091. Zmienne latentne – konstrukty, których nie obserwujemy bezpośrednio

W poprzednich lekcjach klasyfikowaliśmy zmienne na podstawie ich roli w modelu badawczym. Teraz przechodzimy do sytuacji, w której sama zmienna jest przede wszystkim pojęciem teoretycznym. Depresja, lęk, jakość życia, wypalenie zawodowe, dobrostan, zaufanie do instytucji czy obciążenie objawami nie są zwykle obserwowane bezpośrednio tak jak wzrost, liczba hospitalizacji albo stężenie hemoglobiny. Mimo to można je badać empirycznie, pod warunkiem że zostaną poprawnie zdefiniowane i powiązane z obserwowalnymi wskaźnikami.

Czym jest zmienna latentna?

Zmienna latentna to zmienna, której wartości nie obserwujemy bezpośrednio, lecz wnioskujemy o nich na podstawie kilku zmiennych obserwowalnych. Termin latentna oznacza ukrytą, nieobserwowaną wprost. W języku metodologii często używa się także określeń konstrukt teoretyczny, zmienna ukryta albo czynnik.

Nie oznacza to, że zmienna latentna jest fikcją lub dowolnym wymysłem badacza. Jest elementem modelu teoretycznego, który powinien mieć jasno określone znaczenie, przewidywania i sposób operacjonalizacji. Konstrukty psychologiczne i społeczne nie są bezpośrednio dostępne obserwacji, lecz mogą pozostawiać regularne ślady w zachowaniu, odpowiedziach na pytania, wynikach testów lub danych klinicznych. Klasyczna koncepcja trafności konstruktu zakładała, że interpretacja wyniku testu musi być osadzona w szerszej sieci teoretycznych zależności (Cronbach i Meehl, 1955). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/13245896/?utm_source=openai))

Przykładowo, badacz nie obserwuje bezpośrednio „poziomu lęku”. Może jednak zebrać informacje o częstości napięcia, trudnościach z zasypianiem, obawach przed przyszłością, objawach somatycznych oraz unikaniu określonych sytuacji. Każdy z tych pomiarów jest niedoskonały, ale ich wspólny wzorzec może dostarczać informacji o postulowanym konstrukcie.

Konstrukt a jego wskaźniki

Najważniejsze jest rozróżnienie między konstruktem a wskaźnikiem obserwowalnym. Konstrukt jest pojęciem teoretycznym, natomiast wskaźnik jest konkretną zmienną, którą można zapisać w bazie danych.

Poziom	Przykład	Charakter
Konstrukt latentny	Depresyjność	Pojęcie teoretyczne
Wskaźnik obserwowalny	„W ciągu ostatnich dwóch tygodni odczuwałem smutek”	Odpowiedź na pozycję kwestionariusza
Wskaźnik obserwowalny	„Miałem trudności z koncentracją”	Odpowiedź na inną pozycję
Wynik empiryczny	0–3 punkty dla pozycji	Wartość zapisana w danych

W praktyce konstrukt może być reprezentowany przez wiele wskaźników, ponieważ pojedyncze pytanie lub pojedyncza obserwacja rzadko obejmuje cały zakres znaczeniowy pojęcia. Wielowskaźnikowy pomiar ogranicza wpływ przypadkowego błędu jednej pozycji i pozwala sprawdzić, czy odpowiedzi układają się zgodnie z założoną strukturą.

Model pomiarowy

Relację między zmienną latentną a jej wskaźnikami opisuje model pomiarowy. W najprostszym przypadku zakładamy, że obserwowany wynik jest połączeniem części wspólnej, związanej z konstruktem, oraz błędu pomiaru.

Można to zapisać następująco:

Yi = λiη + εi

W tym równaniu:

• Yi oznacza i-ty wskaźnik obserwowalny, na przykład odpowiedź na konkretne pytanie kwestionariusza;
• η oznacza zmienną latentną, na przykład depresyjność lub jakość życia;
• λi to ładunek czynnikowy, czyli parametr opisujący siłę związku wskaźnika z konstruktem;
• εi oznacza składnik błędu, obejmujący między innymi specyficzność pozycji, przypadkowe wahania odpowiedzi i wpływ czynników nieuwzględnionych w modelu.

Jeżeli ładunek czynnikowy jest względnie duży, dany wskaźnik zawiera więcej informacji wspólnej z konstruktem. Nie należy jednak oceniać pozycji wyłącznie na podstawie jednego progu liczbowego. Znaczenie ma także treść pytania, zakres konstruktu, sposób kodowania, populacja badana oraz model teoretyczny.

W modelu pomiarowym zmienna latentna nie musi być wyliczana jako zwykła suma pozycji. W analizie czynnikowej lub w modelu równań strukturalnych jest ona estymowana na podstawie wzorca współzmienności między wskaźnikami. To ważna różnica: wynik latentny jest parametrem modelu, a nie po prostu kolejną kolumną pomiaru.

Wskaźniki refleksyjne i formatywne

W wielu skalach psychologicznych przyjmuje się, że konstrukt odzwierciedla się w odpowiedziach na pytania. Taki układ nazywa się modelem refleksyjnym. Jeżeli osoba ma wysoki poziom lęku, może częściej zgłaszać napięcie, zamartwianie się, problemy ze snem i objawy somatyczne. Wskaźniki są wtedy przejawami wspólnego źródła.

W modelu formatywnym kierunek interpretacji jest odwrotny: wskaźniki współtworzą konstrukt lub jego indeks. Przykładowo, społeczny status ekonomiczny może być konstruowany na podstawie dochodu, poziomu wykształcenia, warunków mieszkaniowych i rodzaju zatrudnienia. Nie zakłada się koniecznie, że wszystkie te elementy są skutkami jednej ukrytej cechy. Mogą one razem definiować szerszy indeks.

Rozróżnienie jest merytoryczne, a nie wyłącznie techniczne. W modelu refleksyjnym usunięcie jednej podobnej pozycji może nie zmienić zasadniczo zakresu konstruktu. W modelu formatywnym usunięcie istotnego komponentu może zmienić definicję indeksu. Edwards i Bagozzi (2000) podkreślają, że kierunek relacji między konstruktem a pomiarem powinien wynikać z teorii, a nie z automatycznego wyboru wygodnego modelu. ([researchgate.net](https://www.researchgate.net/publication/12384011_On_the_Nature_and_Direction_of_Relationships_Between_Constructs_and_Measures?utm_source=openai))

Przykład 1: jakość życia pacjentów

Załóżmy, że celem badania jest ocena jakości życia osób z przewlekłą niewydolnością serca. Badacz nie powinien utożsamiać jakości życia wyłącznie z jednym wynikiem laboratoryjnym ani z samą liczbą hospitalizacji. Jakość życia może obejmować kilka wymiarów:

• funkcjonowanie fizyczne;
• ograniczenia w wykonywaniu codziennych czynności;
• samopoczucie emocjonalne;
• funkcjonowanie społeczne;
• subiektywną ocenę zdrowia.

Każdy wymiar może być mierzony kilkoma pytaniami. Następnie badacz może sprawdzić, czy odpowiedzi tworzą jeden ogólny czynnik jakości życia, czy raczej kilka powiązanych czynników. Druga możliwość może być bardziej zgodna z teorią: pacjent może dobrze funkcjonować społecznie, ale mieć znaczne ograniczenia fizyczne.

Wniosek „interwencja poprawiła jakość życia” powinien być oparty na zdefiniowanym modelu pomiarowym i porównaniu wyników w czasie. Sam wzrost średniej sumy punktów nie wystarcza, jeśli nie wiadomo, czy pozycje rzeczywiście mierzą ten sam konstrukt oraz czy sposób interpretacji skali jest taki sam przed i po interwencji.

Przykład 2: wypalenie zawodowe pielęgniarek

Wypalenie zawodowe jest konstruktem wielowymiarowym. Można rozpatrywać między innymi wyczerpanie emocjonalne, dystans lub cynizm wobec pracy oraz obniżone poczucie skuteczności zawodowej. Są to pojęcia powiązane, ale niekoniecznie tożsame.

Jeżeli badacz użyje dziesięciu pytań dotyczących wyłącznie zmęczenia, nie powinien bez dodatkowego uzasadnienia twierdzić, że zmierzył całe wypalenie zawodowe. Zmierzył raczej określony aspekt konstruktu. W analizie warto zatem porównać model jednoczynnikowy z modelem wieloczynnikowym i sprawdzić, który lepiej odpowiada teorii oraz danym.

Trzeba także uważać na źródło danych. Jeżeli wszystkie wskaźniki pochodzą z jednego kwestionariusza wypełnianego w tym samym momencie, ich korelacje mogą być częściowo skutkiem wspólnej metody pomiaru, podobnego sformułowania pytań lub tendencji do udzielania odpowiedzi zgodnych z ogólnym nastrojem.

Zmienne latentne w analizie czynnikowej i SEM

Eksploracyjna analiza czynnikowa pomaga rozpoznawać możliwą strukturę wskaźników, gdy teoria jest słabiej rozwinięta lub gdy badacz testuje wstępny układ pozycji. Konfirmacyjna analiza czynnikowa służy do sprawdzania wcześniej określonego modelu pomiarowego. Nie jest to jednak mechaniczne „potwierdzanie” konstruktu. Dobre dopasowanie modelu do danych nie dowodzi, że konstrukt istnieje w dokładnie takiej postaci ani że skala jest trafna w każdej populacji.

W modelu równań strukturalnych można połączyć część pomiarową z częścią strukturalną. Przykładowo, badacz może postawić hipotezę, że obciążenie pracą wpływa na wypalenie zawodowe, a wypalenie wiąże się z intencją odejścia z pracy. Wtedy obciążenie, wypalenie i intencja odejścia mogą być konstruktami latentnymi, natomiast ich wskaźnikami są odpowiedzi na pozycje skal.

Warto pamiętać, że model latentny nie usuwa automatycznie wszystkich problemów pomiaru. Estymacja zależy od liczby wskaźników, ich jakości, wielkości próby, rozkładów danych, braków danych, założeń estymatora oraz identyfikacji modelu. Podstawowe zasady modeli latentnych i ich połączenia z analizą ścieżek przedstawia Bollen (1989), a współczesne praktyczne omówienie SEM zawiera Kline (2016). ([doi.org](https://doi.org/10.1002/9781118619179?utm_source=openai))

Jak oceniać jakość pomiaru?

Ocena zmiennej latentnej powinna obejmować co najmniej kilka aspektów:

1. Definicję konstruktu. Trzeba określić, co konstrukt obejmuje, a czego nie obejmuje.
2. Reprezentatywność wskaźników. Pozycje powinny pokrywać istotny zakres znaczeniowy konstruktu.
3. Strukturę wewnętrzną. Należy sprawdzić, czy dane wspierają model jednoczynnikowy lub wieloczynnikowy.
4. Rzetelność. Wskaźniki powinny dostarczać dostatecznie powtarzalnych informacji, ale wysoka zgodność wewnętrzna nie jest sama w sobie dowodem trafności.
5. Trafność konwergentną i różnicową. Konstrukt powinien wiązać się z pojęciami, z którymi teoretycznie powinien być powiązany, a zarazem różnić się od konstruktów odrębnych.
6. Niezmienniczość pomiaru. Jeżeli porównujemy grupy lub momenty pomiaru, należy rozważyć, czy skala działa w nich podobnie.

Walidacja nie jest pojedynczym testem ani jedną wartością p. Jest procesem gromadzenia dowodów na rzecz określonej interpretacji wyników. W ujęciu Borsbooma, Mellenbergha i van Heerdena (2004) szczególnego znaczenia nabiera pytanie, czy postulowana cecha rzeczywiście ma związek przyczynowy z wynikami pomiaru, a nie tylko koreluje z innymi zmiennymi. ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/15482073/?utm_source=openai))

Najczęstsze błędy

• Traktowanie konstruktu jak bezpośrednio zmierzonego faktu. Wynik skali jest obserwowany, natomiast konstrukt jest interpretacją teoretyczną.
• Utożsamianie rzetelności z trafnością. Pozycje mogą być bardzo zgodne, a mimo to mierzyć zbyt wąski lub niewłaściwy aspekt zjawiska.
• Automatyczne sumowanie pozycji. Wynik sumaryczny ma sens dopiero wtedy, gdy uzasadnia go teoria i struktura pomiaru.
• Pomijanie wielowymiarowości. Konstrukty takie jak jakość życia, zdrowie psychiczne czy status społeczny często mają kilka wymiarów.
• Wybór modelu na podstawie dopasowania bez teorii. Modyfikowanie modelu tylko po to, aby poprawić indeksy dopasowania, zwiększa ryzyko uzyskania rozwiązania przypadkowego.
• Wyciąganie wniosków przyczynowych z samej zmiennej latentnej. Zastosowanie SEM nie czyni automatycznie badania eksperymentem.
• Ignorowanie błędu pomiaru. Nieprecyzyjne wskaźniki mogą osłabiać lub zniekształcać związki między konstruktami.

Przykład praktyczny: skala lęku przed hospitalizacją

Badacz chce ocenić lęk przed hospitalizacją u pacjentów przyjmowanych planowo. Definiuje konstrukt jako utrwaloną tendencję do odczuwania napięcia i obaw związanych z pobytem w szpitalu. Przygotowuje sześć pozycji ocenianych w skali od 1 do 5, dotyczących między innymi obaw przed bólem, utratą kontroli, procedurami medycznymi, samotnością i złymi wiadomościami.

Przed analizą należy ustalić, czy wszystkie pozycje mają odzwierciedlać jeden konstrukt, czy też tworzą dwa wymiary, na przykład lęk przed procedurami i lęk przed konsekwencjami hospitalizacji. Następnie można przeprowadzić analizę czynnikową, ocenić ładunki, rozważyć korelacje błędów tylko wtedy, gdy istnieje merytoryczne uzasadnienie, oraz sprawdzić związki skali z zachowaniami lub wskaźnikami klinicznymi.

Jeżeli pacjenci z wyższym wynikiem częściej odkładają przyjęcie, jest to zgodne z hipotezą o trafności zewnętrznej, ale nie dowodzi jeszcze, że skala mierzy wyłącznie lęk. Odkładanie hospitalizacji może zależeć także od kosztów, opieki nad rodziną, wcześniejszych doświadczeń i dostępności transportu. Właśnie dlatego interpretacja zmiennej latentnej powinna uwzględniać konkurencyjne wyjaśnienia.

Co warto zapamiętać?

• Zmienna latentna jest konstruktem teoretycznym, którego wartości są szacowane na podstawie wskaźników obserwowalnych.
• Wskaźniki nie są tym samym co konstrukt; są empirycznymi sposobami jego operacjonalizacji.
• Model pomiarowy opisuje relację między konstruktem a wskaźnikami i obejmuje błąd pomiaru.
• Trzeba odróżniać modele refleksyjne, w których konstrukt przejawia się we wskaźnikach, od modeli formatywnych, w których wskaźniki współtworzą indeks.
• Analiza czynnikowa i SEM są narzędziami modelowania, a nie substytutem dobrej teorii.
• Rzetelność, trafność i niezmienniczość pomiaru należy oceniać łącznie.
• Wynik modelu latentnego nie jest automatycznie dowodem istnienia konstruktu ani dowodem związku przyczynowego.

W ramach publicznego szkolenia na statystyk.edu.pl warto traktować zmienne latentne jako pomost między teorią a danymi. Dobra analiza zaczyna się nie od kliknięcia procedury statystycznej, lecz od odpowiedzi na pytania: jaki konstrukt chcę opisać, jakie jego przejawy mogę obserwować i jakie dowody uzasadnią interpretację uzyskanego wyniku?

\n

Źródła i dalsza lektura

\n

1. Cronbach, L. J.; Meehl, P. E. (1955). Construct validity in psychological tests. Psychological Bulletin, 52(4), 281–302. DOI: 10.1037/h0040957.
2. Edwards, J. R.; Bagozzi, R. P. (2000). On the nature and direction of relationships between constructs and measures. Psychological Methods, 5(2), 155–174. DOI: 10.1037/1082-989X.5.2.155.
3. Borsboom, D.; Mellenbergh, G. J.; van Heerden, J. (2004). The concept of validity. Psychological Review, 111(4), 1061–1071. DOI: 10.1037/0033-295X.111.4.1061.
4. Bollen, K. A. (1989). Structural Equations with Latent Variables. John Wiley & Sons. Informacja wydawcy / źródło.
5. Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling. 4th edition. The Guilford Press. Informacja wydawcy / źródło.
6. DeVellis, R. F. (2016). Scale Development: Theory and Applications. 4th edition. SAGE Publications. Informacja wydawcy / źródło.

\n

Jeżeli potrzebujesz indywidualnego wsparcia w doborze metod, przygotowaniu bazy lub opracowaniu wyników badań, sprawdź analiza statystyczna.