| 心理学研究中潜变量空间的特性探讨 |
|
|
|
拟合连续分布（HEinen，1996；Owen，2001）。然而，无法通过比较单纯的连续分布和间断分布以确定潜变量是连续还是间断。潜在类别模型（Latent class model，LCM）则用于表示间断的潜变量，而且是具有多维的二分潜变量。在多维度的潜在类别模型中，随着潜变量数值结点的增加，模型所拟合的并非连续分布，而是逐渐拟合多维的潜变量结构。基于此，LCM可以与间断等距（discrete metrical）和连续的潜在特质模型相比较，从而判断模型的维度和数值结点数目。若LCM拟合得更好，说明潜变量是间断分布或多维的连续分布。间断等距（discrete metrical）、多级（polyvalued）和连续型IRT分别是反映间断、称名和连续的潜变量。而混合模型则通过几个连续子分布来表示间断的潜变量，而这种间断性则更为高阶。由于同在潜在结构模型的框架下，模型之间具有可比性，可通过比较间断分布的模型与连续分布的模型，以探讨潜变量的性质。由于外显变量通常为间断数据，该研究就此应用累积逻辑斯蒂（cumulative logistic latent variable model）探讨顺序型外显变量下的潜变量类型。在此模型中，潜变量θk不但受斜率a和截距b影响，还受分布状态p（θk）影响，其中该分布是连续还是间断分布则决定于结点数目k；该值可以自由估计，亦可根据分布的正态性进行初步设定。根据信息论指标（information-theoretic criteria）进行模型比较，以确定潜在空间的特性。
Markon和Krueger（2006）的研究重点探讨了在模型选择的准确性。实证研究发现，对于连续型数据分布，增加样本可减小因受模型复杂性的干扰而误判为连续正态分布的情况。另一方面，间断分布随着潜在结点数目的增加而使模型区分的难度增加，换言之，当与连续分布模型比较时，潜变量为二分变量的间断模型比潜变量为顺序变量的间断模型更具有区分性。模拟研究发现，在间断型的样本分布下，测量信息（包括题量和计分等级）比样本量在确定潜在结构特性中发挥更大的作用，随着类型数目的增加，模型选择的功效都有所降低。在连续型的样本分布下，小样本和题量少时更倾向于连续型的正态分布，随着样本量和题量的增加，则更接近原模型的分布状态。综上，基于信息论指标的模型选择方法受样本上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] 下一页 |
|
|
| |
|
上一个论文： 积极心理学对体育运动心理学研究的启示
下一个论文： 整合数据分析方法在心理学研究中的应用 |
|
用户登录 
新用户注册 