顺序确认因子分析：一种潜变量测量的新方法
统计方法学
2025-08-22 v1
摘要
在小样本量中进行因子得分估计时，构建层次化国家/亚国家指数常常会遇到参数偏差和收敛失败的问题。本文提出了一种名为"顺序确认因子分析"的新型层次因子分析方法。该方法不同于同时估计多个层次的因子，而是从最低层次依次向最高层次计算因子得分。这种顺序估计方式保持了每一步的原始样本量，同时消除了跨层次协方差估计。我们通过一系列蒙特卡洛模拟，隔离了顺序确认因子分析与传统确认因子分析之间的差异，通过将其结果因子得分与在不同条件下真实潜变量进行比较来验证。我们还使用传统确认因子分析、贝叶斯确认因子分析和顺序确认因子分析对 WJP 法律规则指数进行估计，以测试其性能。我们的发现表明，顺序确认因子分析在简单/中等复杂度的指数方面显著优于传统模型。而在数据偏斜的情况下，传统确认因子分析表现更好。当层次化模型变得复杂时，两种方法的表现相似。最后，顺序确认因子分析可以在传统或贝叶斯确认因子分析收敛失败时提供有效的估计。
引用
@article{arxiv.2508.15611,
title = {Sequential Confirmatory Factor Analysis: A Novel Approach to Latent Variable Measurement},
author = {Zachary Esses Johnson},
journal= {arXiv preprint arXiv:2508.15611},
year = {2025}
}