坚固的斜小样本的目标旋转
André Beauducel1, Norbert Hilger1
1Department of Psychology, University of Bonn, Bonn, Germany.
Frontiers in psychology
|December 13, 2023
概括
平均目标旋转在探索性因子分析中最大限度地减少采样错误,特别是在小样本和复杂模型中. 与传统的目标旋转技术相比,这种方法提高了斜面简单结构调查的准确性.
科学领域:
- 心理测量 心理测量 心理测量
- 统计建模 统计建模
背景情况:
- 倾斜的目标旋转用于探索性因子分析中研究倾斜的简单结构.
- 传统的目标旋转可能容易产生采样错误,特别是在单次交叉加载时.
研究的目的:
- 提出和评估一种新的方法,即平均目标旋转,以减轻目标旋转中的采样错误效应.
- 在探索性因子分析中提高因子解决方案的可靠性.
主要方法:
- 在独立集群模型中计算突出负载块的平均交叉负载.
- 在区块平均交叉负载上执行目标旋转.
- 将得到的转换矩阵应用于完整的未旋转的负载矩阵.
主要成果:
- 与传统的目标旋转相比,平均斜的目标旋转显示了因子相互关联的偏差减少,特别是在小样本大小和大量因子的情况下.
- 经验示例显示,小子样本中的Target旋转因子与使用平均Target旋转的总样本之间的相似性更大.
结论:
- 平均目标旋转建议用于侧向因子模型,强调简单的结构,特别是在处理小样本时.
- 拟议的方法为因子旋转提供了更强大的方法,减少了采样错误的影响.
