问卷答案的逆广义自旋模型

网络心理学将心理构念视为相互作用变量系统的涌现属性。能量基准概率模型因其心理学应用而日益流行，但迄今为止的心理学应用仍有限，因为大多数实现假设二元或三元响应，并依赖限制性推断假设。我们推断并分析了三个广义自旋模型的序数问卷数据：广义 Ising 模型、Blume-Capel (BC) 模型和 Blume-Emery-Griffiths (BEG) 模型。我们证明了参数的最大似然估计的凸性，以及 Ising 和 BC 模型的度量不变性。随后，我们提出一种基于蒙特卡洛估计似然梯度的近似似然最大化推断协议。我们将此程序应用于十一份心理学和社会学问卷，比较推断得到的自旋模型与多元正态分布。随后，我们评估推断得到的模型是否在主成分直方图以及到均值答案的欧几里得距离和马哈拉诺斯距离直方图中再现数据经验特征。主成分直方图中观察到的多模态性在一定程度上被自旋模型捕获。这种特征的极化可从均场理论的角度理解，作为自旋模型的稳定相和亚稳定相的共存。BEG 模型在捕获到均值响应和异常值分布方面系统性地优于其他模型，而所有模型都低估了马哈拉诺斯距离的厚尾。总体而言，分析见证了 BEG 模型的预测能力，能够比其他模型更好地解释异常值和均值响应的丰富性，揭示了问卷数据中高度非线性特征，这些特征是高斯模型和自旋模型难以捕获的。