双因子模型：多维构念测量的新视角

双因子模型是一种既有全局因子又有局部因子的模型,近年来有了许多应用。本文讨论了双因子模型和高阶因子模型在数学模型、参数之间的关系,概念上和应用上的差异;概述了双因子模型在信度研究、平衡量表、探索性因子分析和项目反应理论中的应用。作为例子,在Rosenberg自尊量表结构的研究中,通过双因子模型分析了自尊特质效应与项目表述方法效应。     

因子分析的元分析技术及其应用

因子分析的元分析指对采用因子分析的原始研究进行分析, 是知识生产和更新的重要一环, 但尚未引起研究者的注意。主要有5种主要技术, 即因子配对旋转法、多组验证性因子分析、基于汇总相关矩阵的因子分析、基于估计的总体相关矩阵的验证性因子分析、基于显著负荷共生矩阵的探索性因子分析等。每种技术的介绍都包括其基本思想、适用范围、优缺点以及典型应用等。因子分析的元分析可分成7个基本步骤; 资料整理、数据合成和数据分析三步与其它类型的元分析有所不同。未来研究应注意因子分析的元分析在方法发展和应用方面的一系列问题。     

探索性因子分析中主轴法下的平行分析

在探索性因子分析中,决定因子的提取数至关重要。平行分析是确定因子提取数较为常用的方法。目前国内的心理学研究较多使用主成分方法下的平行分析,对主轴方法下的平行分析则鲜有论及。本研究介绍了主轴方法下平行分析的原理,并以具体实例说明了该方法在心理统计中的具体运用,希望藉此解决以传统方法确定因子提取数所存在的问题。     

大学生传统人际价值观的探索性与验证性研究

选取传统谚语、俗语中关于人际关系的语句编制成传统人际价值观问卷,通过探索性因子分析,构建传统人际价值观的维度。并通过验证性因子分析检验理论构想的拟合性。探索性因子分析中,一阶因子分析抽取了14个因子,对14个因子进行二阶因子分析又抽取了人际道德、人际亲疏性、人际防御、人际智慧4个主因子。根据这一结果建构了一个含有人际道德、人际亲疏性、人际防御三个主因子的模型。在验证性因子分析中,对模型进行修正,使之分别含有4个、3个、2个次因子,经检验,模型的拟合比较良好。     

高校教师组织承诺结构维度及其测量

本研究通过访谈、文献分析、问卷调查,采用探索性因子分析和验证性因子分析等方法,探讨了高校教师组织承诺的结构维度.结果显示,高校教师的组织承诺结构由感情承诺、理想承诺、关系承诺、条件承诺、持续承诺和责任承诺六个因子构成.     

幼儿好奇心结构教师评价模型验证性因子分析

在参考已有文献和进行开放式问卷调查的基础上,编制幼儿好奇心教师评定问卷,并以此问卷调查了929名幼儿,运用探索性因子分析和验证性因子分析方法探讨幼儿好奇心结构教师评价模型,结果表明,教师评价幼儿好奇心时存在一个由好问、喜欢摆弄、敏感、关注未知、探索持久、好奇体验以及反应性和探究的主动性等因子构成的三阶结构。     

中文版青少年冷漠无情特质量表的信效度检验

目的:对中文版青少年冷漠无情特质量表进行信效度检验和初步修订。方法:随机选取江西三所学校755名小学、初中和高中学生进行测试,分析中文版青少年冷漠无情特质量表的信度和效度。结果:1项目分析表明,有21道题目的项目鉴别力指数较为理想;2探索性因子分析结果表明提取三个因子比较恰当,分别命名为冷酷、淡漠和无情。验证性因子分析结果显示三因子结构拟合良好;3总量表重测信度为0.83,分量表重测信度分别为0.81、0.79和0.82;4独立样本方差分析结果表明,冷酷因子和无情因子不存在年级或性别差异,淡漠因子存在年级差异,不存在性别差异。结论:三因子的中文版青少年冷漠无情特质量表结构稳定,是测量青少年冷漠无情特质的有效工具。     

结构方程模型的应用及分析策略

差不多所有心理、教育、社会等概念,均难以直接准确测量,结构方程（SEM,Struc－tulalEquationModelling）提供一个处理测量误差的方法,采用多个指标去反映潜在变量,也令估计整个模型因子间关系,较传统回归方法更为准确合理。本文主要用一系列有关学习动机的虚拟例子,指出每个问题的主要分析策略,以展示SEM在教育及心理学可以应用的研究范畴。文内探讨的方法包括：验证性因素、高阶因子、路径及因果分析、多时段（multiwave）设计、单形模型（SimpleModel）、及多组比较等。     

贝叶斯多组比较——渐近测量不变性

在行为科学研究领域中,检验测量工具的测量不变性是进行群体差异比较的前提。目前,多组验证性因子分析(多组CFA)方法被广泛用于检验测量不变性,但是它对跨组等值的限制过于严格,在实际应用中常常存在大量局限。贝叶斯渐近测量不变性方法基于贝叶斯思想的优良特性,放宽了传统多组CFA方法对跨组差异的严格限制,避免了传统方法的问题,具有较高的应用价值。文章详细介绍了贝叶斯渐近测量不变性方法的原理及优势,同时通过实例展示了渐近测量不变性方法在Mplus软件中的具体分析过程。     

探索性结构方程建模(ESEM):EFA和CFA的整合

探索性结构方程建模(ESEM)是在测量模型部分使用了类似于EFA模型的SEM.作为一种高级统计方法,ESEM整合了EFA和CFA两种因子分析方法的功能和优点.通过ESEM,研究者既可以灵活地探索因子结构,又可以系统地验证因子模型,为潜变量的关系分析提供更适宜的测量模型.ESEM已经在某些社科领域的研究中得到应用,是一种值得推介的因子分析方法.ESEM的具体应用问题,例如因子旋转方法的选用、测验信度评价等,仍有待探讨.     

Factor analysis and Psychometrika: Major developments

Papers on factor analysis appearing inPsychometrika reflect the initial efforts of the Thurstonians to reformulate psychology as a quantitative science. The Thurstonians' emphasis on the development of factor analysis as an exploratory methodology was not new with them but was taken from British statisticians and psychologists who preceded them, whose literature the Thurstonians otherwise tended to ignore. The Thurstonians' rejection of general factors and focus on rotation to simple structure reflected an attempt to avoid statistical artifact and to identify factors with psychological substance. Much of the literature on factor analysis inPsychometrika concerned solving technical problems in the exploratory factor analysis method. Factor analysis took a major shift in direction in the 1970's with the development of confirmatory methodologies, many of which now receive greater attention than the method of exploratory factor analysis, most of the problems of which are now resolved.     

Structural Equation Modeling: Basic Concepts and Applications in Personality Assessment Research

Structural equation modeling (SEM) has become an increasingly used methodological strategy in psychology. Nevertheless, many psychologists continue to be unclear about how to apply this analytic tool in their research. This article reviews SEM from a conceptual perspective, particularly focusing on confirmatory factor analysis. Additionally, the relation between SEM and other analytic techniques (e.g., exploratory factor analysis) are addressed. A confirmatory factor analytic example is presented and reviewed in detail. Finally, limitations of SEM and other considerations are discussed.     

用验证性因素分析法对控制源量表的分析研究

验证性因素分析方法克服了传统的探索性因素分析的不足,为心理学发展和研究的精细化、数学化提供了更可行的途径。本研究运用验证性因素分析方法对心理控制源量表进行了分析研究,研究发现L1SREL软件对SPSS不能分析出来的因素可以进一步地给予精确数据。     

Accommodation,prediction and replication: model selection in scale construction

In psychology, measurement instruments are constructed from scales, which are obtained on the grounds of exploratory and confirmatory factor analysis. Looking at the literature, one can find various recommendations regarding how these techniques should be used during the scale construction process. Some authors suggest to use exploratory factor analysis on the entire data set while others advice to perform an internal cross-validation by randomly splitting the data set in two and then either perform exploratory factor analysis on both parts or exploratory factor analysis on the first part and confirmatory factor analysis on the other. In spite of all these divergent recommendations, there is no consensus on which method yields the best result. In this paper, we analyze this issue in light of the prediction versus accommodation debate and argue that the answer to this question depends on one’s conception of the criteria that should be used to achieve the goals of the scientific enterprise.

     

学前儿童自我控制行为家长评定问卷的编制及其结构验证

目的:编制学前儿童自我控制行为家长评定问卷并对其结构进行验证。方法:在理论分析和开放式问卷调查的基础上,编制了学前儿童自我控制行为家长评定问卷,并采用探索性因素分析与验证性因素分析相结合的方法,分别对263名和387名学前儿童的自我控制行为进行结构的探索与验证。结果:学前儿童自我控制行为由独立性、自觉性、坚持性、自制力和自我延迟满足五个维度构成;学前儿童自我控制行为问卷具有较好的信效度,其结构在不同性别、城乡样本中具有稳定性。结论:学前儿童自我控制行为是一个五因素的结构,所编制的问卷可作为学前儿童自我控制行为家长评定的工具。     

大学生社会适应性问卷的初步编制

在理论分析的基础上,结合国内外的研究成果,通过探索性因素分析和验证性因素分析,编制大学生社会适应性问卷。结果发现,(1)问卷由自我调节、自我评价、学习管理、就业准备、人际交往、角色适应六个分量表构成。(2)各分量表及问卷的a系数分别为0.859、0.847、0.826、0.742、0.751、0.757、0.902。(3)验证性因素分析所提取的6个因子构建的模型拟合较好。问卷具有较好的信度和效度,可以用于大学生社会适应性的测量。     

中国人善良人格的结构研究

善良人格是一个具有中国文化特色的人格心理学主题。为了探究善良人格的结构和内涵,研究基于人格词汇学假设,通过开放式和半开放式问卷调查,经由意义分善良; 善良人格; 人格结构; 中国人析和初测保留了85个善良人格词汇; 在此基础上,进行探索性和验证性因素分析,揭示了中国人的善良人格是一个包括诚信友善、利他奉献、宽容和善、重情重义的二阶四因子结构。信度和效度分析表明,编制的善良人格问卷的信、效度良好,符合心理测量学的基本要求。     

探索性因素分析在测验编制中局限性的模拟实验

本文主要用模拟研究的方法,通过生成拟合优度验证性因素分析的数据,来考察探索性因素分析在测验编制中的局限性。结果表明探索性因素分析作为纯数据基础上的一种统计方法,在因素问相关程度较大时．得到与理论假设不一致的结论。本文还就测验中会聚效度的一些限制作了初步探讨,结合具体情况介绍了中等相关限定条件的实质。     

基于正则化的探索性中介分析:原理与应用

探索性中介分析被定义为从变量集合中筛选潜在中介变量的方法,该方法能在缺乏理论基础的情况下帮助研究者从数据中挖掘潜在中介机制,提供模型构建上的指导。本文介绍了一种基于正则化的探索性中介分析方法XMed(exploratory mediation analysis via regularization)。相比于传统探索性中介分析方法,XMed具有检验力更高、所需样本量更小、能高效地处理高维数据等优点,在认知神经科学、临床心理学等心理学领域有较大的应用潜力。本文主要介绍XMed的原理和实现过程,并通过实例分析展示该方法的应用。