EQS在應用語言學中的應用

[摘要]EQS是結構方程模型（SEM）的應用軟件之一，它能同時分析多變量之間錯綜復雜的關系，處理非正態分布和缺失值，具有多重擬合指標。近年來，EQS在應用語言學領域應用較少。文章簡要歸納了國內外應用語言學中運用EQS的情況，并介紹了EQS的基本操作原理及建模步驟，此外，運用EQS對中學生學習策略、學習觀念及自我效能相關性這一實例進行了建模研究，以期為應用語言學和外語教學的研究提供一些借鑒作用。

[關鍵詞]結構方程模型；EQS；應用語言學；學習策略

[中圖分類號]G40-057 [文獻標識碼]A [論文編號]1009-8097（2013）01-0064-05 [DOI]10.3969/j.issn.1009-8097.2013.01.014

引言

結構方程模型（SEM，Structural Equation Modeling）是綜合因子分析（Factor Analysis）和路徑分析（PathAnalysis）來探索研究變數和因子之間因果關系的一種模型，其最大的特點是應用變量的協方差矩陣（Covariance Matrix）來同時分析多種變量間交錯復雜的關系，即利用各潛在的觀測因子來探討因果關系的隱含結構，而傳統的線性回歸分析只能提供變量間的直接效應而不能顯示可能存在的間接效應，以及回避了因共線性而導致出現單項指標與總體出現負相關等無法解釋的數據分析結果。結構方程模型最初起源于心理學，后被廣泛應用到其他研究領域，例如社會學、經濟學、市場分析、應用語言學等。目前應用較為廣泛的SEM軟件有AMOS、LISREL、EzPATH、EQS等。

一、EQS綜述

EQS（Structural Equation Modeling Software）是1986年由Peter M。Bentler開發的一種統計軟件。其基本思路為：基于專業理論知識，構建一個關于一組變量間相互關系的假設理論模型。自變量數值通過測量所得，并形成一個自變量協方差矩陣，即樣本矩陣。EQS對樣本矩陣與假設理論矩陣進行擬合度的檢測，若能較好地滿足擬合度標準，則說明此假設模型成立；否則，就需要對該假設理論模型反復調整修正以提高擬合度，直至獲得較理想的模型為止；若擬合度仍然未達到理想狀態，則該否定此假設理論模型。

國外將EQS應用于語言學的研究主要側重于學習者個體因素研究以及語言測試研究等，前者如Sasaki和Noels分別探討了二語水平、外語學能及智力間的關系和學習者目標與教師交際能力問的相關性：后者主要有Purpura測試了西班牙語測試因素結構，Stevens探尋了認知及元認知策略與二語測試的關系。此外，在外語教學中的應用有Lee研究了英語寫作的有利及不利因素；Gorsuch還將EQS應用在外語教育政策的研究中。

國內這方面的研究仍處于起步階段，且主要側重于語言測試。劉寶權、郭曉群較為系統地介紹了EQS在語言評估中的應用。鄒申、孫海洋等利用EQS分別對TEM8人文知識部分和職前中學英語教師口語考試進行構念效度驗證。彭康洲、李清華應用項目反應理論借助EQS分析2007年TEM4聽力理解項目的質量。侯艷萍借助EQS探討了可能對TEM4閱讀理解任務難度產生影響的閱讀任務特征變量，其中包括變量的種類、數量、它們的內部因子構念和測量屬性以及各個因子貢獻率大小。

縱觀國內應用語言學研究，研究者多使用LISREL和AMOS，EQS還未全面吸引國內應用語言學研究者的視線。但筆者在實踐中發現相對于前兩種傳統軟件而言，EQS靈活性更高，允許自變量有測量誤差，變量間可存在協方差；對原始數據可進行直接加工；此外還可分析非多元正態分布，它能更準確地處理更大容量模型，這將為研究者帶來更大的便捷。

二、EQS基本概念

EQS6.1包含有兩類變量，兩種模型和兩種路徑。兩類變量指潛在變量（Latent Variable）和觀測變量（Observed Variable）前者為不可直接測量的非觀測變量（Unobserved Variable），又稱因子，它通常通過多個外顯或可觀測指標間接推算；后者是通過測量、觀測可直接獲得的原始數據，又稱指標。在EQS路徑圖中圓形表示潛在變量或因子，長方形表示觀測變量或指標。

兩種模型即測量模型和結構模型。測量模型（Measurement Model）指觀測變量和潛在變量間的關系模型，即指標和因子間的關系模型。結構模型（Structural Model）指潛在變量之間的關系模型。并不是所有的實際應用中都同時存在兩種模型，例如在驗證性因子分析中，可能只出現包含觀測變量和潛在變量的測量模型。

兩種路徑為自變量（Independent Variable）和因變量（Dependent Variable）之間的路徑，以及因變量和因變量之間的路徑。在EQS描繪的路徑圖中，單向箭頭表示一個變量直接影響另一個變量，如潛在變量指向指標的單向箭頭表示因子負荷，直接指向指標的單向箭頭表示潛在變量的誤差；雙向弧形箭頭表示兩個變量可能相關；潛在自變量不應有箭頭指向，所有指向潛在因變量的箭頭來自潛在自變量或其他潛在因變量。

三、EQS的建模步驟

根據Bollen和Long的研究，結構方程建模具有五個步驟：（1）模型構建（Model Specification）、（2）模型識別（ModelIdentification）、（3）模型估算（Model Estimation）、（4）模型擬合（Testing Model Fit）、（5）模型重構（Model Re-Specification）。

1.模型構建

在該步驟，研究者要在已有的理論和專業基礎上確定具體的模型，通過EQS模型圖和方程來表達該模型各變量間的相互關系，根據各變量對模型的路徑參數進行模型估算，查看并評估各因子、潛在變量間的各種關系，并通過數據檢驗模型整體的擬合度。

2.模型識別

Kunnan認為在模型識別階段會時會出現三種情況：（1）模型不可識別（Under-identified），即不能從協方差矩陣中估算出一個或多個參數的情況；（2）模型正好識別（Just-identified），可估算出所有參數的情況；（3）模型超識別（Over-identified），可有不止一種方法估算出所有參數的情況。因參數估算計值不穩定，模型識別不足的情況不能信賴。只有增加制約參數，才可達到正好識別或超識別這兩種可以接受的模型。

3.模型估計

根據自變量的方差協方差模型估算所有參數的估計值，使模型再生矩陣與樣本協方差矩陣間的差異漸進最吻合狀態。目前最常用的估算方法是最大似然法，要求數據等距且多變量正態分布。EQS系統有個強韌選項（Robust Option）生成Satorra-Benfle卡方值，可獲得一個比其他統計量更接近的分布。即使分布假設不能滿足，出現非多元正態分布，強韌標準誤在大樣本中也可接受。EQS為所有變量、因子及變量因子間的誤差設定了標準，從而固定了參數，獲得新的估算值。

4.模型擬合

模型擬合是檢測假設模型矩陣與樣本矩陣在多大程度上的擬合，即檢測模型的擬合度。因其中一個重要統計指標卡方值較敏感，容易受到樣本大小的影響，所以在實際操作中還得考慮樣本數據大小對模型擬合度所產生的影響。根據以往的研究經驗，理想模型擬合度的參照標準如表1。

5.模型重構

若模型擬合度與各標準量范圍差異較大或個別指標不理想，則該模型構建有誤，需重構。重構時需檢驗兩組估計值：第一組為具有顯著意義的參數估計值，將沒有顯著意義的參數估計值設為0，但需在足夠的專業理論基礎上才可進行。第二組為殘余值矩陣，若個別變量殘余值較大，如大于或等于2.58，則該變量未設定好；若較多變量殘余值都較大，則該模型整體構建有誤。在此過程中EQS系統的LM-檢驗和W-檢驗功能可對模型重構提供進一步的幫助信息。但每個參數及變量之間的相互關系非常密切，任何一處的改動都可能對總體模型產生較大的影響。因而每個參數的調整都需重新估算，得出新的模型擬合指數，直至獲得最終的理想模型為止。

四、EQS在應用語言學中的應用實例

筆者曾運用EQS研究了中學生英語學習策略、學習觀念和自我效能的相關性，下文將予以展示。本研究首先通過問卷調查的方式對某中學109名高二被試者進行測試。問卷由三部分組成：第一部分是Oxford設計的《英語學習策略量表》，它由記憶策略、認知策略、補償策略、元認知策略、情感策略、社會策略等6個要素50個項目組成；第二部分是Horwitz設計的《語言學習觀念調查表》，包含外語學能、語言學習難度、語言學習性質、學習與交際策略、動機觀念等5個要素34個項目；第三部分是德國心理學家Schwarzer和Jerusalem設計的《自我效能量表》，包含1個要素10個項目。

收集了調查數據后，我們運用EQS對數據進行分析。首先打開EQS界面，新建一個原始數據庫文件，設定應變量名稱及數目，輸入原始數據。三個量表所測量的12個要素為自變量，學習策略、學習觀念和學習效能不可直接測量，需通過各量表12個要素間接測量，則為潛在變量。其次，對EQS作包括描述性分析、回歸分析、相關分析、因子分析、誤差分析在內的描述性統計，以觀察樣本整體情況。然后對EQS作驗證性統計，即因子模型統計分析。根據已有的專業知識，構建初始模型如圖1。

EQS運行后所得各擬合指數結果見表2。

按理想模型擬合度的參照標準，該模型并未達到可接受的理想模型程度。根據二語習得中學習策略、學習觀念及自我效能的有關理論和最大標準化殘差（Largest Standardized Residuals）所提供的修正指數（參見表3），通過設定自由參數和在模型的多組誤差間增添多條雙向箭頭的路徑以建立相應誤差變量間的協方差矩陣，反復修正之后得到較理想的模型（如圖2）。修正模型擬合效果指標如表4，該模型擬合度較高，可接受。

學習策略、學習觀念和自我效能之間具有高度的相關性，但各自的路徑強度卻有所區別。相對于自我效能而言，學習觀念對學習策略的影響更大（0.86>0.68）。學習策略、觀念及效能的各個因素相互之間也具有不同程度的相關性，所以在平時的英語教學和學習中，既要在整體上注意對學習策略的選擇、加強對學習觀念的引導，注重對自我效能的提高，又要對具體的學習策略如補償策略、記憶策略、認知策略以及語言難度和學習動機等方面有充分的認知，才能更有效地引導學習者的英語學習。

五、結語

本文介紹了EQS統計軟件的基本操作原理及步驟，并通過對中學生英語學習策略、觀念及自我效能間相關性的模型構建、擬合、重構、修正等過程，最終創建出滿足各項指標的修正模型。結果發現學習策略、學習觀念和自我效能之間高度相關，但相關強度有差異。學習者較多使用補償、認知、記憶策略，較少使用社會策略。觀念的學能和動機對學習策略的影響較大。在結構方程模型軟件中，EQS更易操作，靈活性更高，能更準確地處理大容量多維度變量模型，尤其在處理非正態分布和有缺失值數據中效果良好，且允許變量測量誤差和協方差的存在。EQS評估模型擬合指標的多重性可以為應用語言學中多因素間多維量化提供更準確、科學、直觀的信息，具有廣闊的應用前景。

致謝：衷心感謝戴運財教授提出的寶貴意見。

編輯：李婷