用于检测统计模型误设定的深度神经网络：以测量不变性为例
统计方法学
2022-02-04 v2
摘要
尽管近年来已提出若干新的统计方法来在不同测量不变性假设下对群组差异建模，但用于检测这些模型局部误设定的工具尚未充分发展。在本研究中，我们提出一种使用深度神经网络（DNN）的新方法。我们将所提模型与最流行的传统方法进行比较：验证性因子分析（CFA）建模中的修正指数（MI）与期望参数变化（EPC）指标、logistic DIF 检测，以及随 CFA 对齐方法引入的序贯过程。模拟研究表明，所提方法在几乎所有情景下均优于传统方法，或至少与最佳方法一样准确。我们还提供了一个利用欧洲社会调查数据的实证示例，其中包含已知被误译的条目，这些条目被所呈现的 DNN 方法正确识别。
引用
@article{arxiv.2107.12757,
title = {Deep Neural Networks for Detecting Statistical Model Misspecifications. The Case of Measurement Invariance},
author = {Artur Pokropek and Ernest Pokropek},
journal= {arXiv preprint arXiv:2107.12757},
year = {2022}
}
备注
46 pages, 7 figures, 4 tables