置换检验
推荐的非参数方法(Henseler 2007)。反复打乱组别标签,以构建原假设下系数差异的分布。它不做分布假设,因此 OpenPLS 采用它。
PLS-SEM 方法
多群组分析(MGA):比较各组之间的路径
多群组分析(MGA)检验你的 PLS-SEM 模型中的关系在预先定义的组别之间是否存在显著差异,例如男性与女性、两个国家,或顾客与非顾客。本页解释它检验什么、如何解读结果、检验的类型、大多数人会跳过的测量不变性步骤,以及常见误区。
多群组分析检验什么
标准的 PLS-SEM 模型为每条结构关系估计一个在整个样本上汇总的路径系数。MGA 提出一个更具体的问题:这条关系对所有人都一样,还是取决于受访者属于哪一组?它是一种调节效应,其中调节变量是一个分类的分组变量。
MGA 为每一组分别估计模型,然后检验组间路径系数的差异是否大于偶然可预期的范围。显著的差异意味着分组变量调节了该关系:该效应在某一组中确实更强。
计算示例
从感知有用性到采用的路径,对两组分别进行估计。在 A 组中系数为 0.45,在 B 组中为 0.18。置换检验给出该差异的 p 值为 0.02,因此该路径在两组之间存在显著差异。
你会报告两组各自的系数,并得出结论:分组变量调节了这一关系。
如何解读结果
对每条结构路径,MGA 报告两组系数之间的差异,以及该差异的 p 值。
- p(差异) < 0.05
- 该路径在两组之间存在显著差异。分组变量调节了这一关系;分别报告并解读两组各自的系数。
- p(差异) ≥ 0.05
- 没有证据表明该路径在组间存在差异。对这条关系,你可以报告全样本模型的汇总系数。
- 结果不一
- 有些路径在组间存在差异而另一些没有,这很正常。请逐条解读每条路径,而不要仅凭一条路径就断定整个模型是否不变。
不显著的差异并不能证明两组相同,只是说明你的数据没有显示出差异。组别过小会使真实差异难以检测。
MGA 检验的类型
参数检验
对自助法系数做两样本 t 检验(Keil et al. 2000)。简单,但假设各组方差相等。
Welch-Satterthwaite
参数检验的一种变体,不假设方差相等。当组别规模或方差不同时更稳健。
总体检验(OTG)
对于两组以上,组间差异的总体检验先一次性检查某路径在所有组之间是否存在差异,再进行两两比较。
逐步运行 MGA
- 从一个分类列定义组别(例如性别、地区,或对连续变量的划分)。
- 先检查测量不变性(MICOM 程序)。你必须至少确立部分不变性,否则组间差异可能反映的是构念被测量的方式,而非真正的结构性差异。
- 在每一组内估计模型,并确认每组都有足够的样本量以获得稳定的估计。
- 运行 MGA,得到每条结构路径的系数差异和 p 值。
- 对显著不同的路径报告各组系数,对其余路径报告汇总系数。
常见误区
- 跳过测量不变性(MICOM)检查。没有它,显著的路径差异可能只是意味着两组对题项的理解不同。
- 组别过小。MGA 需要每组有合理的样本量;过小的组会产生不稳定的系数和较低的检验力。
- 对两组以上只做两两检验而不做总体检验,这会抬高假阳性率。
- 把不显著的差异当作相等的证据。它只是证据的缺失。
- 把连续的调节变量切分成组别,而连续的调节效应分析本可保留更多信息。
OpenPLS 中的 MGA
OpenPLS 提供一个多群组分析面板,运行 Henseler 的置换检验。从任意列定义你的组别,选择置换次数,即可得到每条结构路径的系数差异和双侧 p 值。它直接处理两组,对更多组则报告两两比较。免费,且在浏览器中运行。
常见问题
- 多群组分析能告诉你什么?
- 模型中的某条关系在一组中是否显著强于另一组。它在单条结构路径的层面上检验由分类分组变量带来的调节效应。
- 做 MGA 之前需要测量不变性吗?
- 需要。你应先确立至少部分测量不变性(MICOM 程序)。否则,路径系数的差异可能源于各组对构念的测量方式不同,而非真正的结构性差异。
- 我应该用哪种 MGA 检验?
- 置换检验是推荐的默认选择,因为它不做分布假设。参数检验和 Welch-Satterthwaite 检验是备选;对两组以上,先从总体检验开始。
延伸阅读
关于置换方法:Henseler, J. (2007). A new and simple approach to multi-group analysis in partial least squares path modeling. 关于测量不变性:Henseler, J., Ringle, C. M., & Sarstedt, M. (2016). Testing measurement invariance of composites using partial least squares. International Marketing Review, 33(3), 405-431。实用概述见 Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 第 3 版, Sage。