คะแนนปัจจัยจากการตอบสนองแบบไม่ต่อเนื่องลำดับ

12

มีวิธีหลักการในการประเมินคะแนนปัจจัยเมื่อคุณมีลำดับเลขชี้กำลังตัวแปรไม่ต่อเนื่อง

ฉันมีลำดับ , ไม่ต่อเนื่องตัวแปร ถ้าฉันตั้งสมมติฐานว่าการตอบสนองแต่ละอย่างนั้นเป็นตัวแปรต่อเนื่องแบบกระจายปกติแล้วฉันสามารถคำนวณเมทริกซ์สหสัมพันธ์โพลิคานิกฉันสามารถเรียกใช้การวิเคราะห์ปัจจัยในเมทริกซ์นี้และรับการโหลดปัจจัยสำหรับแต่ละตัวแปร $n$ $n\times n$

ฉันจะรวมการโหลดตัวประกอบและตัวแปรเพื่อประเมินคะแนนตัวประกอบได้อย่างไร วิธีทั่วไปในการประมาณคะแนนจะปรากฏว่าต้องการให้ฉันปฏิบัติกับข้อมูลลำดับเป็นช่วงเวลา

ฉันคิดว่าฉันอาจต้องขุดลึกลงไปในความกล้าหาญของความสัมพันธ์ polychoric เพื่อหาฟังก์ชั่นการเชื่อมโยง

factor-analysis ordinal-data

— fgregg
แหล่งที่มา

8

วิธีการของ 'หลักการ' (กล่าวคือวิธีการป้องกันแบบนิรนัยที่อาจไม่ได้สร้างความแตกต่างอย่างเห็นได้ชัด) คือการใช้แบบจำลองการตอบสนองอย่างช้าๆซึ่งเป็นสมาชิกที่ค่อนข้างมีประโยชน์ของตระกูล IRT ที่ใช้สำหรับรายการประเภท Likert แพ็คเกจ R ltmทำให้สิ่งนี้ตรงไปตรงมามาก

จากนั้นคุณสมมติว่ามีความสัมพันธ์การถดถอยแบบลอจิสติกอันดับที่ระหว่างคุณลักษณะที่ไม่ได้สังเกตและตัวบ่งชี้แต่ละตัว การเลือกรุ่นของรุ่นนี้จะช่วยให้คุณเข้าใจลักษณะของตัวบ่งชี้อย่างจริงจังและให้ข้อมูลว่าส่วนใดของคุณลักษณะแต่ละรายการมีข้อมูลมากที่สุด เช่นเดียวกับการวิเคราะห์ปัจจัยมันให้ข้อผิดพลาดมาตรฐานสำหรับคะแนนแม้ว่าคน FA จะไม่สนใจสิ่งเหล่านี้ด้วยเหตุผลบางประการ

ในอีกทางหนึ่งการเลือกรุ่นคลาสนี้จำกัดความสามารถของคุณในการวิเคราะห์ปัจจัยแบบคลาสสิกทั้งหมดเช่นหมุนสิ่งของจนกว่าคุณจะชอบรูปลักษณ์ของพวกเขา ฉันคิดว่านี่เป็นข้อดี แต่คนที่มีเหตุผลไม่เห็นด้วย หากคุณกำลังทำอะไรแบบนั้นเพื่อหาว่าคุณมี 'เครื่องชั่ง' จำนวนเท่าไหร่คุณต้องดูขั้นตอนของมอแกนที่พยายามระบุเครื่องชั่งเนื่องจาก FA จะพอดีกับอีกมิติหนึ่งและหมุนไปสู่โครงสร้างที่เรียบง่าย ไม่ทำงาน

— conjugateprior
แหล่งที่มา

+1 แต่สิ่งที่จะเป็นเหตุผลในการพิจารณาการหมุนเมื่อ GRM จริงถือว่าระดับมิติ

— chl

@chl ความคิดคือว่าบางคนหมุนไปที่โครงสร้างอย่างง่ายเพื่อให้สามารถพูดสิ่งต่าง ๆ เช่น 'ตัวบ่งชี้ 1-4 วัดสิ่งหนึ่งและตัวชี้วัด 5-11 วัดอย่างอื่น' บนพื้นฐานของการโหลดแบบหมุน ความคิดที่เกี่ยวข้อง แต่ไม่เหมือนกันมากกับวิธี IRT คือการพูดสิ่งต่าง ๆ เช่น: 'ขั้นตอน Mokken บอกฉันว่ามีตัวชี้วัดพื้นฐาน 1-4 และอีกตัวหนึ่งที่อยู่ภายใต้ 5-11 ดังนั้นฉันจะใช้แบบจำลองการตอบกลับอย่างช้าๆ ส่วนย่อยแยกต่างหาก ' หวังว่าจะทำให้รู้สึกดีขึ้น

— ผัน

ใช่แน่นอน. ขอบคุณที่อธิบายสิ่งที่ฉันคาดการณ์ไว้จากประโยคสุดท้ายของคุณ ถึงกระนั้นเราก็ยังไม่มีวิธีเชื่อมโยงแต่ละลักษณะแฝงถ้ามันเกิดขึ้นมันมีความสัมพันธ์กันอย่างแท้จริง (เว้นแต่มองที่ MIRT)

— chl

8

เป็นเรื่องธรรมดาที่จะดึงคะแนนตัวประกอบจากตัวบ่งชี้ลำดับที่ตัวแปร นักวิจัยที่ใช้มาตรการ likert ทำตลอดเวลา เนื่องจากคะแนนปัจจัยขึ้นอยู่กับความแปรปรวนร่วมจึงไม่ใช่เรื่องใหญ่ที่ "ช่วงเวลา" อาจไม่เหมือนกันทั้งภายในและระหว่างรายการโดยเฉพาะอย่างยิ่งหากรายการเทียบเคียงและใช้เครื่องชั่งขนาดกะทัดรัดพอสมควร (เช่น 5 หรือ 7 จุด) เห็นด้วย / disagree "รายการ likert): อาสาสมัครทุกคนตอบสนองต่อรายการเดียวกันและหากรายการนั้นเป็นมาตรการที่ถูกต้องแน่นอนของตัวแปรแฝงบางอย่างการตอบสนองควรแสดงรูปแบบความแปรปรวนร่วมเดียวกัน ดู Gorsuch, RL (1983) การวิเคราะห์ปัจจัย Hillsdale, NJ: Lawrence Erlbaum ครั้งที่ 2 ed., pp. 119-20 แต่ถ้าคุณรบกวนให้คุณคิดว่าคำตอบสำหรับตัวแปรอันดับเป็นเชิงเส้นหรือที่สำคัญกว่า หากคุณต้องการคะแนนปัจจัยที่ไม่เป็นเชิงเส้น แต่สะท้อนความสัมพันธ์แบบไม่เชิงเส้นที่เกิดซ้ำระหว่างรายการที่จัดหมวดหมู่ (เช่นเดียวกับที่คุณทำถ้าตัวแปรของคุณมีค่าเล็กน้อยหรือเชิงคุณภาพ) - คุณควรใช้การปรับอัตราส่วนแบบไม่เชิงเส้น ทฤษฎีการวิเคราะห์หรือตอบสนองข้อสอบ (แน่นอนว่ามีครอบครัวที่มีความคล้ายคลึงกันระหว่างแบบสอบถามนี้กับแบบสอบถามของคุณเกี่ยวกับการใช้ตัวทำนายลำดับในรูปแบบการถดถอยของ logit บางทีฉันสามารถสร้างแรงบันดาลใจให้กับไคหรือคนอื่นที่รู้มากกว่าฉันเพื่อปฏิบัติกับบัญชีที่ละเอียดยิ่งขึ้น สาเหตุที่คุณไม่ต้องกังวล - หรือทำไมคุณควรทำ) เชิงเส้น แต่สะท้อนความสัมพันธ์ที่ไม่เป็นเชิงเส้นที่เกิดขึ้นซ้ำในรายการที่จัดหมวดหมู่ (อย่างที่คุณจะทำถ้าตัวแปรของคุณเป็นชื่อหรือคุณภาพ) - คุณควรใช้ทางเลือกที่ไม่เชิงเส้นเพื่อการวิเคราะห์ปัจจัยทั่วไปเช่นการวิเคราะห์ชั้นแฝง (แน่นอนว่ามีครอบครัวที่มีความคล้ายคลึงกันระหว่างแบบสอบถามนี้กับแบบสอบถามของคุณเกี่ยวกับการใช้ตัวทำนายลำดับในรูปแบบการถดถอยของ logit บางทีฉันสามารถสร้างแรงบันดาลใจให้กับไคหรือคนอื่นที่รู้มากกว่าฉันเพื่อปฏิบัติกับบัญชีที่ละเอียดยิ่งขึ้น สาเหตุที่คุณไม่ต้องกังวล - หรือทำไมคุณควรทำ) เชิงเส้น แต่สะท้อนความสัมพันธ์แบบไม่เชิงเส้นที่เกิดซ้ำระหว่างรายการที่จัดหมวดหมู่ (อย่างที่คุณจะทำถ้าตัวแปรของคุณเป็นชื่อหรือเชิงคุณภาพ) - คุณควรใช้ทางเลือกที่ไม่เชิงเส้นเพื่อการวิเคราะห์ปัจจัยทั่วไปเช่นการวิเคราะห์ชั้นแฝง (แน่นอนว่ามีครอบครัวที่มีความคล้ายคลึงกันระหว่างแบบสอบถามนี้กับแบบสอบถามของคุณเกี่ยวกับการใช้ตัวทำนายลำดับในแบบจำลองการถดถอยของ logit บางทีฉันสามารถสร้างแรงบันดาลใจให้กับไคหรือคนอื่นที่รู้มากกว่าฉันเพื่อปฏิบัติกับบัญชีที่ละเอียดยิ่งขึ้น สาเหตุที่คุณไม่ต้องกังวล - หรือทำไมคุณควรทำ)

— dmk38
แหล่งที่มา

4

ฉันขออธิบายบางอย่างที่นี่ได้ไหมคุณมีรายการที่ทำคะแนนในระดับที่แตกต่างกันที่คุณต้องดำเนินการก่อนและรวมกัน (ช่วงเวลาอันดับที่ระบุ) หรือคุณกำลังมองหาการวิเคราะห์ปัจจัยเกี่ยวกับตัวแปรระดับตามลำดับหรือไม่

ถ้าเป็นหลัง - นี่คือวิธีการหนึ่ง

http://cran.r-project.org/web/packages/Zelig/vignettes/factor.ord.pdf

(โปรดทราบว่าลิงก์นี้เสียไปแล้ว) มีบทความสั้นๆเพิ่มขึ้น แต่ไม่ใช่บทความนี้

— user2238
แหล่งที่มา

1

นี่เป็นรุ่นมิร์เรอร์ของบทความเดิมในกรณีที่มันจะช่วยให้: bit.ly/x6eI4x

— chl

ดูเหมือนว่ารหัสดังกล่าวจะไม่ได้รับการติดตั้ง

— fgregg