Ayrık, sıralı yanıtlardan faktör puanları

Sıralı, ayrık değişkenleriniz olduğunda faktör puanlarını tahmin etmenin ilkeli bir yolu var mı?

Ben , değişkenler sıra, ayrık. Her cevabın altında yatan, sürekli, normal olarak dağıtılmış bir değişken olduğu varsayımı yaparsam, polikrik bir korelasyon matrisi hesaplayabilirim. Daha sonra bu matris üzerinde bir faktör analizi yapabilir ve her değişken için faktör yükleri alabilirim.n × $n$$n\times n$

Faktör puanlarını tahmin etmek için faktör yüklerini ve değişkenleri nasıl birleştirebilirim? Puanları tahmin etmenin tipik yolları, sıralı verilere aralık olarak davranmamı gerektiriyor gibi görünmektedir.

Sanırım bir bağlantı işlevi bulmak için polikrik korelasyonun cesaretlerini derinlemesine incelemem gerekebilir.

'Prensipli' yaklaşım (yani ampirik olarak çok fazla fark yaratamayan a priori savunulabilir yaklaşım), Likert tipi ürünler için sıklıkla kullanılan IRT ailesinin oldukça yararlı bir üyesi olan kademeli bir yanıt modeli kullanmaktır . R paketi ltm bunu çok basitleştirir .

Ardından, gözlemlenmeyen özellik ile her bir göstergeniz arasında sıralı bir lojistik regresyon ilişkisi olduğunu varsayıyorsunuz. Bu model sınıfını seçmek, göstergelerin sıralı doğasını ciddiye almanızı sağlar ve her bir öğenin özelliğinin hangi kısmı hakkında en bilgilendirici olduğu hakkında bilgi sağlar. Faktör analizi gibi, FA insanlar bunları bir nedenden dolayı görmezden gelmesine rağmen, puan için standart bir hata verir.

Öte yandan, bu model sınıfını seçmek, görünüşü beğenene kadar şeyleri döndürmek gibi tüm klasik faktör analizi şeylerini yapma yeteneğinizi sınırlar. Bence bu bir artı, ama makul insanlar aynı fikirde değil. Kaç tane 'ölçekiniz' olduğunu bulmak için bu tür bir şey yapıyorsanız, FA 'başka bir boyuta sığacak ve basit bir yapıya dönecek' kazanılan ölçekleri tanımlamaya çalışan Mokken prosedürlerine bakmak isteyeceksiniz. çalışmıyor.

Sıralı değişken göstergelerinden faktör puanları çıkarmak yaygındır. Likert önlemleri kullanan araştırmacılar bunu her zaman yaparlar. Faktör skorları kovaryansa dayandığı için, "aralıklar" öğelerin içinde ve arasında tekdüze olmayabilir, özellikle de öğeler karşılaştırılabilir ve makul derecede kompakt ölçekler (örneğin, 5 veya 7 pt ") / katılmıyorum "likert öğeleri): tüm denekler aynı öğelere yanıt veriyor ve öğeler gerçekten de bazı gizli değişkenlerin geçerli ölçümleri ise, yanıtlar tekdüze bir kovaryans modeli göstermelidir. Bkz. Gorsuch, RL (1983). Faktor analizi. Hillsdale, NJ: Lawrence Erlbaum. 2. ed., s. 119-20. Ancak, sıralı değişkenlerin sizin için yanıtları doğrusal olduğunu varsayarsanız - veya daha da önemlisi, doğrusal olmayan ancak kategorik kalemler arasında yinelenen doğrusal olmayan ilişkilendirmeleri yansıtan faktör puanları istiyorsanız (değişkenleriniz nominal veya nitel ise yapacağınız gibi) - gizli sınıf gibi geleneksel faktör analizine doğrusal olmayan ölçeklendirme alternatifi kullanmalısınız analiz veya madde yanıt teorisi. (Elbette bu sorgu ile logit regresyon modellerinde sıralı yordayıcıların kullanımı hakkındaki sorgunuz arasında bir aile benzerliği olabilir; belki bir kez daha chi'ye veya bize daha da ayrıntılı bir hesaba davranmak için benden daha fazlasını bilen birine ilham verebilirim neden endişelenmene gerek yok - ya da belki neden yapmalısın.) t doğrusal ancak kategorik kalemler arasında tekrar eden doğrusal olmayan ilişkilendirmeleri yansıtır (değişkenleriniz nominal veya nitel olsaydı yapacağınız gibi) - gizli sınıf analizi veya madde yanıt teorisi gibi geleneksel faktör analizine doğrusal olmayan ölçeklendirme alternatifi kullanmalısınız. (Elbette bu sorgu ile logit regresyon modellerinde sıralı yordayıcıların kullanımı hakkındaki sorgunuz arasında bir aile benzerliği olabilir; belki bir kez daha chi'ye veya bize daha da ayrıntılı bir hesaba davranmak için benden daha fazlasını bilen birine ilham verebilirim neden endişelenmene gerek yok - ya da belki neden yapmalısın.) t doğrusal ancak kategorik kalemler arasında tekrar eden doğrusal olmayan ilişkilendirmeleri yansıtır (değişkenleriniz nominal veya nitel olsaydı yapacağınız gibi) - gizli sınıf analizi veya madde yanıt teorisi gibi geleneksel faktör analizine doğrusal olmayan ölçeklendirme alternatifi kullanmalısınız. (Elbette bu sorgu ile logit regresyon modellerinde sıralı yordayıcıların kullanımı hakkındaki sorgunuz arasında bir aile benzerliği olabilir; belki bir kez daha chi'ye veya bize daha da ayrıntılı bir hesaba davranmak için benden daha fazlasını bilen birine ilham verebilirim neden endişelenmene gerek yok - ya da belki neden yapmalısın.)

Burada bir şeyi açıklığa kavuşturabilir miyim lütfen, ön işlem yapmanız ve birleştirmeniz gereken (aralık, sıralı, nominal) farklı ölçeklerde puanlanmış öğeleriniz var mı, yoksa yalnızca sıralı ölçek değişkenleri üzerinde bir faktör analizi mi yapmak istiyorsunuz?

İkincisi ise - işte bir yaklaşım.

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

(bu bağlantının artık öldüğüne dikkat edin). Başka vinyet var , ama bu değil.