在密集的纵向数据中不小心响应检测测量的测量不变违规性的会计:探索性与探索性. 部分受约束的潜在马尔科夫因子分析
Leonie V D E Vogelsmeier1, Joran Jongerling1, Esther Ulitzsch2,3
1Department of Methodology and Statistics, Tilburg University, Tilburg, Netherlands.
在密集的纵向数据 (ILD) 中,可以使用灵活的潜在马尔科夫因子分析 (LMFA) 模型检测不小心的响应. 完全探索性的LMFA有效地识别了不小心的反应,即使有测量不变违规行为.
科学领域:
- 心理测量 心理测量 心理测量
- 量化心理学 量化心理学
- 数据分析数据分析
背景情况:
- 密集的纵向数据 (ILD) 收集,如经验采样方法,给参与者带来负担,冒着不小心回应的风险.
- 不小心响应,包括随机响应,损害了数据有效性和研究推断.
- 确认性混合模型,特别是完全受约束的潜伏马尔科夫因子分析 (LMFA),已被提议用于检测ILD的粗心反应.
研究的目的:
- 评估LMFA的灵活变体 - 完全探索性的LMFA和部分受约束的LMFA - 以检测不小心响应.
- 为了评估这些模型在存在非不变的注意响应时的性能,完全受约束的LMFA的共同限制.
主要方法:
- 使用模拟来比较完全探索型LMFA和部分受约束型LMFA的性能.
- 这些模型的评价是基于它们在违反测量不变的条件下区分不小心和专注的反应的能力.
主要成果:
- 完全探索性的LMFA模型在可靠地检测和解释各种形式的疏忽响应方面表现出有效性.
- 这种模型成功地解释了测量不变性的违规,这是完全受约束方法的一个关键限制.
- 部分受约束的LMFA模型在准确检测不小心反应方面存在局限性.
结论:
- 完全探索性的LMFA提供了一个强大的解决方案,用于识别ILD的疏忽反应,特别是当测量不变性被侵犯时.
- 在这些条件下,部分受约束的LMFA在检测不小心响应时效率较低.
- 需要进一步的研究来了解这些模型的细微差别及其应用.
更多相关视频
06:48Lexical Decision Task for Studying Written Word Recognition in Adults with and without Dementia or Mild Cognitive Impairment
Published on: June 25, 2019
05:15The Spatial Memory Game: Testing the Relationship Between Spatial Language, Object Knowledge, and Spatial Cognition
Published on: February 19, 2018
相关概念视频
Friedman Two-way Analysis of Variance by Ranks
Longitudinal Studies
Mechanistic Models: Compartment Models in Individual and Population Analysis
Variability: Analysis
The range is a simple measure of variability, indicating the difference between the highest and...
Censoring Survival Data
Longitudinal Research
