×

直接Schmid-Leiman变换和秩亏加载矩阵。 (英语) Zbl 1422.62361号

总结:施密德-莱曼(S-L)变换[J.施密德J.M.莱曼《心理测量学》22、53–61(1957年;Zbl 0077.33704号)]是一种流行的进行探索性双因子分析的方法,已用于数百项个体差异变量的研究。为了进行两级S-L变换,通常认为需要进行两个独立的因子分析:一级分析,其中从观测变量相关矩阵中提取(k)个斜旋转因子,以及二级分析,其中从一级因素的相关性中提取一般因素。在本文中,我证明了S-L载荷矩阵必然是秩亏矩阵。然后,我展示了如何利用S-L变换的这一特性从未旋转的一级因子结构中获得直接的S-L解。接下来,我重新分析了曼索夫S.P.Reise公司[“探索性双因子分析:Schmid-Leiman正交化和Jennrich-Bentler分析旋转”,《多元行为研究》51,第5期,698-717(2016;doi:10.1080/00273171.2016.1215898)]说明在测量层次因子模型恢复已知双因子结构的能力时,“最佳”S-L旋转的效用。最后,我展示了如何计算非层次双因子结构的直接双因子解。一份在线补遗包含R代码,用于重现文章中报告的所有分析。

MSC公司:

第62页,共15页 统计学在心理学中的应用
62H25个 因子分析和主成分;对应分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Bandalos,D.L.和Kopp,J.P.(2013年)。探索性双因素旋转在比例尺构建中的作用。在华盛顿特区美国心理学会年会上发表的论文。
[2] Bernaards,C.A.和Jennrich,R.I.(2005年)。因子分析中任意旋转准则的梯度投影算法和软件。教育和心理测量,65,676-696·doi:10.1177/0013164404272507
[3] Briggs,N.E.和MacCallum,R.C.(2003年)。通过最大似然和普通最小二乘估计恢复弱公共因子。多元行为研究,38,25-56·doi:10.1207/S15327906MBR3801_2
[4] Browne,M.W.(1968年)。因子分析技术的比较。《心理测量学》,33,267-334·doi:10.1007/BF02289327
[5] Browne,M.(2001年)。探索性因子分析中的分析轮换概述。多元行为研究,36,111-150·doi:10.1207/S15327906MBR3601_05
[6] 克利夫,N.(1966)。正交旋转到同余。《心理测量学》,31,33-42·doi:10.1007/BF02289455
[7] Eckart,C.和Young,G.(1936年)。一个矩阵与另一个低阶矩阵的近似。《心理测量学》,1211-218·JFM 62.1075.02标准 ·doi:10.1007/BF02288367
[8] Gignac,G.E.(2016)。高阶模型施加了比例约束:这就是为什么双因子模型往往更适合。情报,55,57-68·doi:10.1016/j.intel.2016.01.006
[9] Grayson,D.和Marsh,H.W.(1994)。验证性因素分析中用不足秩载荷矩阵进行识别:多变量多方法模型。《心理测量学》,59,121-134·Zbl 0826.62044号 ·doi:10.1007/BF02294271
[10] Harman,H.和Jones,W.(1966年)。通过最小化残差(minres)进行因子分析。心理测量,31(3),351-368·doi:10.1007/BF02289468
[11] Hendrickson,A.E.和White,P.O.(1966年)。一种旋转高阶因子的方法。英国数学与统计心理学杂志,19,97-103·doi:10.1111/j.2044-8317.1966.tb00358.x
[12] Holzinger,K.J.和Swineford,F.(1937年)。双因素方法。《心理测量学》,第241-54页·doi:10.1007/BF02287965
[13] Horn,R.A.和Johnson,C.R.(2012)。矩阵分析。剑桥:剑桥大学出版社。 ·doi:10.1017/CBO9781139020411
[14] Jennrich,R.I.和Bentler,P.M.(2011年)。探索性双因素分析。《心理测量学》,74537-549·兹比尔1284.62715 ·doi:10.1007/s11336-011-9218-4
[15] Jennrich,R.L.和Bentler,P.M.(2012年)。探索性双因素分析:倾斜案例。《心理测量学》,77,442-454·Zbl 1272.62123号 ·doi:10.1007/s11336-012-9269-1
[16] Jennrich,R.I.和Sampson,P.F.(1966年)。简单负载的旋转。《心理测量学》,31313-323·doi:10.1007/BF02289465
[17] Kristof,W.(1970年)。关于矩阵乘积迹的一个定理及其应用。数学心理学杂志,7515-530·Zbl 0205.49202号 ·doi:10.1016/0022-2496(70)90037-4
[18] Mansolf,M.和Reise,S.P.(2016)。探索性双因子分析:Schmid-Leiman正交化和Jennrich-Bentler解析旋转。多元行为研究,51,698-717·doi:10.1080/00273171.2016.1215898
[19] Mansolf,M.和Reise,S.P.(2017年)。何时以及为什么二阶模型和双因子模型可以区分。情报,61120-129·doi:10.1016/j.intel.2017.01.012
[20] McDonald,R.P.(1985)。因子分析及相关方法。新泽西州希尔斯代尔:劳伦斯·埃尔鲍姆。
[21] Mulaik,S.A.和Quartetti,D.A.(1997年)。一阶或更高阶广义因子?结构方程建模,4193-211·doi:10.1080/10705519709540071
[22] R核心团队(2017)。R: 用于统计计算的语言和环境。R统计计算基金会,奥地利维也纳。URLhttps://www.R-project.org/。
[23] Reise,S.P.(2012)。双因子测量模型的重新发现。多元行为研究,47667-696·doi:10.1080/00273171.2012.715555
[24] Reise,S.P.、Moore,T.M.和Haviland,M.G.(2010年)。双因子模型和旋转:探索多维数据产生单音量表得分的程度。《人格评估杂志》,92,544-559·doi:10.1080/00223891.2010.496477
[25] Reise,S.、Moore,T.和Maydeu-Olivares,A.(2011年)。目标旋转和评估模型违规对一维项目反应理论模型参数的影响。教育和心理测量,71,684-711·doi:10.1177/0013164410378690
[26] Revelle,W.(2017)。《心理学:人格与心理学研究程序》,美国伊利诺伊州埃文斯顿西北大学。https://CRAN.R-project.org/package=psych版本=1.7.5。
[27] Rindskopf,D.和Rose,T.(1988年)。验证性二阶因子分析的一些理论和应用。多元行为研究,23,51-67·doi:10.1207/s15327906mbr2301_3
[28] Schmiedek,F.和Li,S.-C(2004年)。寻求一种新的表征方法,以解决一般认知能力和特定认知能力中与年龄相关的差异。心理学与老龄化,19,40-56·doi:10.1037/0882-7974.19.1.40
[29] Schmidt,J.和Leiman,J.M.(1957)。分层因子解决方案的开发。《心理测量学》,22,53-61·Zbl 0077.33704号 ·doi:10.1007/BF02289209文件
[30] Schönemann,P.H.(1966年)。正交procutes问题的广义解。《心理测量学》,31,1-10·Zbl 0147.19401号 ·doi:10.1007/BF02289451
[31] Schönemann,P.H.(1985)。关于迹和行列式的形式微分。多元行为研究,20,113-139·doi:10.1207/s15327906mb2002_1
[32] 汤姆森·G·H(1939/1948)。人类能力的因子分析。纽约州纽约市:霍顿·米夫林。
[33] Thurstone,L.L.(1947)。多因素分析。伊利诺伊州芝加哥:芝加哥大学出版社·Zbl 0029.22203号
[34] Tucker,L.R.(1940年)。相关因素在因子分析中的作用。《心理测量学》,第5期,第141-152页·JFM 66.0653.06号 ·doi:10.1007/BF02287872
[35] Yung,Y.F.、Thissen,D.和McLeod,L.D.(1999)。关于高阶因子模型和层次因子模型之间的关系。《心理测量学》,第64期,第113-128页·Zbl 1291.62252号 ·doi:10.1007/BF02294531
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。