心理学

基于时间序列和面板数据的心理测量网络模型。网络心理测量学领域的研究人员通常关注于对横截面数据或单个受试者时间序列数据的观测变量之间偏相关的无向网络模型(GGMs)的估计。这假设所有变量的测量没有测量误差,这可能是不可信的。此外,横截面数据无法区分受试者内部和受试者之间的影响。本文提供了一个通用的框架,扩展了GGM模型的潜在变量,包括随时间变化的关系。这些关系可以从时间序列数据或面板数据中估计出来,这些数据至少有三个测量波。该模型采用潜在变量之间的图形向量自回归模型,当从时间序列数据估计时称为extit{ts lvgvar},从面板数据估计时称为extit{tslvgvar}。这些方法已在extit{psycholinetrics}软件包中实现,在两个实证例子中,一个使用时间序列数据,一个使用面板数据,并在两个大规模模拟研究中进行了评估。文章最后讨论了遍历性和概化性。尽管在原则上,受试者内部的影响可能与受试者之间的影响分开,但这些结果的解释取决于测量的强度和时间间隔,以及平稳性假设的合理性。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献(参考文献1条,1标准件)

显示结果1/1。
按年份排序(引用)

  1. Epskamp,Sacha:来自时间序列和面板数据的心理测量网络模型(2020)