นำมาจาก Rosseel (2014, ลิงก์ด้านบน):
วิธีการข้อมูลแบบเต็ม: โอกาสสูงสุดเล็กน้อย
ต้นกำเนิด: โมเดล IRT (เช่น Bock & Lieberman, 1970) และ GLMM
...
การเชื่อมต่อกับ IRT
•ความสัมพันธ์ทางทฤษฎีระหว่าง SEM และ IRT ได้รับการบันทึกไว้อย่างดี:
Takane, Y. , & De Leeuw, J. (1987) เกี่ยวกับความสัมพันธ์ระหว่างทฤษฎีการตอบสนองข้อสอบกับการวิเคราะห์องค์ประกอบของตัวแปรที่แยกส่วน Psychome- trika, 52, 393-408
Kamata, A. , & Bauer, DJ (2008) หมายเหตุเกี่ยวกับความสัมพันธ์ระหว่างการวิเคราะห์ปัจจัยและแบบจำลองทฤษฎีการตอบสนองข้อ จำกัด แบบจำลองสมการโครงสร้าง, 15, 136-153
Joreskog, KG, & Moustaki, I. (2001) การวิเคราะห์ปัจจัยของตัวแปรลำดับ: การเปรียบเทียบสามวิธี การวิจัยพฤติกรรมหลายตัวแปร, 36, 347-387
พวกเขาเท่ากันเมื่อไหร่?
• probit (ogive ปกติ) และ logit: ทั้งสองเมทริกถูกใช้ในทางปฏิบัติ
• CFA ปัจจัยเดียวในรายการไบนารีเทียบเท่ากับโมเดล IRT 2 พารามิเตอร์ (Birnbaum, 1968):
ใน CFA: ... ใน IRT: ... (ดูสไลด์)
• CFA แบบปัจจัยเดียวในรายการโพลีโคโตมี (ลำดับ) เท่ากับรูปแบบการตอบสนองแบบช้า (Samejima, 1969)
•ไม่มี CFA ที่เทียบเท่าสำหรับโมเดล 3 พารามิเตอร์ (พร้อมพารามิเตอร์การเดา)
•รูปแบบ Rasch เทียบเท่ากับ CFA ปัจจัยเดียวในรายการไบนารี แต่ที่การโหลดปัจจัยทั้งหมดถูก จำกัด ให้เท่ากัน (และเมตริก probit ถูกแปลงเป็นเมทริก logit)