劉文慧

中南林業(yè)科技大學(xué)

周世界

大連海事大學(xué)

【提 要】結(jié)構(gòu)方程模型是融合路徑分析、多元回歸分析和因素分析的多元統(tǒng)計(jì)方法，廣泛用于心理學(xué)、社會(huì)學(xué)、教育學(xué)等多學(xué)科領(lǐng)域，但在國(guó)內(nèi)語(yǔ)言研究領(lǐng)域應(yīng)用不足。LISREL是一款主流結(jié)構(gòu)方程建模分析軟件，具有功能強(qiáng)、精確度高的特征。本文在介紹結(jié)構(gòu)方程建模原理和特征基礎(chǔ)上，通過(guò)LISREL9.2分析語(yǔ)言測(cè)試實(shí)例，介紹LISREL結(jié)構(gòu)方程模型在語(yǔ)言研究驗(yàn)證性因子分析、全模型分析、高階因子分析和多組驗(yàn)證性因子分析中的具體應(yīng)用，證明LISREL結(jié)構(gòu)方程模型能夠?yàn)檎Z(yǔ)言研究中不能直接測(cè)量的潛變量提供更精確的分析。

1 引言

在很多情況下，對(duì)教育、心理、社會(huì)等學(xué)科的研究涉及的變量（如自信、個(gè)性等）關(guān)系比較復(fù)雜，屬于不能直接測(cè)量（候杰泰、溫忠麟、成子娟2004）的潛在變量。對(duì)于這類變量的多元統(tǒng)計(jì)，結(jié)構(gòu)方程模型（structural equationmodel，簡(jiǎn)稱SEM）是一種方興未艾的統(tǒng)計(jì)方法（Kline2005）。結(jié)構(gòu)方程模型可以同時(shí)處理多個(gè)潛變量及其相互關(guān)系，并把變量測(cè)量誤差計(jì)算在內(nèi)，逐漸成為公認(rèn)的分析潛變量間關(guān)系最強(qiáng)有力的現(xiàn)代統(tǒng)計(jì)方法，是行為心理學(xué)和教育學(xué)等領(lǐng)域常用的分析方法之一（Song&Lee2012；吳瑞林2013）。

目前，結(jié)構(gòu)方程模型在語(yǔ)言研究中的應(yīng)用主要涉及對(duì)語(yǔ)言能力、學(xué)習(xí)動(dòng)機(jī)、學(xué)習(xí)態(tài)度等抽象概念和多個(gè)因素之間關(guān)系的研究。國(guó)外基于結(jié)構(gòu)方程模型在二語(yǔ)習(xí)得等語(yǔ)言研究方面已經(jīng)取得長(zhǎng)足發(fā)展，如對(duì)語(yǔ)言能力測(cè)量（如Schoonen2005；Phakiti2008；Wallace&Lee2020）、語(yǔ)言習(xí)得個(gè)體差異（如Lee2005；Woodrow2006；Lee2020）和母語(yǔ)遷移影響（如Zhang2016；Maier，Bohlann&Palacios2016；Kimetal.2020）等研究。國(guó)內(nèi)外語(yǔ)學(xué)界有關(guān)結(jié)構(gòu)方程模型的研究雖然已經(jīng)起步，但尚未充分展開(kāi)。根據(jù)范勁松、任偉（2017）的調(diào)查結(jié)果，1999—2015年，國(guó)內(nèi)12種外語(yǔ)類核心期刊發(fā)表的有關(guān)結(jié)構(gòu)方程模型的論文只有52篇，其中實(shí)證性論文占90.4%（秦曉晴、文秋芳2002；彭劍娥2015）；2016—2022年間，國(guó)內(nèi)12種外語(yǔ)類核心期刊發(fā)表的有關(guān)結(jié)構(gòu)方程模型的論文36篇，其中實(shí)證性論文占95%（如鄭春萍、王麗麗2020；董連棋、劉梅華2022）。呈現(xiàn)上升趨勢(shì)的數(shù)據(jù)說(shuō)明國(guó)內(nèi)語(yǔ)言學(xué)界越來(lái)越認(rèn)識(shí)到結(jié)構(gòu)方程模型的優(yōu)勢(shì)，但較小的數(shù)據(jù)量表明結(jié)構(gòu)方程模型在語(yǔ)言研究中的應(yīng)用仍然滯后。

LISREL（Linear Structural Relations）是 由J?reskog（1979）開(kāi)發(fā)并一直流行至今的專業(yè)結(jié)構(gòu)方程建模分析軟件，該軟件在操作上很好地詮釋了結(jié)構(gòu)方程模型原理，分析結(jié)果精確度高，適用于處理語(yǔ)言教學(xué)中常見(jiàn)的基于連續(xù)變量的復(fù)雜調(diào)查數(shù)據(jù)及基于序數(shù)和連續(xù)變量的簡(jiǎn)單隨機(jī)樣本數(shù)據(jù)。但截至目前，國(guó)內(nèi)語(yǔ)言學(xué)界只有王立非、鮑貴（2003）、王立非（2007）和韓寶成（2006）介紹了LISREL結(jié)構(gòu)方程模型三種建模功能及其在語(yǔ)言測(cè)試領(lǐng)域的應(yīng)用，但基本沒(méi)有涉及具體應(yīng)用方法?；诋?dāng)前的研究現(xiàn)狀，本文在闡述結(jié)構(gòu)方程模型原理基礎(chǔ)上，采用LISREL9.2軟件，通過(guò)語(yǔ)言測(cè)試實(shí)例解析結(jié)構(gòu)方程模型驗(yàn)證性因子分析、全模型分析、高階因子分析和多組驗(yàn)證性因子分析的在語(yǔ)言研究中的具體應(yīng)用，證明LISREL結(jié)構(gòu)方程模型能夠?yàn)檎Z(yǔ)言研究提供更精確的統(tǒng)計(jì)分析。

2 結(jié)構(gòu)方程模型原理

結(jié)構(gòu)方程模型是根據(jù)變量的協(xié)方差矩陣或相關(guān)矩陣，通過(guò)多輪迭代計(jì)算樣本矩陣與假設(shè)再生矩陣間的擬合指數(shù)，分析變量之間的關(guān)系。結(jié)構(gòu)方程模型由測(cè)量模型（measurementmodel）和結(jié)構(gòu)模型（structuremodel）兩部分構(gòu)成，測(cè)量模型處理觀測(cè)變量（如測(cè)驗(yàn)分?jǐn)?shù)、學(xué)習(xí)時(shí)間等）與潛變量（如語(yǔ)言能力、學(xué)習(xí)興趣等）間的關(guān)系，結(jié)構(gòu)模型主要處理潛變量間的關(guān)系。測(cè)量模型通常如公式（1）、（2）所示：

x和y分別表示外源變量和內(nèi)生變量的觀測(cè)變量，ξ和η表示外源潛變量和內(nèi)生潛變量，Λx和Λy表示x和y的因子負(fù)荷矩陣，δ和ε表示x和y的誤差項(xiàng)。結(jié)構(gòu)模型的因果關(guān)系通常如公式（3）所示：

B表示內(nèi)生潛變量間的關(guān)系，Γ表示外源潛變量對(duì)內(nèi)生潛變量的影響，ζ表示結(jié)構(gòu)方程的殘差項(xiàng)。

結(jié)構(gòu)方程模型分析一般包括模型建構(gòu)、模型擬合、模型評(píng)估和模型修正四個(gè)過(guò)程：模型構(gòu)建是根據(jù)相關(guān)專業(yè)理論和研究構(gòu)建一個(gè)或幾個(gè)結(jié)構(gòu)方程模型，設(shè)定觀測(cè)變量與潛變量間關(guān)系、潛變量間關(guān)系或限定因子參數(shù)值；模型擬合是用已構(gòu)建的模型分析樣本數(shù)據(jù)，找到樣本協(xié)方差矩陣與模型隱含的協(xié)方差矩陣間的最小差距值；模型評(píng)估是通過(guò)檢查結(jié)構(gòu)方程的解是收斂、參數(shù)值與預(yù)測(cè)值是否相符、各擬合指數(shù)與界值差距等方法衡量模型擬合情況；模型修正是根據(jù)相關(guān)專業(yè)理論和參數(shù)值，以循序漸近的方式修改并確立最終模型。結(jié)構(gòu)方程模型整合了路徑分析、多元回歸分析和因素分析，與傳統(tǒng)統(tǒng)計(jì)分析方法相比有以下優(yōu)勢(shì)：（1）同時(shí)處理多個(gè)觀測(cè)變量和潛變量，而傳統(tǒng)統(tǒng)計(jì)方法每次只分析一對(duì)變量間的效應(yīng)；（2）允許觀測(cè)變量和潛變量含有測(cè)量誤差，避免了傳統(tǒng)回歸分析默認(rèn)誤差為零而產(chǎn)生的實(shí)際相關(guān)系數(shù)被低估的錯(cuò)誤；（3）同時(shí)估計(jì)因子結(jié)構(gòu)和因子關(guān)系，克服了傳統(tǒng)統(tǒng)計(jì)分析方法先分析因子負(fù)荷，再分析因子結(jié)構(gòu)產(chǎn)生的不靈活問(wèn)題；（4）允許包含更大彈性復(fù)雜測(cè)量模型，打破了傳統(tǒng)因子分析難以處理一個(gè)測(cè)量指標(biāo)從屬多個(gè)因子的限制；（5）可以檢驗(yàn)整個(gè)模型的擬合程度，而傳統(tǒng)統(tǒng)計(jì)方法每次只估計(jì)一個(gè)路徑關(guān)系的方式無(wú)法計(jì)算整個(gè)模型與觀測(cè)數(shù)據(jù)的擬合程度（邱皓政、林碧芳2019）。LISREL結(jié)構(gòu)方程模型默認(rèn)采用極大似然法估計(jì)模型參數(shù)，找到樣本協(xié)方差矩陣與結(jié)構(gòu)方程再生矩陣間差距最小的參數(shù)(即擬合函數(shù))，在探討多變量因果關(guān)系上優(yōu)勢(shì)顯著。

盡管LISREL結(jié)構(gòu)方程建模相比傳統(tǒng)統(tǒng)計(jì)方法有諸多優(yōu)勢(shì)，可以更好地處理復(fù)雜模型的數(shù)據(jù)分析，但遺憾的是，由于諸多語(yǔ)言研究者對(duì)數(shù)據(jù)統(tǒng)計(jì)存在畏懼感，加上LISREL軟件語(yǔ)法界面相對(duì)復(fù)雜，LISREL在我國(guó)語(yǔ)言研究領(lǐng)域的應(yīng)用還比較欠缺。因此，本文通過(guò)外語(yǔ)測(cè)試實(shí)例，詳細(xì)介紹LISREL結(jié)構(gòu)方程模型在語(yǔ)言研究中的具體應(yīng)用，為更多語(yǔ)言研究者了解和掌握這種功能強(qiáng)大的數(shù)據(jù)建模分析方法提供參考。

3 LISREL結(jié)構(gòu)方程模型的語(yǔ)言研究應(yīng)用

3.1 驗(yàn)證性性因子分析

因子分析（factoranalysis，又稱因素分析）指從一組觀測(cè)變量中提取具有代表性的共性因子（即潛變量）的統(tǒng)計(jì)方法，在社會(huì)科學(xué)研究中有廣泛的應(yīng)用。例如，通過(guò)外語(yǔ)學(xué)習(xí)者課堂發(fā)言次數(shù)、作業(yè)完成情況及課外學(xué)習(xí)時(shí)間等觀測(cè)變量抽取是否存在學(xué)習(xí)積極性這一潛在變量。因子分析方法包括探索性因子分析（exploratory factor analyses，簡(jiǎn)稱CFA）和驗(yàn)證性因子分析（confirmatory factor analysis，簡(jiǎn)稱EFA）。探索性因子分析通過(guò)對(duì)觀測(cè)變量的旋轉(zhuǎn)和抽取，探索出未知的公共因子，旨在分析觀測(cè)變量所內(nèi)涵的潛在因子；驗(yàn)證性因子分析則是事先假設(shè)出觀測(cè)變量所內(nèi)涵的公共因子，通過(guò)統(tǒng)計(jì)分析結(jié)果驗(yàn)證假設(shè)與潛在因子從屬關(guān)系的合理性。筆者以湖南省某高校大一年級(jí)學(xué)生的三次英語(yǔ)測(cè)試為例，介紹LISREL驗(yàn)證性因子分析在語(yǔ)言研究中的應(yīng)用。

為了探索外語(yǔ)學(xué)習(xí)者英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀能力之間的聯(lián)系，筆者選取高校一年級(jí)非英語(yǔ)專業(yè)6個(gè)自然班的164名學(xué)生為受試對(duì)象，剔除無(wú)效數(shù)據(jù)，最后收集了155名學(xué)生不同時(shí)段的三次英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀成績(jī)（使用雅思測(cè)試題，每次測(cè)試時(shí)長(zhǎng)、題型、題量和難度等同），根據(jù)研究目的和二語(yǔ)習(xí)得理論，建立結(jié)構(gòu)方程模型如圖1左圖所示：

圖1 驗(yàn)證性因子分析假設(shè)模型圖及其路徑系數(shù)

LISREL結(jié)構(gòu)方程模型中，圓形代表潛變量或因子，方形代表觀測(cè)變量或指標(biāo)，單向箭頭代表單向效應(yīng)，雙箭頭弧形代表相關(guān)，單向箭頭指向圓形或方形表示殘差和測(cè)量誤差。圖1中，長(zhǎng)方形內(nèi)的SPK1，SPK2，SPK3分別代表三次口語(yǔ)成績(jī)，WRT1，WRT2，WRT3分別代表三次寫(xiě)作成績(jī)，RD1，RD2，RD3分別代表三次閱讀成績(jī)；橢圓形內(nèi)的SPK代表口語(yǔ)能力，WRT代表寫(xiě)作能力，RD代表閱讀能力。該模型包含以下假設(shè)：外語(yǔ)學(xué)習(xí)者英語(yǔ)測(cè)試成績(jī)反映其口語(yǔ)、寫(xiě)作和閱讀能力；外語(yǔ)學(xué)習(xí)者英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀能力間存在顯著性相關(guān)。LISREL默認(rèn)采用極大似然法估計(jì)模型參數(shù)，前提條件是變量數(shù)據(jù)服從正態(tài)分布。用SPSS20.0檢查樣本數(shù)據(jù)正態(tài)分布情況顯示，9個(gè)變量的偏度絕對(duì)值小于3（在0.124-0.867之間），峰度絕對(duì)值小于8（在0.035-3.356之間），表明數(shù)據(jù)基本呈正態(tài)分布，滿足LISREL數(shù)據(jù)分析條件。用SPSS20.0獲得相關(guān)系數(shù)矩陣如表1所示：

表1 三次測(cè)試成績(jī)相關(guān)系數(shù)矩陣（N=155）

表1中，9個(gè)觀測(cè)變量之間均存在顯著性相關(guān)（p＜0.01），表明原始觀察值適合做結(jié)構(gòu)方程模型驗(yàn)證性因子分析。在LISREL9.2程序窗口輸入相應(yīng)程序并運(yùn)行，迭代9次后輸出分析擬合指數(shù)結(jié)果如表2所示：

表2 驗(yàn)證性因子分析擬合指數(shù)

表2中，擬合指數(shù)是表示樣本數(shù)據(jù)與假設(shè)模型擬合是否妥當(dāng)?shù)闹笖?shù)值。LISREL輸出的擬合優(yōu)度指數(shù)比較多，選取哪些擬合指數(shù)作參考是一個(gè)復(fù)雜的課題，至今沒(méi)有絕對(duì)定論（侯杰泰等2004），一般認(rèn)為如果至少有兩個(gè)主要擬合指數(shù)在界值內(nèi)，其它擬合指數(shù)接近界值就可以接受假設(shè)模型。根據(jù)前人的研究結(jié)果和本文實(shí)際情況，筆者選擇X2（chi-square，卡方）、X2/DF（相對(duì)卡方）、RMSEA（rootmean squareerror of approximation，近似誤差均方根）、NNFI（on-normedfitindex，非范擬合指數(shù)）、CFI（comparative fitindex，比較擬合指數(shù)）和SRMR(standardized rootmeans quareresidual，標(biāo)準(zhǔn)化殘差均方根)作為參考擬合指數(shù)。本例樣本數(shù)接近150，根據(jù)溫忠麟、侯杰泰和馬什赫伯特（2004）提出的X2準(zhǔn)則，X2P值臨界值為0.01。表2中，X2P（0.031〉0.01）、X2/DF（1.60＜3）、RMSEA（0.072＜0.08）、NNFI（0.97〉0.09）、CFI（0.98〉0.09）和SRMR（0.047＜0.05）6個(gè)擬合指數(shù)都在建議界值范圍內(nèi)。此外，LISREL輸出結(jié)果中各項(xiàng)修正指數(shù)均無(wú)異常顯著值，說(shuō)明假設(shè)的結(jié)構(gòu)方程模型合理，不需要進(jìn)行模型修正。綜合各項(xiàng)擬合指數(shù)表現(xiàn)，可以認(rèn)為圖1假設(shè)的方程模型與樣本數(shù)據(jù)擬合較好。LISREL輸出的模型各路徑系數(shù)如圖1右圖所示。根據(jù)Cohen（1988）的研究,相關(guān)系數(shù)大于0.5為高度相關(guān)，0.3-0.5為中等相關(guān)，小于0.3則是較低相關(guān)，模型中全部12個(gè)路徑系數(shù)均大于0.5，說(shuō)明各變量間相關(guān)度較高。由此，通過(guò)LISREL因子分析結(jié)果可以驗(yàn)證前面設(shè)立的英語(yǔ)能力關(guān)系假設(shè)成立，即外語(yǔ)學(xué)習(xí)者的測(cè)試成績(jī)反映其口語(yǔ)、寫(xiě)作和閱讀能力；外語(yǔ)學(xué)習(xí)者英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀能力相互之間存在顯著性相關(guān)。該結(jié)果與前人的研究（文秋芳2006；劉文慧、陽(yáng)志清2009）和實(shí)踐教學(xué)經(jīng)驗(yàn)相符，即在我國(guó)高等教育階段，因?yàn)閷?xiě)作和閱讀教學(xué)更傾向于書(shū)面語(yǔ)，所以閱讀和寫(xiě)作呈現(xiàn)高度相關(guān)（0.89）；但口語(yǔ)與寫(xiě)作和閱讀之間的高度相關(guān)（0.83，0.89）表明外語(yǔ)學(xué)習(xí)者對(duì)英語(yǔ)口語(yǔ)和書(shū)面語(yǔ)之間的區(qū)分不敏感，導(dǎo)致口語(yǔ)有較嚴(yán)重的書(shū)面語(yǔ)傾向。

3.2 全模型

全模型（fullmodel，又稱飽和模型）是指同時(shí)包含外源變量和內(nèi)生變量的模型。筆者仍以上述實(shí)例中的樣本觀察值為例，介紹LISREL全模型分析在語(yǔ)言研究中的應(yīng)用。

本例研究目的是在了解外語(yǔ)學(xué)習(xí)者英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀能力相關(guān)基礎(chǔ)上，進(jìn)一步探索英語(yǔ)閱讀能力對(duì)口語(yǔ)和寫(xiě)作能力的影響。根據(jù)研究目的和二語(yǔ)習(xí)得理論，首先建立結(jié)構(gòu)方程模型如圖2左圖所示。

圖2 全模型假設(shè)模型及其路徑系數(shù)

該模型基于以下假設(shè)：外語(yǔ)學(xué)習(xí)者的三次測(cè)試成績(jī)反映其英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀能力；外語(yǔ)學(xué)習(xí)者英語(yǔ)閱讀能力對(duì)口語(yǔ)和寫(xiě)作能力有顯著性影響。在LISREL9.2程序窗口輸入相應(yīng)程序并運(yùn)行，迭代15次后輸出分析擬合指數(shù)結(jié)果如表3所示：

表3 全模型分析擬合指數(shù)

表3中，X2P值（0.03〉0.01）、X2/DF（1.59＜3）、RMSEA（0.071＜0.08）、NNFI（0.97〉0.9）、CFI（0.98〉0.9）和SRMR（0.047＜0.05）6個(gè)擬合指數(shù)都在界值范圍內(nèi)。綜合各擬合指數(shù)表現(xiàn)，可以認(rèn)為圖2所示方程模型與樣本數(shù)據(jù)擬合較好。另外輸出的分析結(jié)果中各項(xiàng)修正指數(shù)無(wú)異常顯著值，說(shuō)明假設(shè)的結(jié)構(gòu)方程模型合理，無(wú)需進(jìn)行模型修正。LISREL輸出的模型各路徑系數(shù)如圖2右圖所示，模型中全部11個(gè)路徑系數(shù)都大于0.5，說(shuō)明各變量間相關(guān)度較高。由此，通過(guò)LISREL全模型分析結(jié)果可以驗(yàn)證之前設(shè)定的英語(yǔ)能力關(guān)系假設(shè)的正確性，即外語(yǔ)學(xué)習(xí)者的測(cè)試成績(jī)反映了其英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀能力；外語(yǔ)學(xué)習(xí)者英語(yǔ)閱讀能力對(duì)口語(yǔ)和寫(xiě)作能力有顯著性影響。其中，閱讀對(duì)寫(xiě)作的影響大于口語(yǔ)（0.93〉0.85），該結(jié)果進(jìn)一步證明外語(yǔ)學(xué)習(xí)者的閱讀和寫(xiě)作能力呈現(xiàn)高度相關(guān)性。同時(shí)，閱讀和口語(yǔ)的高度相關(guān)（0.85）也證明外語(yǔ)學(xué)習(xí)者不能很好地區(qū)分英語(yǔ)口語(yǔ)和書(shū)面語(yǔ)之間的差異。在未來(lái)外語(yǔ)教學(xué)中，教師應(yīng)注意幫助學(xué)生意識(shí)到英語(yǔ)口語(yǔ)的書(shū)面語(yǔ)之間存在差異，在實(shí)際語(yǔ)言應(yīng)用中應(yīng)注意避免混淆這兩種不同的語(yǔ)體。

3.3 高階因子分析

高階因子分析（higher-order factoranalysis）是將分析觀測(cè)變量得到的因子作為觀測(cè)變量進(jìn)一步進(jìn)行因子分析的統(tǒng)計(jì)方法，是全模型分析的一種特殊形式。高階因子分析過(guò)程在理論上可連續(xù)進(jìn)行，但由于三階因子模型已經(jīng)非常龐大和復(fù)雜，在現(xiàn)實(shí)研究中使用三階因子及以上模型的情況比較少。需要注意的是，一階因子數(shù)量在四個(gè)或以上時(shí)建立二階因子才有簡(jiǎn)化模型的作用。另外，在建立二階因子模型前要先檢驗(yàn)變量的一階因子模型，只有一階因子間相關(guān)較強(qiáng)時(shí)，建立的二階模型才有意義。筆者以湖南某高校大一年級(jí)學(xué)生的三次英語(yǔ)測(cè)試為例，介紹LISREL二階因子分析在語(yǔ)言研究中的具體應(yīng)用。

為了探索外語(yǔ)學(xué)習(xí)者英語(yǔ)綜合能力的具體構(gòu)成情況，筆者選取高校一年級(jí)非英語(yǔ)專業(yè)9個(gè)自然班的293名學(xué)生為受試對(duì)象，剔除無(wú)效數(shù)據(jù)，最后收集了281名學(xué)生不同時(shí)段的三次英語(yǔ)口語(yǔ)、寫(xiě)作成績(jī)和二次聽(tīng)力、閱讀成績(jī)(使用雅思測(cè)試題，每次測(cè)試時(shí)長(zhǎng)、題型、題量和難度等同)。用SPSS 20.0檢查數(shù)據(jù)正態(tài)分布情況顯示，10個(gè)變量的偏度絕對(duì)值小于3（在0.110-0.887之間），峰度絕對(duì)值小于8（在0.120-3.453之間），表明數(shù)據(jù)滿足基本呈正態(tài)分布的分析條件。首先對(duì)樣本數(shù)據(jù)進(jìn)行類似圖1模型的一階驗(yàn)證性因子分析，輸出結(jié)果顯示一階因子模型中各變量間呈顯著性相關(guān)(相關(guān)負(fù)荷分別為0.83，0.90，0.82，0.83，0.86，0.93)，表明原始觀察值適合進(jìn)行二階因子模型分析。根據(jù)研究目的和二語(yǔ)習(xí)得理論，建立二階因子方程模型如圖3左圖所示。

圖3 二階因子假設(shè)模型及其路徑系數(shù)

圖3中，SPK、WRT、LIS和RD分別代表外語(yǔ)學(xué)習(xí)者口語(yǔ)能力、寫(xiě)作能力、聽(tīng)力能力和閱讀能力，ENG代表外語(yǔ)學(xué)習(xí)者的英語(yǔ)綜合能力。該模型基于以下假設(shè)：外語(yǔ)學(xué)習(xí)者的考試成績(jī)反映其英語(yǔ)口語(yǔ)、寫(xiě)作、聽(tīng)力和閱讀能力；外語(yǔ)學(xué)習(xí)者英語(yǔ)口語(yǔ)、寫(xiě)作、聽(tīng)力和閱讀能力構(gòu)成其英語(yǔ)綜合能力。在LISREL9.2程序窗口輸入相關(guān)程序并運(yùn)行，迭代24次后輸出分析結(jié)果如表4所示：

表4 二階因子擬合指數(shù)

表4中，NNFI（0.94〉0.9）、CFI（0.96〉0.9）和SRMR（0.05=0.05）3個(gè)擬合指數(shù)均在建議界值范圍內(nèi)，X2/DF=3.25略大于界值3，RMSEA=0.09接近界值0.08。本例樣本數(shù)281大于250，根據(jù)溫忠麟等（2004）的X2準(zhǔn)則，X2P值的臨界值應(yīng)為0.0005，表3中的X2P值0.00接近臨界值0.0005。第四大列中有3個(gè)擬合指數(shù)在界值內(nèi)，其他指數(shù)接近界值。綜合各擬合指數(shù)表現(xiàn)，可以認(rèn)為圖3假設(shè)的方程模型與樣本數(shù)據(jù)擬合較好。另外輸出的分析結(jié)果中各項(xiàng)修正指數(shù)無(wú)異常顯著值，說(shuō)明假設(shè)的模型無(wú)需修正。LISREL輸出的模型各路徑系數(shù)如圖3右圖所示，模型中有13個(gè)路徑系數(shù)大于0.5，有1個(gè)介于0.3-0.5之間，說(shuō)明各變量間相關(guān)度較顯著，尤其是ENG對(duì)SPK、WRT、LIS和RD的系數(shù)值都在0.8以上，說(shuō)明相關(guān)性非常強(qiáng)。由此，通過(guò)LISREL二階因子分析結(jié)果可證明原假設(shè)成立，即外語(yǔ)學(xué)習(xí)者的測(cè)試成績(jī)反映了其英語(yǔ)口語(yǔ)、寫(xiě)作、聽(tīng)力和閱讀能力；外語(yǔ)學(xué)習(xí)者英語(yǔ)口語(yǔ)、寫(xiě)作、聽(tīng)力和閱讀能力構(gòu)成其英語(yǔ)綜合能力。其中，聽(tīng)力和閱讀作為輸入性語(yǔ)言能力，其相關(guān)性大于口語(yǔ)和寫(xiě)作兩種輸出性語(yǔ)言能力（0.97+0.95〉0.91+0.87），這一發(fā)現(xiàn)與語(yǔ)言教學(xué)實(shí)際經(jīng)驗(yàn)一致。例如在雅思測(cè)試中，中國(guó)考生在寫(xiě)作和口語(yǔ)兩項(xiàng)失分比較嚴(yán)重，尤其寫(xiě)作部分失分現(xiàn)象更加突出。數(shù)據(jù)分析結(jié)果表明，在未來(lái)外語(yǔ)教學(xué)中，教師需兼顧語(yǔ)言輸入與輸出能力均衡發(fā)展，在注重聽(tīng)力和閱讀兩種語(yǔ)言能力培養(yǎng)的同時(shí)，更需要加強(qiáng)對(duì)學(xué)生口語(yǔ)和寫(xiě)作能力的培養(yǎng)。

3.4 多組驗(yàn)證性因子分析

多組驗(yàn)證性分析（multiplegroup sconfirmatory factoranalysis）用來(lái)驗(yàn)證不同樣本的是否來(lái)自同一個(gè)總體、是否有等同的因子結(jié)構(gòu)。在多組驗(yàn)證性因子分析中，首先根據(jù)相關(guān)研究理論和相同測(cè)量工具(試卷、問(wèn)卷等)確定一個(gè)大致可以適用于各組樣本的模型，再檢驗(yàn)各組樣本間模型形態(tài)和因子負(fù)荷（LX）是否等同，在此基礎(chǔ)上再依次檢驗(yàn)各組樣本的因子方差—協(xié)方差（PH）、測(cè)量誤差方差—協(xié)方差（TD）、指標(biāo)截距（TX）、因子均值（KA）等是否等同。在檢驗(yàn)過(guò)程中，如果有一組樣本或者某個(gè)步驟擬合欠佳，再做后面的檢驗(yàn)就失去意義。如果各組擬合指標(biāo)表現(xiàn)良好，并依次通過(guò)檢驗(yàn)，則可以認(rèn)為各組樣本擁有相同的因子結(jié)構(gòu)（侯杰泰等2004）。下面以湖南某高校兩屆大一學(xué)生的三次英語(yǔ)測(cè)試為例，介紹LISREL多組驗(yàn)證性分析在語(yǔ)言研究中的應(yīng)用。

本例研究目的是驗(yàn)證不同級(jí)別外語(yǔ)學(xué)習(xí)者英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀能力間的關(guān)系是否等同。首先選取兩屆共272名非英語(yǔ)專業(yè)大一學(xué)生為受試對(duì)象（人數(shù)分別為155和117），收集不同時(shí)段的三次英語(yǔ)口語(yǔ)、寫(xiě)作和閱讀成績(jī)（使用雅思測(cè)試題，每次測(cè)試時(shí)長(zhǎng)、題型、題量和難度等同）。根據(jù)研究目的和二語(yǔ)習(xí)得理論，建立如圖1所示驗(yàn)證性因子結(jié)構(gòu)方程模型。用SPSS20.0檢查兩組數(shù)據(jù)正態(tài)分布情況發(fā)現(xiàn)，9個(gè)變量的偏度絕對(duì)值均小于3（在0.110-0.887之間），峰度絕對(duì)值均小于8（在0.120-3.453之間），表明觀測(cè)數(shù)據(jù)基本呈正態(tài)分布。通過(guò)SPSS20.0獲得兩組樣本相關(guān)矩陣，發(fā)現(xiàn)除了第二組WRT2樣本有個(gè)別數(shù)據(jù)沒(méi)有呈現(xiàn)顯著性相關(guān)（p〉0.01），兩個(gè)樣本組的9個(gè)觀測(cè)變量之間均存在顯著性相關(guān)（p＜0.01），表明原始觀測(cè)值適合做結(jié)構(gòu)方程模型驗(yàn)證性因子分析。

首先分析兩組模型形態(tài)是否等同。用LISREL多組設(shè)定的方法分組設(shè)定，LISREL9.2輸出的擬合指數(shù)整理結(jié)果如表5形態(tài)項(xiàng)所示，X2P值（0.09〉0.01）、X2/DF（1.29＜3）、RMSEA（0.05＜0.08）、NNFI（0.98〉0.9）和CFI（0.99〉0.9）這5項(xiàng)擬合指數(shù)均在界值范圍內(nèi)，SRMR=0.05接近臨界值，表明兩個(gè)樣本組的模型擬合良好，兩樣本組模型形態(tài)等同，可以繼續(xù)下一步檢驗(yàn)兩組模型因子負(fù)荷是否等同。

在LISREL9.2中輸入程序并運(yùn)行，輸出的擬合指數(shù)如表5形態(tài)、負(fù)荷項(xiàng)所示，X2/DF（1.61＜3）、RMSEA（0.07＜0.08）、NNFI（0.96〉0.9）、CFI（0.97〉0.9）和SRMR（0.04＜0.05）這5個(gè)擬合指數(shù)都在界值范圍內(nèi)，只有X2P值0.002稍小于0.01。綜合各項(xiàng)指數(shù)表現(xiàn)，支持兩樣本組模型形態(tài)和因子負(fù)荷等同假設(shè)，具備進(jìn)行繼續(xù)下一步檢驗(yàn)條件。

在LISREL9.2中輸入程序并運(yùn)行，輸出的擬合指數(shù)整理結(jié)果如表5形態(tài)、負(fù)荷、因子協(xié)方差項(xiàng)所示，除了X2/DF（2.5＜3）、NNFI（0.91〉0.9）和CFI（0.93〉0.9）在建議值范圍內(nèi)，X2P值（0.00＜0.01）、RMSEA（0.096〉0.08）和SRMR（0.18〉0.05）都不太理想，但因?yàn)橛?個(gè)主要擬合指數(shù)在界值范圍內(nèi)，仍可以認(rèn)為兩樣本組模型形態(tài)、因子負(fù)荷和部分因子相關(guān)等同，可以進(jìn)一步驗(yàn)證兩組樣本模型因子協(xié)方差和誤方差等同情況。

在LISREL9.2中輸入程序并運(yùn)行，輸出的擬合指數(shù)整理結(jié)果如表5形態(tài)、負(fù)荷、因子協(xié)方差、誤方差項(xiàng)所示，可以看到檢驗(yàn)結(jié)果與預(yù)期相符，兩個(gè)樣本組的模型擬合程度大幅度惡化，其中X2值增大了318.18，X2P值（0.0）、X2/DF（6.71）、RMSEA（0.219）、NNFI（0.65）、CFI（0.66）和SRMR（0.22）都遠(yuǎn)離界值，檢驗(yàn)結(jié)果不支持等同假設(shè)成立。

表5 多組驗(yàn)證性因子分析擬合指數(shù)

綜上，LISREL多組驗(yàn)證性因子分析結(jié)果表明，兩屆大一學(xué)生樣本組只在模型形態(tài)、因子負(fù)荷和部分因子間相關(guān)上存在等同關(guān)系。這個(gè)結(jié)果說(shuō)明在外語(yǔ)學(xué)習(xí)中，在教學(xué)環(huán)境等基本等同條件下，不同屆的學(xué)生語(yǔ)言能力在總體上呈現(xiàn)共性特征，但在測(cè)量誤差方差—協(xié)方差、指標(biāo)截距、因子均值等方面存在差異。研究表明不同屆學(xué)生之間存在共性和個(gè)性差異，教師在教學(xué)過(guò)程中要從學(xué)生的實(shí)際情況出發(fā)，根據(jù)教學(xué)環(huán)境和學(xué)生認(rèn)知學(xué)習(xí)特征調(diào)整教學(xué)方式。

4 結(jié)語(yǔ)

基于結(jié)構(gòu)方程模型的統(tǒng)計(jì)原理，本文采用LISREL9.2軟件，通過(guò)教學(xué)實(shí)例證實(shí)了結(jié)構(gòu)方程模型在語(yǔ)言教學(xué)驗(yàn)證性因子分析、全模型分析、高階因子分析和多組驗(yàn)證性分析中的具體應(yīng)用，證實(shí)LISREL結(jié)構(gòu)方程模型在探索語(yǔ)言研究多變量關(guān)系方面具有應(yīng)用優(yōu)勢(shì)，為結(jié)構(gòu)方程模型在語(yǔ)言研究中的應(yīng)用提供實(shí)證依據(jù)。而本研究的局限在于僅考察了結(jié)構(gòu)方程模型在課堂環(huán)境下語(yǔ)言習(xí)得中的應(yīng)用，后續(xù)研究可加入課外環(huán)境下和諸如學(xué)習(xí)動(dòng)機(jī)、學(xué)習(xí)時(shí)間、家庭影響等因素，為結(jié)構(gòu)方程模型在語(yǔ)言研究領(lǐng)域更大范圍內(nèi)的應(yīng)用提供參考。

雖然LISREL結(jié)構(gòu)方程模型比傳統(tǒng)統(tǒng)計(jì)方法有諸多優(yōu)勢(shì)，但結(jié)構(gòu)方程模型在語(yǔ)言研究中的應(yīng)用首先要基于堅(jiān)實(shí)的理論基礎(chǔ)和詳實(shí)的前期研究成果才有意義，如果結(jié)構(gòu)方程模型應(yīng)用不當(dāng)，不僅影響數(shù)據(jù)分析的信度和效度，而且可能產(chǎn)生錯(cuò)誤結(jié)果誤導(dǎo)理論構(gòu)建或研究結(jié)果的實(shí)踐應(yīng)用（Ockey&Choi2015）。此外，進(jìn)行結(jié)構(gòu)方程模型數(shù)據(jù)分析要先審查樣本數(shù)據(jù)質(zhì)量是否達(dá)到數(shù)據(jù)分析標(biāo)準(zhǔn)，并根據(jù)檢驗(yàn)結(jié)果和相關(guān)理論決定是否進(jìn)行模型修正。相信隨著量化研究在語(yǔ)言學(xué)領(lǐng)域的不斷深入發(fā)展，LISREL結(jié)構(gòu)方程模型統(tǒng)計(jì)分析會(huì)在我國(guó)語(yǔ)言研究中得到越來(lái)越廣泛的應(yīng)用。