基于分类变量的验证性因子分析中确定性系数的偏差
摘要：确定性系数作为衡量因子分数预测的有效性的指标，经常受到强调。之前的模拟研究揭示了基于分类变量的因子分数预测器的确定性系数存在偏差。因此，鉴于计算确定性系数的不同方法，本研究比较了最佳线性因子分数预测器和保持相关性的因子分数预测器的确定性系数的偏差。这些预测器基于具有2、4、6和8个类别的观测变量的确认性因子模型，并采用了最大似然估计、对数加权最小二乘估计和贝叶斯估计。当数据基于两个类别的变量、人口因素相关以及存在未建模的交叉加载时，发现了正偏差。根据结果，建议纠正抽样误差、使用最大似然或贝叶斯参数，并使用至少四个类别的数据，以避免对基于参数的确定性系数进行高估。
作者：Andr''e Beauducel, Norbert Hilger, and Anneke Weide
论文ID：2305.06903
分类：Applications
分类简称：stat.AP
提交时间：2023-05-12