分数预测因子分析作为识别单项指标的方法模型
应用统计
2020-04-07 v1
摘要
分数预测因子分析（SPFA）被提出作为一种方法，可在某些条件下计算出与因子分析所得公共因子相关性高于由公共因子模型计算的因子分数预测器。在本研究中，我们将 SPFA 作为一种独立模型加以考察。为此，我们研究了 SPFA 因子分数预测器的性质与效用，以及在其载荷矩阵中识别单项指标的可能性。关于因子分数预测器，主要结果是分数预测因子分析的最佳线性预测器不仅具有完全确定性，而且保持相关性。关于 SPFA 载荷，一项模拟研究发现，相较于常规因子分析，仅由单一变量以相当显著的载荷所代表的五个或更多总体因子，可通过 SPFA 更准确地被识别。此外，SPFA 正确识别的单项指标比例显著大于公共因子模型。因此我们认为，SPFA 是一种在需要识别极短量表或单项指标时特别有用的工具。
引用
@article{arxiv.2004.02449,
title = {Score Predictor Factor Analysis as model for the identification of single-item indicators},
author = {André Beauducel and Norbert Hilger},
journal= {arXiv preprint arXiv:2004.02449},
year = {2020}
}