Mplus | 二阶/高阶模型概述
二阶/高阶模型概述——王孟成老师
在CFA模型中,一般将与指标直接相连的因子称作一阶或阶因子,在一阶因子之上,对低阶因子产生影响的因子称作二阶或高阶因子。
当一阶或低阶CFA模型拟合数据较好时,出于模型简化和/或理论考虑,有时使用一个高阶因子去解释低阶因子间的相关即用高阶模型替代低阶模型。
1 一阶vs.高阶
二阶或高阶CFA模型具有如下优点(Chen, 2005):
(1) 二阶模型可以检验一阶因子间的相关。
(2) 比一阶模型更简约(Gustafsson & Balke, 1993; Rindskopf & Rose, 1988)。
(3) 二阶模型可以将一阶因子的独特性方差从测量误差中分离出来。在二阶模型中,一阶因子的测量残差即为独特性方差,即二阶因子所不能解释一阶因子方差部分。
(4) 二阶模型可以简化其他复杂的测量模型,如MTMM(Eid, Lischetzke, Nussbeck, & Trierweiler, 2003)和潜在状态-特质模型(Latent State–Trait Models; Steyer, Ferring, & Schmitt, 1992)。
(5) Reise等(2010)认为一阶模型本身并非严格的测量模型,因为一阶因子之上并不存在高阶因子去影响条目。
2 何时使用高阶模型
从理论和模型简约的角度考虑使用高阶模型,但究竟高阶模型是否合理,仍需要回到理论。
也可以从低阶因子加总分是否有意义来评定(侯杰泰等,2004)。推而广之,凡是加总没有意义的一阶因子均不能使用二阶模型。
只有同时满足如下两个条件时,才能得到二阶模型优于一阶模型的结论。
(1)二阶负荷较高;
(2)二阶模型与一阶模型相比,拟合并未显著恶化。
声明:部分文章和信息来源于互联网,如转载内容涉及版权等问题,请立即与小编联系,我们将迅速采取适当的措施。
感谢您抽出
更多精彩请点击下列分类文章
↓↓↓
患者会把治疗师当做一个占卜者——不需要患者的帮助就能够觉察梦的真实含义。
向左滑动
关注“自我整合”
从心开始做更好