研究机构在GMF域?“参与者必须表明他们的信任水平规模级,从“不相信”(1)到“一个非常高水平的信任”(7)。

4.2。样本

收集到的数据通过自我报告的,结构化的问卷调查。调查问卷是在中国开发的,报一个五个专家小组在中国中部的一个关键大学评估内容的有效性。两个专家工作的生物学和其他工作在这所大学公共管理学院。委员会批准的初始列表和格式问题,建议修改为公众澄清一些问题,充分理解并采取相应措施。在正式调查之前,飞行员进行了测试。飞行员测试期间,受访者被要求是否可以清楚地理解和感觉舒适的回答他们的问题。根据他们的反馈,修改了措辞,表情,和语法,提高问卷的清晰、准确性、流和有效性。在试点测试,50个人参与者,20个本科生和30个普通人,随机选择分别代表公众接受了采访。

调查问卷是由四个部分组成。第一部分筛选的问题:“你听说过转基因食品?“被申请人不需要继续如果他或她的回答是“没有。“第二部分要求社会人口信息,包括性别、年龄、学历、收入、对基因技术和知识。第三部分关注公众的接受GMF。最后一部分询问感知风险或GMF的好处和社会信任在不同的对象。

调查采用分层抽样。第一,占地理差异和最大化代表性,从东部8个省份(浙江)、南(广东)、西(四川、西藏和新疆)、北(河北)、(湖北)(吉林),东北和中部地区的选择。两个高收入和低收入国家被随机选择从每个省,导致32个县。然后,四到六城市社区或村庄被随机选择从每个县,150个城市社区或村庄。最后,七到十家庭被随机逼近在每个城市社区或村庄,导致总样本1200观察。2019年6月,通过公开招聘、100名大学生被招募为面试官(3 - 4个面试官/县)来自华中师范大学。学生选择根据他们的家庭住址,而不得不选择位于32个县。学生面试官然后从7月至2019年9月进行了面对面的采访。

1200纸问卷分布,与1168年复苏和1091份有效调查问卷后消除那些文书错误或矛盾。有效回收率为93.41%。

4.3。数据分析

数据分析使用社会科学统计软件包(SPSS) 24和阿莫斯24。分析由三个步骤组成,测量模型分析完整的样本(全样本分析),测量模型分析子组(亚组分析)和测量不变性分析。完整的示例和子群分析的目的是为了测试数据是否支持度量模型。如果不支持的数据模型,这将是毫无意义的进行后续的测量不变性分析。

完整的样品和子群分析有相同的想法。用来进行分析方法验证性因素分析(CFA)。几个合适的指标,如定额的 测量(即。,the ratio of the 除以它的自由度),比较适合指数(CFI) nonnormed健康指数(NNFI)和近似的均方根误差(RMSEA),被用来评估模型。当CFI NNFI值大于0.90和RMSEA值小于或等于0.08,它被认为是适合模型适合[61年]。在赋范 用于识别两种类型的不恰当的模型。首先,小于1.0的值表示一个“overfitted”模式(62年),第二,值超过2.0或5.0表明,模型的更自由的限制不符合观测数据,必须改善63年]。CFA是用来评估标准的因素负荷,内部一致性、聚合效度和区分效度。评价指标如下。完全标准化item-factor载荷(≥0.60)和内部一致性的结构测定使用综合可靠性(CR≥0.70) [64年]。聚合效度是评价平均方差提取(AVE≥0.50) (64年),而建立了判别效度当每个构建的AVE超过平方之间的相关性,和另一个构造65年]。

多组CFA (MGCFA)进行了测试测量不变性(53]。基于测量不变性原理测试中讨论第二节MGCFA进行估计和计算每个模型的一系列健康指数(M0 M3在表1),每个模型的合适指标与参考模型。比较分析的三个指标, CFI, RMSEA进行,以确定是否存在不变性。根据建议在研究张Rensfold(2002),建立了不变性 不重要的( )或 CFI < 0.01 (44]。此外,根据胡锦涛的建议和Bentler(1999),测量不变性可以认为当RMSEA非常接近的点估计和置信区间RMSEA有很大的重叠66年]。自 和 也同样受到样本大小和分布模式,张和Rensfold(2002)建议什么时候 和ΔCFI测试是不一致的,应该使用ΔCFI测试结果为基础来判断是否有测量不变性(44]。

5。结果

5.1。被调查者资料

表4列表数据的描述性统计。样本包括1091人,平均年龄(标准差)的32.93(14.31)年。这1091个受访者对基因技术的自我报告的知识范围从1到8。知识得分的均值为5.74,标准差为1.61。的知识水平241(22.1%)受访者小于5;他们分为“低知识水平组”(路)。的知识水平429(39.3%)受访者高于他们分为“高知识水平组”(香港)。性别的分布大致平衡,608(55.7%)的受访者被女性。

表4
样本的描述性统计。

示例并不来源于严格的随机抽样,样本的代表性是评估。一个 进行测试以确保本研究的样本是代表整个人口。表4提出了样本的特点和结果 试验表明,样本大致代表了中国人口( )。

5.2。完整的样品分析

进行不变性分析之前,我们检查了模型的数据和参数估计对于整个样本(n= 1091)。

虚拟测量模型进行了卡方340.189 84自由度。主观健康指数表明一个适当的模型数据的0.052,0.953,和0.962 RMSEA, NNFI, CFI,分别。这些结果表明,该模型是合适的,得到一个合适的解决方案,解决方案充分符合整个样本。

如表所示5CFA的结果表明,标准化因子载荷范围从0.663到0.877,显著( ),这要比0.60的分界点。所有CR值的范围从0.863到0.885,表示可接受的可靠性水平的结构,因为它们是大于0.70推荐的阈值。此外,所有AVE值,范围从0.613到0.687,等于或大于0.50聚合效度标准,表明聚合效度的可接受的水平结构。

表5
验证性因素分析的结果(全样本)。

表6列表附加的描述性统计(即。,mean and standard deviations) and the correlation matrix; the correlations among the constructs and the square root of the AVE are on the diagonal. The four diagonal elements of the latent variables are larger than their corresponding correlation coefficients, indicating that the metrics have appropriate discriminant validity.

表6
意味着(M),标准偏差(SD)和关联矩阵(全样本)。
5.3。亚组分析

自模型适合数据充分在整个样本,我们分析了模型数据适合每组。

single-sample CFA模型的拟合优度统计如表所示7。在所有情况下,假设模型接近或超过了更严格的截止值对于一个合身的模型,这表明假设模型充分占数据的协方差矩阵的四个样品,男性,女性,路,香港。

表7
拟合优度统计(群)。

CFA的结果为每个国家(见表8)表明,标准化因子载荷超过推荐的最小阈值为0.60,男性从0.696到0.875,女性从0.640到0.899,路从0.715到0.861,从0.615到0.883港元,是重要的( )。

表8
因子载荷,综合可靠性,平均方差提取(群)。

如表所示8,CR值超过推荐的阈值为0.70,从0.873到0.882的男性,女性从0.854到0.887,从0.836到0.877的路,从0.853到0.899港元,表示可接受的可靠性水平的结构。此外,所有AVE值大于0.50聚合效度标准,从0.639到0.696为男性,女性从0.595到0.681,从0.604到0.640路,从0.595到0.700港元,表明聚合效度的可接受的水平结构。

此外,区分效度的措施被接受,因为每个构建的AVE大于平方相关构造和其他结构的模型。表9列表附加的描述性统计(即。,mean and standard deviations) and the correlation matrix, with the correlations among constructs and the square root of the AVE on the diagonal. The four diagonal elements of the latent variables of each group are larger than their corresponding correlation coefficients, indicating that the metrics have appropriate discriminant validity.

表9
均值,标准差和相关矩阵(群)。

基于上述CFA的分析,可以得出结论,每个子样品数据支持的测量模型。在每个样品测量模型都是可复制的。

5.4。不变性进行了分析

由于测量模型可复制在每个示例中,我们进行了一系列的multisample结构方程模型来识别任何noninvariance测量参数变量在性别和知识,分别。我们跟着部分中给出的不变性测试过程2和3。

5.4.1之前。男性与女性

最初的一步是在男性和女性的测试模型组同时不强加任何等式约束。这一步的目的是建立一个基线模型,随后测试越来越严格的嵌套模型。如表所示10基线模型(M0)产生一个好的符合数据。结果表明,构形的不变性存在性别组;也就是说,男性和女性使用相同的模式测量条目。

表10
multisample结构方程模型的拟合优度统计(男性和女性)。

然后我们估计一个嵌套模型,约束因子载荷不变的在两个样品。不变性的因素载荷测量不变性(被认为是最低可接受的标准67年]。分析表明,模型展示一个好的符合(表的数据10M1)。结果显示在表中11(M0和M1)的变化 ( )与 不是重要的,两个模型的符合统计数据也很类似( , ),证明指标不变的存在。

表11
模型比较multisample结构方程模型(男性和女性)。

验证后规不变性,一个标量不变性进行了测试,以确保每个测量项目之间的回归拦截noninvariant及其代表的因素。卡方测试差异M1和M2 ( = 19.112, = 15, )并不显著,证明标量性别的不变性。

基于标量不变性,一个严格的不变性进行了测试以确保错误的noninvariant两个子组。卡方测试差异M2和M3 ( = 26.337, = 15, )具有重要意义,这表明限制模型没有严格的考验不变性的组织。然而,之间的差异CFI M2和M3只有0.002(见表11),说明不变性。RMSEA和RMSEA点估计的置信区间是几乎相同的M2 (RMSEA = 0.038;90% CI = 0.034 - -0.042)和M3 (RMSEA = 0.037;90% CI = 0.034 - -0.041)(见表10),说明不变性。因此,由于小的差异在上面的拟合优度指标,严格的无约束和约束模型假设之间的不变性。

5.4.2。路与香港

第一步是测试模型在路和香港同时组不施加任何等式约束。如表所示12基线模型(M0)产生一个好的符合数据。结果表明,构形的不变性的存在在这两种知识水平组。路和香港受访者使用相同的模式测量条目。

表12
拟合优度统计multisample结构方程模型(路与香港)。

M0、M1卡方区别是重要的( = 42.704, = 11, )(见表13),而区别之间的CFI M0、M1只有0.008(见表13),说明不变性。RMSEA的点估计和RMSEA M0几乎相同的置信区间(RMSEA = 0.045;90% CI = 0.039 - -0.050)和M1 (RMSEA = 0.046;90% CI = 0.041 - -0.052)。因此,自拟合优度指数的差异很小,可以认为指标不变的存在。

表13
模型比较multisample结构方程模型(路与香港)。

下一步(模型2)是评估标量不变性。卡方M1和M2的区别很重要( = 139.700, = 15, ),而CFI M1和M2之间的差异为0.03,大于0.01。这些结果揭示大量减少健康指数相对于M1,这意味着两组之间没有不变性之间的回归拦截每个测量项及其代表的因素。

根据一般不变性分析过程中,由于没有不变性在M2,没有必要进行下一个测试严格的不变性;也就是说,没有必要进行M3估计。

总的来说,因果模型只显示指标不变但不是标量和严格的香港和路组之间的不变性。

6。讨论

测量用于研究的质量决定了其结论的可信度。测量不变性是一个逻辑前提在评估实质性假设一组的差异,是否比较简单的作为一个群体间的均值差异测试或复杂的测试是否在组织理论结构模型是不变的。虽然测量不变性的重要性是不言而喻的,但只有很少的研究主要集中在公共领域的GMF的接受。

在这项研究中,我们使用来自中国的数据分析因果模型的不变性,这是广泛应用于该领域。基于一系列的不变性分析,我们得出结论,模型是构形的不变性,度量不变性,标量不变性,在性别和严格的不变性。然而,在知识水平方面,它只有构形的和度量不变性。这一发现表明,一般来说,男性和女性群体和路和香港团体概念化因果模型构造(PEB说,每,ACC)以同样的方式。这是符合Siegrist的结论。

在模型中,标量不变性和香港之间不存在路组,表明两组在测试成绩有不同的起点。因为拦截不影响测试成绩的相对比较结果,这对评价noninvariance几乎没有影响的实质性假设不同的组。

此外,关于香港和路组之间严格的不变性,我们发现noninvariant模型构造。由于测量误差直接影响测量的可靠性,这noninvariance可能是由于不同的理解单词和用在两组之间的尺度问题。有一些关键的影响这一发现noninvariance的研究人员。他们需要重新审视可疑物品和评估的措辞,语义和结构的每个问题,确保改进。然而,研究人员也必须意识到,发展无误解问卷的所有不同的子组样本几乎是不可能的。因此,研究人员应该考虑和验证测量不变性在样本人口在设计他们的调查工具。

本研究也有一些局限性。首先,跨时期的不变性是一个重要的特性的测量工具。由于有限的横截面数据,跨时期的不变性是不讨论。最后,在不变性分析、跨文化不变性通常关注的一个重要话题,但是,由于有限的数据,本研究没有探讨。未来的研究可以深化在这三个方面作出更可靠的测量工具。

数据可用性

数据是可用的。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由华中师范大学研究基金(批准号2017980039)。