预测视角下双因子模型与高阶因子模型的模拟比较研究
发布时间:2019-10-13 05:49
【摘要】:双因子模型和高阶因子模型,作为既有全局因子又有局部因子的两个竞争模型,在心理学、教育学和管理学等领域有着广泛的应用。现有的研究大多认为双因子模型优于高阶因子模型:双因子模型不仅可以评估局部因子在整个构念中的地位,侦测出无意义的局部因子;还可以探讨控制了全局因子后,局部因子对其他构念的独特预测作用;然而,双因子模型也有其不足:模型更加复杂,需要估计的参数更多,在小样本条件下,有时需要提供初始值才能收敛。对于这一不足可能造成的偏差,现有的文献更多地是从模型拟合的角度对两个模型进行比较。这些研究大多都是基于实测数据或在实测数据基础上的模拟研究,仅有少数的模拟研究,不具系统性,且结果各不一致。因此,很难得出何种模型更好的一致性结论。心理学研究不仅仅是为了描述和解释,更重要地,还有预测和控制。除了模型拟合指标,预测效度也是模型结构效度的重要方面。为弥补两个模型比较研究所得结论不一致的不足,本文采用Monte Carlo模拟方法,在传统的模型拟合差异比较的基础上,从预测效度这一新的视角出发,以结构系数偏差作为度量预测效度精确度的指标,为揭示两个模型在预测效度上的差异表现,开展了三项实验研究。研究一主要比较了大样本条件(N=1000)下,效标为显变量时,全局因子与局部因子在不同负荷水平(0.4,0.5,0.55,0.6,0.7)下,双因子模型与高阶因子模型在模型拟合及预测的准确度方面的差异。为使结论更具普遍性,在同样的实验条件下,研究二着重比较了大样本条件(N=1000)下,效标为潜变量时,双因子模型与高阶因子模型在预测的准确度方面的差异。为检验样本容量对研究结果的影响,研究三比较了不同负荷条件下,效标变量分别为显变量和潜变量时,样本容量为200和500的结果。研究结果表明:(1)当样本量为1000时,两种模型在拟合效果方面无显著差异;但在预测效度方面,当效标为显变量时,两个模型的结构系数估计值皆为无偏估计;而效标为潜变量时,高阶因子模型表现优于双因子模型:高阶因子模型的结构系数为无偏估计,但双因子模型的结构系数估计值在50%左右的情况下存在偏差。(2)当样本容量为200和500时,高阶因子模型的预测效度总体上要好于双因子模型。(3)随着样本容量的增大,模型的结构系数偏差会变小。(4)当效标变量为显变量时,两个模型的结构系数偏差要低于效标变量为潜变量时。
【图文】:
=y1y2y3y4y5y6y7y8y9y10y11y12, =λg1,1λs1,10 0λg2,1λs2,10 0λg3,1λs3,10 0λg4,1λs4,10 0λg5,10 λs5,20λg6,10 λs6,20λg7,10 λs7,20λg8,10 λs8,20λg9,10 0 λs9,3λg10,10 0 λs10,3λg11,10 0 λs11,3λg12,10 0 λs12,3, =ηg1ηs1ηs2ηs3, =
应用心理硕士专业学位论文=λ1,1λ2,1λ3,1λ4,1000000000000λ5,2λ6,2λ7,2λ8,2000000000000λ9,3λ10,3λ11,3λ12,3, = [η1η2η3], =Γ1,1Γ2,1Γ3,1, = ξ , = [ζ1ζ2ζ3]
【学位授予单位】:江西师范大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:B841
本文编号:2548516
【图文】:
=y1y2y3y4y5y6y7y8y9y10y11y12, =λg1,1λs1,10 0λg2,1λs2,10 0λg3,1λs3,10 0λg4,1λs4,10 0λg5,10 λs5,20λg6,10 λs6,20λg7,10 λs7,20λg8,10 λs8,20λg9,10 0 λs9,3λg10,10 0 λs10,3λg11,10 0 λs11,3λg12,10 0 λs12,3, =ηg1ηs1ηs2ηs3, =
应用心理硕士专业学位论文=λ1,1λ2,1λ3,1λ4,1000000000000λ5,2λ6,2λ7,2λ8,2000000000000λ9,3λ10,3λ11,3λ12,3, = [η1η2η3], =Γ1,1Γ2,1Γ3,1, = ξ , = [ζ1ζ2ζ3]
【学位授予单位】:江西师范大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:B841
【参考文献】
相关期刊论文 前2条
1 顾红磊;温忠麟;方杰;;双因子模型:多维构念测量的新视角[J];心理科学;2014年04期
2 黎志华;尹霞云;蔡太生;朱翠英;;特质乐观的结构:传统因素模型与双因素模型[J];中国临床心理学杂志;2013年01期
,本文编号:2548516
本文链接:https://www.wllwen.com/shekelunwen/xinlixingwei/2548516.html