基于結構方程模型的科技期刊評價指標結構關系研究

劉 洋，溫學兵,b，劉瑞銀

(沈陽師范大學 a.數(shù)學與系統(tǒng)科學學院,b.沈陽師范大學 學報編輯部，沈陽 110034)

基于結構方程模型的科技期刊評價指標結構關系研究

劉 洋a，溫學兵a,b，劉瑞銀a

(沈陽師范大學 a.數(shù)學與系統(tǒng)科學學院,b.沈陽師范大學 學報編輯部，沈陽 110034)

研究中國科技期刊量化評價指標間的相關關系，為指標的分類和評價體系構建提供參考?；诮Y構方程模型原理并利用AMOS軟件，對2016年中國科技期刊引證報告中工程技術類期刊的12個量化指標408個數(shù)據(jù)進行相關性分析。得出2類共9個指標滿足結構方程模型的理論要求和一級二級指標間的相關關系。分析結果反映了期刊的影響力因子解釋總被引頻次、影響因子、學科影響因子、H指標4個指標的能力分別為0.81、0.85、0.37、0.79；期刊的傳播力因子解釋引用刊數(shù)、學科影響指標、平均引文數(shù)、平均作者數(shù)、基金論文比5個指標的能力分別為0.72、0.50、0.87、0.74、0.91。相較以前利用結構方程研究期刊指標的結果，本文的結論更加符合結構方程的理論要求。得出結構方程模型為期刊指標的分類提供了新的想法和解決方法，是未來解決期刊指標篩選的一種重要工具。

科技期刊；評價指標；結構方程模型；AMOS；結構關系

瑞典統(tǒng)計學家、心理學家Karlg Joreskog將回歸分析和路徑分析巧妙地結合在一起，開創(chuàng)了結構方程模型(Structural Equation Modeling，SEM)這個嶄新的量化研究范式[1]。隨后的研究學者們從不同的屬性方面賦予它不同的名字：因果建模—功能方面；協(xié)方差結構分析—數(shù)據(jù)結構方面。結構方程模型在近十年里被廣泛應用于各行各業(yè)。邱皓政在《結構方程模型的原理與應用》[2]中歸納SEM的時候提到，結構方程模型在方法層面上講是一門基于統(tǒng)計分析技術的研究方法學，對多個變量的研究處理有較好的輔助作用。

Weiping Yue[3]等人應用結構方程模型的方法分析了期刊影響力方面的關系，不過沒有進行實例驗證。龐景安[4]等人利用層次分析法并結合相關定量方法，將科技期刊指標進行了分類，并對各個指標進行解釋。俞立平[5]等人從期刊評價指標這一方面著眼，將影響力、期刊特征和時效性3個指標進行分析，發(fā)現(xiàn)結構方程模型除了可以對隱含的指標進行評估以外，還可以對指標進行篩選，因此為期刊評價提供了新思路。邱均平[6]等人使用灰色關聯(lián)法對指標進行評價，并提出了期刊評價指標中的三維層次結構圖。毛國敏[7]等人運用結構方程模型的原理將多個指標分為影響力因子和傳播因子兩類，并對其進行相關關系檢驗。程慧平[8]等人對學術期刊評價指標進行模擬，不但成功揭示了指標之間的關系，也為評價指標的篩選和評估提供了量化參考。陳小山[9]等人在利用主成分分析的基礎上再應用結構方程模型的方法對影響因子、他引影響因子、web下載率等指標之間的結構關系進行了探討。趙婧[10]等使用結構方程模型原理用定量的分析方法，將影響科技期刊發(fā)展的因素進行了分類研究。雷蕾[11]等人將結構方程模型運用在應用語言學領域中，同時使用結構方程模型軟件AMOS進行分析處理。

1 學術期刊評價指標的選擇

1.1 指標選擇

俞立平的研究表明，指標的選擇要從4個方面分析：首先是指標內(nèi)涵、獲取指標的難易度及區(qū)分度；其次是指標的用途和影響；再次是指標的數(shù)量；最后是各個指標的組合形式[12]。

學術期刊的評價指標也在逐年增加，從原有的總被引頻次、即年下載率，到近幾年新加入的特征因子分值和SNIP指數(shù)等。顏帥在文章中提到總被引頻次、基金論文比、影響因子、Web下載率、他引影響因子、國際論文比、國際編委比等幾個指標在所有指標中顯得尤為重要[13]。

1.2 數(shù)據(jù)來源

本文采用的是2016年《中國科技期刊引證報告》(擴刊版)工程技術類期刊的相關數(shù)據(jù)[14]，選擇了電氣工程、工程大學學報、石油天然氣等8個學科類別，期刊數(shù)分別為116、12、65、68、19、37、41、50，合計408種期刊，將其分為影響力因子、傳播力因子兩大類，并從中收集總被引頻次、影響因子、引用期刊數(shù)、學科影響因子、學科擴散因子、H指標、來源文獻數(shù)、平均引文數(shù)、平均作者數(shù)、基金論文比11項指標數(shù)據(jù)，見表1。

由于數(shù)據(jù)之間的差異較大，因此將數(shù)據(jù)進行標準化處理：

標準化處理后的數(shù)據(jù)均在0-1之間，避免了在不同計量單位下的誤差。同時也對數(shù)據(jù)的效度和信度進行了分析處理，然后運用AMOS20.0進行統(tǒng)計分析。

表1 指標及分類

2 結構方程模型原理、假設和驗證

2.1 原理

結構方程模型的路徑圖是由測量模型和結構模型兩部分組成[15]。

圖1 SEM原理圖

潛在變量是指模型中不能直接測量的部分，在AMOS中常用橢圓表示。測量變量是指模型中能夠測量的部分，用矩形表示。外生變量作為其他變量的組成部分而內(nèi)生變量可以由其他內(nèi)生變量或者外生變量組成。中介變量是在內(nèi)生變量和外生變量之間的橋梁。

用方程式表示為

其中：y—內(nèi)生測量變量；λy—y指標與η潛在變量的關系；ε—y指標的誤差項；x—外顯測量變量；λx—x指標與ξ潛在變量的關系；δ—x指標的誤差項；η—內(nèi)生潛在變量；Β—內(nèi)生潛在變量之間的關系；ξ—外顯潛在變量；?！怙@潛在變量之間的關系；ζ—模式內(nèi)所包含的變量以及變量之間的殘差項。

此處需要注意的是，每個潛在變量下至少要有3個測量變量，之前一些學者的研究結果沒有滿足這樣的要求。

例如，外生變量ξ1和ξ2分別由觀察變量x1，x2，x3和x4，x5，x6來測量，其矩陣形式是

依照測量模型，得出：

x1=λ1ξ1+δ1

x2=λ2ξ1+δ2

x3=λ3ξ1+δ3

x4=λ4ξ2+δ4

x5=λ5ξ2+δ5

x6=λ6ξ2+δ6

在這里，λ1，λ2，…，λn分別是某個觀察變量(或者指標)所對應測量的潛在變量上的負荷(Loading)。結構方程模型的測量模型有以下三個前提條件：

(1)E(η)=0，E(ξ)=0，E(δ)=0，E(ε)=0；

(2)ε與η，ξ，δ不相關；

(3)δ與η，ξ，ε不相關。

2.2 模型驗證

3 期刊評價指標的結構方程模擬

3.1 樣本量的確定

結構方程模型的樣本量的最基本要求是要達到測量變量個數(shù)的5～10倍，樣本數(shù)至少要達到200以上，但是大多數(shù)學者會認為樣本數(shù)要達到待估計的自由參數(shù)的10倍以上，才能得到一個相對穩(wěn)定的結論[16]。之前文章中的樣本數(shù)量沒能保證在最優(yōu)的范圍，這樣得到的結果可能存在著誤差。本文的樣本量達到了408個，保證了所得結果的穩(wěn)定性和可靠性。

3.2 模型選定

初始模型假設見圖2所示。

圖2 初始模型

模型中C12表示EXT與INF之間的路徑關系。本文使用AMOS20.0(Analysis of Moment Structures)軟件進行模擬分析。

AMOS軟件共有5種參數(shù)估計的方法[17]，通常情況下，數(shù)據(jù)量在300左右要選擇最大似然估計(Maximum likelihood)；數(shù)據(jù)量超過1000，選擇第5種漸進無母樹統(tǒng)計(Asympotically distribution-free)。由于本文數(shù)據(jù)量為408，選擇最大似然估計法。AMOS軟件可以處理單一的測量模型，同時也可以處理結構模型。本文先對兩組測量模型單獨分析，將擬合不理想的指標刪減，最后保留9個指標。圖3和圖4分別為兩組測量模型的路徑系數(shù)表。

圖3 影響力標準化模擬結果

圖4 傳播力標準化模擬結果

本文在對兩組測量變量分析結束后將其合為一起進行模型測試，結果見圖5。

圖5 初始模型標準化擬合結果

從圖5可以看出他引率INF3和來源文獻量EXT3兩項指標不符合路徑系數(shù)大于0.5的優(yōu)秀標準，因此要將這兩項指標刪除。至此本文將剩下9項指標進行擬合測試。圖6為模擬測試結果。結構方程模型指標擬合度測定有很多種，以下為兩類常用的模型擬合度檢驗形式：一類是兩個或多個模型相似最高，一般指標>0.9，表明具有較高的擬合度，>0.8表明擬合度較好。此類指標有GFI、CFI、TLI等。另一類是兩個或多個模型差異最小，一般指標<0.08才算標準，此類指標有RMSEA、RMR等。

(1)卡方自由度比：即是用卡方值除以模型的自由度，公式為

其中，p表示模型中外生測量變量的個數(shù)，q表示內(nèi)生觀測變量的個數(shù)，t表示模型自有參數(shù)的個數(shù)。

(2)GFI(goodness-of-fit index)：指標與回歸方程中的R2相似，表示模型擬合得到的方差和協(xié)方差能夠表示數(shù)據(jù)資料的方差與協(xié)方差的程度。公式為

其中，Σ表示最大似然法擬合后得到的再生矩陣，S表示原始矩陣。

(3)AGFI(adjusted GFI)：該指標用模型自由度和參數(shù)個數(shù)來調(diào)整GFI，與回歸模型擬合指標中R2。公式為

(4)NFI(normed fit index)：該指標反映了假設模型個獨立模型之間的差異，通常稱為Δ1指標。公式為

(5)RFI(relative fit index)：該指標來源于NFI，用卡方自由度比代替了NFI計算公式中的卡方值。公式為

其中，RFI調(diào)整了模型自由度可能對NFI造成的影響，通常稱為ρ1指標。

圖6 第一次修改后標準化擬合結果

系數(shù)路徑圖中所有系數(shù)均滿足0.5的要求[16]，但是查看結果發(fā)現(xiàn)一些指標之間不符合顯著性，同時也沒有達到GFI、RMSEA等指標的擬合參考，見表2。

3.3 模型擬合修正

根據(jù)上述擬合指標的標準，原始模型的擬合度并不是很理想。因此要進行模型的修正工作。修正指標要查看AMOS20.0輸出結果中的MI指標，見表3。

表2 第一次修改后模型擬合指數(shù)表

根據(jù)表3的M.I.數(shù)據(jù)、刪減后指標結果的檢驗以及期刊指標自身特點，最后本文刪除EXT4、EXT5、和INF4這3項指標并在誤差項e1、e2、e6之間；e4和e10之間；e5和e10之間加入修正條件。再次利用AMOS20.0軟件進行驗證，結果如圖7所示。

表4顯示出所有指標p均小于0.01并且都已經(jīng)達到顯著，說明擬合修正是有可行性的。

以上指標顯示擬合指數(shù)基本符合約束條件，因此本文認為EXT與EXT1引用刊數(shù)、EXT2學科影響指標、EXT4平均引文數(shù)、EXT5平均作者數(shù)、EXT6基金論文比之間存在結構關系；INF與INF1總被引頻次、INF2影響因子、INF4學科影響指標、INF5H指標之間存在結構關系。

表3 MI修正指標值

圖7 修正模型模擬結果

表5為模型的題目信度進行了分析和驗證，數(shù)據(jù)顯示EXT和TIM與其測量變量之間的相關性都可以達到可接受的范圍，而INF與INF4學科影響指標之間的相關性差一些?？赡苁且驗閷W科與學科之間存在著差異，評價不同學科期刊的標準可能也會有所區(qū)別。

4 結語

修正和檢驗的結果顯示，影響力和廣度之間有0.52的相關關系，但是二者間并沒有方向關系。影響力因子與總被引頻次(INF1)、影響因子(INF2)、學科影響指標(INF4)、H指標(INF5)之間的因子載荷量分別為0.812、0.847、0.366、0.788。傳播力因子與引用刊數(shù)(EXT1)、學科擴散指標(EXT2)、平均引文數(shù)(EXT4)、平均作者數(shù)(EXT5)、基金論文比(EXT6)之間的因子載荷量分別為0.721、0.496、0.868、0.741、0.913。

表4 修正模型顯著性檢驗

表5 題目信度檢驗

根據(jù)擬合結果，總被引頻次、影響因子、H指標與影響力因子之間存在高度相關；學科影響指標與影響力因子之間存在低度相關，這樣的結果也是可以接受的，因為不同學科的學科影響指標之間可能會存在著較大差異，導致指標相關過低。而引用刊數(shù)、平均引文數(shù)、平均作者數(shù)、基金論文比與傳播力因子均存在高度相關，只有學科擴散指標與傳播力因子之間存在中度相關，這也可能是由于學科之間的相關度低所導致的結果。

SEM模型在產(chǎn)生過程中多加入研究者自身的情感，因此可能會因為過度修正而達到研究者事先想要的結果。與此同時，對數(shù)據(jù)的依賴超過了原本的標準，這樣就會對原有的理論忽視，而研究的結果也會因此失去有效性。

結構方程模型采用的是驗證性因素分析而不是探索性因素分析，這兩種不同的分析，所基于的原理是不同的，但多數(shù)應用這兩種方法的學者不理解或者忽視它們之間的差別。驗證性因素分析方法是指在擬定模型之前，學者通過自身所學理論知識對其研究指標進行初步分類，建立初始模型，并通過對數(shù)據(jù)的分析將分析結果與原假設模型進行擬合度檢驗。這里要求路徑系數(shù)與擬合指標雙重驗證方式。此前很多學者的擬合指標或路徑系數(shù)沒能達到標準，甚至比較之下相差很多，這一點要引起各界學者的注意。結構方程模型是一種驗證性因素分析方法，一定要嚴格要求各項指標的擬合度是否符合理論標準。

[1] JORESKOG K G,SORBOM D.Advances in factor analysis and structural equation models[M].Cambridge:MA,1979.

[2] 邱皓政,林碧芳.結構方程模型的原理與應用[M].北京：中國輕工業(yè)出版社,2009.

[3] YUE W P,WILSON C S.Measuring the citation impact of research journals in clinical neurology:a structural equation modelinganalysis[J].Scientometrics,2004(3)：317-334.

[4] 龐景安，張玉華.中國學術期刊綜合評價指標體系的研究[J].中國學術期刊研究，2000(11)：217-219.

[5] YU L P,CHEN Y Q,PAN Y T.Research on the evaluation of academic journals based on structural equation modeling[J].Journal of Informetrics,2009(3):304-311.

[6] 邱均平，張榮.期刊評價指標體系及定量方法研究[J].現(xiàn)代圖書情報技術，2004(7)：23-26.

[7] 毛國敏，蔣知瑞，任蕾,等.影響因子等主要期刊指標之間的關系研究[J].中國科技期刊研究，2012，23(3):377-382.

[8] 程慧平，萬莉.學術期刊評價指標結構研究_基于結構方程模型[J].情報雜志，2014，33(11)：113-116，123.

[9] 陳小山，陳國福，張瑞.基于因子分析和SEM模型的期刊評價指標結構關系研究[J].情報科學，2016，34(10)：61-64,71.

[10] 趙婧，潘云濤.基于結構方程模型的科技期刊發(fā)展影響因素研究[J].科技與出版，2016(9)：120-125.

[11] 雷蕾.結構方程建模及AMOS軟件在應用語言學研究中的應用[J].中國學術期刊研究，2009， 21(1)：39-44.

[12] 俞立平，潘云濤，武夷山.學術期刊評價指標選取若干問題的思考[J]情報雜志，2009,28(3)：75-77,100.

[13] 顏帥.科技學術期刊的質(zhì)量控制與審讀(講稿)[EB/OL](2012-06-29)[2012-07-05].下載地址：http:/blog.sina.com.cn/s/blog_54f7cb080106a7lu.html.[14] 中國科學技術信息研究所.2016年版中國期刊引證報告(擴展版)[M].北京:科學技術文獻出版社,2016.

[15] 林嵩，結構方程模型原理及AMOS應用[M].武漢：華中師范大學出版社,2008.

[16] 吳明隆.結構方程模型-AMOS實務進階[M].重慶：重慶大學出版社,2013.

[17] 毛國敏，蔣知瑞，生冬梅，等.期刊計量指標的鑒別度和可信度分析與研究[J].中國科技期刊研究，2012，23(2):202-207.

(責任編輯：劉劃 英文審校：趙歡)

Researchontherelationshipbetweenthestructuresofsci-techjournalevaluationindexbasedonstructuralequationmodel

LIU Yanga，WEN Xue-binga,b，LIU Rui-yina

(a.School of Mathematics and Systems Science,b.Editorial Office of Journal,Shenyang Normal University,Shenyang 110034,China)

In this paper,we study the correlation between quantitative evaluation index of sci-tech journals and provide a reference for building classification index and evaluation system.Based on the principle of structural equation model,this paper uses the AMOS software to correlatively analyze 408 data of 12 types of journals of science and technology from report on the 2016 China's journals of science and technology.The result shows that a total of nine indicators from 2 classes meet the theory of structural equation model and the correlation between the levels of the first and secondary indicators.Analysis results reflect that the ability of the four indexes on the journals influence factors to explain the cited frequency,impact factor,subject factor,H index were 0.81,0.85,0.37,0.79 respectively;the ability of the five indexes on journal of power factor to references publication number,subject effect index,the average number of citations,the average number of authors,fund paper were 0.72,0.50,0.87,0.74,0.91 respectively.Compared with the former journal indexes studied by using structural equation results,the conclusion of this paper conforms more to the requirements of the structural equation theory.At the same time,it is concluded that the structural equation model for the classification of the journals index provides new ideas and solutions,which would be an important tool to solve journals index screening in the future.

sci-tech journal;evaluation index;structural equation model;AMOS;relationship between the indicator structures

2017-07-18

國家自然科學基金(項目編號：11401393)；國家統(tǒng)計局全國統(tǒng)計科學研究項目(項目編號：2014LY017)

劉 洋(1991-)，女，遼寧鐵嶺人，碩士研究生，主要研究方向：統(tǒng)計學應用，E-mail:285199375@qq.com;溫學兵(1975-)，男，河北唐山人，副教授，主要研究方向：統(tǒng)計學理論和應用，E-mail:xbw2004@163.com。

2095-1248(2017)04-0088-08

O213； TP39；G213

： A

10.3969/j.issn.2095-1248.2017.04.012