এক্সপ্লোরার ফ্যাক্টর অ্যানালাইসিস (ইএফএ) যথাযথ (সাইকোমেট্রিক ও অন্যথায়) উপযুক্তভাবে পরীক্ষা করার জন্য যে কোনও ব্যক্তি (ক) অপ্রত্যাশিত (যেমন, সুপ্ত) ফ্যাক্টর (গুলি) এর সাধারণ প্রভাব অনুমান করে একাধিক আইটেমের মধ্যে পারস্পরিক সম্পর্ক ব্যাখ্যা করতে পারে exam যদি এটি আপনার নির্দিষ্ট উদ্দেশ্য না হয় তবে বিকল্প বিশ্লেষণগুলি বিবেচনা করুন, যেমন:
- সাধারণ রৈখিক মডেলিং (যেমন, একাধিক রিগ্রেশন, ক্যানোনিকাল পারস্পরিক সম্পর্ক, বা (এম) এএন (সি) ওভিএ)
- কনফার্মেটরি ফ্যাক্টর অ্যানালাইসিস (সিএফএ) বা সুপ্ত বৈশিষ্ট্য / শ্রেণি / প্রোফাইল বিশ্লেষণ
- কাঠামোগত সমীকরণ (এসইএম) / আংশিক সর্বনিম্ন স্কোয়ার মডেলিং
ডাইমেনশনালিটি হ'ল প্রথম ইস্যুটি যা ইএফএ সম্বোধন করতে পারে। আপনি কোভেরিয়েন্স ম্যাট্রিক্সের ইগেনভ্যালুগুলি পরীক্ষা করতে পারেন (যেমন এফএর মাধ্যমে স্ক্রি প্লট তৈরি করে) এবং আপনার পদক্ষেপের মাত্রিকতা সমাধানের জন্য একটি সমান্তরাল বিশ্লেষণ পরিচালনা করতে পারেন। ( উইলিয়াম রেভেলের কাছ থেকে কিছু দুর্দান্ত পরামর্শ এবং বিকল্প পরামর্শও দেখুন a) সীমিত সংখ্যক উপাদানগুলি বের করে এফএ-তে ঘোরানোর আগে, বা সিএফএ, এসইএম, বা ব্যবহার করে নির্দিষ্ট সংখ্যক সুপ্ত উপাদানগুলির সাথে একটি মডেল ফিট করার আগে আপনার এই সাবধানতার সাথে করা উচিত or মত. যদি একটি সমান্তরাল বিশ্লেষণ বহুমাত্রিকতার ইঙ্গিত দেয় তবে আপনার সাধারণ (প্রথম) ফ্যাক্টরটি অন্য সকলের চেয়ে বেশি পরিমাণে ছাড়িয়ে যায় (অর্থাত্, এরতমতম বৃহত্তম ইগন্যাল্যু রয়েছে / আপনার ব্যবস্থাগুলির বেশিরভাগ বৈচিত্রকে ব্যাখ্যা করে), বাইফ্যাক্টর বিশ্লেষণ বিবেচনা করুন (গিবনস এবং হিডেকার, 1992;রিজ, মুর, এবং হাভিল্যান্ড, ২০১০ ) ।
ইফএ এবং লিকার্ট স্কেল রেটিংয়ের সুপ্ত ফ্যাক্টর মডেলিংয়ে অনেক সমস্যা দেখা দেয়। লিকার্ট স্কেলগুলি অবিচ্ছিন্ন ডেটা নয়, অর্ডিনাল (অর্থাত্, শ্রেণীবদ্ধ, বহুজাতীয়, আদেশযুক্ত) ডেটা উত্পাদন করে। ফ্যাক্টর বিশ্লেষণ সাধারণত ধরে নেওয়া হয় যে কোনও কাঁচা ডেটা ইনপুট অবিচ্ছিন্ন থাকে এবং লোকেরা প্রায়শই পিয়ারসনের পণ্য-মুহুর্ত সম্পর্কিত সম্পর্কের ম্যাট্রিকগুলির ফ্যাক্টর বিশ্লেষণ পরিচালনা করে যা কেবল ধারাবাহিক তথ্যের জন্য উপযুক্ত। এখানে রেইস এবং সহকর্মীদের একটি বক্তব্য (2010) :
সাধারণ নিশ্চিতকরণমূলক গুণক বিশ্লেষণ কৌশলগুলি দ্বৈতশাস্ত্রীয় বা বহুবিধ ডেটা প্রয়োগ করে না ( বাইর্ন , 2006) । পরিবর্তে, বিশেষ অনুমানের পদ্ধতিগুলি প্রয়োজন (রাইফ এবং এডওয়ার্ডস, 2007) । বহুতল আইটেম প্রতিক্রিয়া ডেটা সঙ্গে কাজ করার জন্য মূলত তিনটি বিকল্প আছে। প্রথমটি হ'ল পলিকরিক ম্যাট্রিক্স গণনা করা এবং তারপরে স্ট্যান্ডার্ড ফ্যাক্টর অ্যানালিটিক পদ্ধতি প্রয়োগ করা (নোল এবং বার্জার, 1991 দেখুন) । দ্বিতীয় বিকল্পটি হ'ল সম্পূর্ণ তথ্য আইটেম ফ্যাক্টর বিশ্লেষণ (গিবনস এবং হিডেকার, 1992) ব্যবহার করা । তৃতীয়টি অর্ডারযুক্ত ডেটার জন্য নির্দিষ্টভাবে সীমিত তথ্য অনুমানের পদ্ধতিগুলি ব্যবহার করা হয় যেমন গড় এবং ভেরিয়েন্স সামঞ্জস্য সহ ওয়েট সর্বনিম্ন স্কোয়ার (এমপিএলএস; মুথান ও মুথান, ২০০৯) ।
ওয়াং এবং কানিংহামের (২০০৫) আদর্শ বিকল্পগুলির সাথে সমস্যার আলোচনার ভিত্তিতে আমি প্রথম এবং তৃতীয় উভয় পদ্ধতির সমন্বয় করার প্রস্তাব করব (অর্থাত্, পলিকোরিক পারস্পরিক সম্পর্ক ম্যাট্রিক্সের উপর ত্রিভুজযুক্ত ওজনযুক্ত ন্যূনতম স্কোয়ার অনুমান ব্যবহার করুন),
যখন সর্বাধিক সম্ভাবনা ব্যবহার করে এবং পিয়ারসনের পণ্য-মুহুর্তের সম্পর্কের উপর ভিত্তি করে অস্বীকৃত ফাংশন বিশ্লেষণ পরিচালিত হয় তখন এই গবেষণায় উত্থিত নিম্নতর পরামিতি অনুমানগুলি ওলসনের (1979) ফলাফলগুলির সাথে সামঞ্জস্যপূর্ণ ছিল । অন্য কথায়, পরিলক্ষিত অর্ডিনাল ভেরিয়েবলগুলিতে অস্বাভাবিকতার মাত্রা প্যারামিটারের অনুমানের যথার্থতার একটি প্রধান নির্ধারক।
ফলাফলগুলি বাবাকাসের আবিষ্কারগুলিও সমর্থন করে, ইত্যাদি। (1987) । যখন সর্বাধিক সম্ভাবনা অনুমানের বিষয়টি নিশ্চিতকরণকারী ফ্যাক্টর বিশ্লেষণে পলিকরিক পারস্পরিক সম্পর্ক ইনপুট ম্যাট্রিক্সের সাথে ব্যবহার করা হয়, তখন সমাধানগুলি দুর্বল ফিট পরিসংখ্যানের সাথে একত্রে গ্রহণযোগ্য এবং তত তাৎপর্যপূর্ণ চি-বর্গ মানগুলিতে ঝোঁক দেয়।
প্রশ্নটি এখনও অব্যাহত রয়েছে যে অস্বাভাবিক শ্রেণিবদ্ধ ডেটা সহ স্ট্রাকচারাল সমীকরণ মডেলগুলি অনুমান করার জন্য গবেষকদের ওজনযুক্ত ন্যূনতম স্কোয়ারগুলি বা তির্যকভাবে ওজনযুক্ত সর্বনিম্ন বর্গক্ষেত্রের अनुमानক ব্যবহার করা উচিত। স্বল্পতম বর্গক্ষেত্র বা তির্যকভাবে ওজনযুক্ত ন্যূনতম বর্গক্ষেত্রের অনুমানের দ্বারা ভেরিয়েবলগুলির বিতরণের প্রকৃতি সম্পর্কে ধারণা অনুমান করা যায় এবং উভয় পদ্ধতিই সংক্ষিপ্ত আকারে বৈধ ফলাফল দেয় produce তবুও, ওজনযুক্ত সর্বনিম্ন বর্গক্ষেত্রের অনুমান চতুর্থ-ক্রমের মুহুর্তগুলির উপর ভিত্তি করে, এই পদ্ধতির প্রায়শই ব্যবহারিক সমস্যার দিকে পরিচালিত করে এবং খুব গণ্যমান্যভাবে দাবি করে। এর অর্থ হ'ল মাঝারি আকারের মডেলগুলি, যেমন, 10 টি সূচকযুক্ত, বড় আকারের এবং ছোট থেকে মাঝারি আকারের নমুনা আকারগুলির মূল্যায়ন করতে যখন ব্যবহৃত হয় সর্বনিম্ন স্কোয়ার অনুমানের দৃ rob়তার অভাব থাকতে পারে।
ওজনযুক্ত সর্বনিম্ন বর্গ অনুমানের সাথে একই উদ্বেগটি ডিডব্লুএলএস অনুমানের ক্ষেত্রে প্রযোজ্য কিনা তা আমার কাছে স্পষ্ট নয়; নির্বিশেষে, লেখকরা সেই অনুমানের প্রস্তাব দেয়। যদি আপনার কাছে ইতিমধ্যে উপায় না থাকে:
- আর (আর কোর টিম, ২০১২) বিনামূল্যে।
2.15.2এই প্যাকেজগুলির জন্য আপনার একটি পুরানো সংস্করণ (উদাহরণস্বরূপ ) প্রয়োজন হবে :
psychপ্যাকেজ (Revelle, 2013) ধারণ করে polychoricফাংশন।
fa.parallelফাংশন কারণের বের করে আনতে সংখ্যা চিহ্নিত সাহায্য করতে পারেন।
lavaanপ্যাকেজ (Rosseel, 2012) অফার সুপ্ত পরিবর্তনশীল বিশ্লেষণের জন্য প্রাক্কলন DWLS।semToolsপ্যাকেজ রয়েছে efaUnrotate, orthRotateএবং oblqRotateফাংশন।mirtপ্যাকেজ (Chalmers,, 2012) অফার আইটেমটি প্রতিক্রিয়া তত্ত্ব ব্যবহার বিকল্প প্রতিশ্রুতি।
আমি কল্পনা Mplus (Muthén & Muthén, 1998-2011) খুব কাজ করবে, কিন্তু বিনামূল্যে ডেমো সংস্করণের তুলনায় আরও বেশি ছয় পরিমাপ মিটমাট হবে না, এবং লাইসেন্সকৃত সংস্করণ সস্তা নয়। আপনি যদি এটি সামর্থ্য করতে পারেন তবে এটি মূল্যবান হতে পারে; লোকেরা এমপ্লাসকে পছন্দ করে এবং তাদের ফোরামে মাথানদের গ্রাহক পরিষেবা অবিশ্বাস্য!
উপরে উল্লিখিত হিসাবে, ডিডাব্লুএলএস অনুমান স্বাভাবিকতা অনুমান লঙ্ঘনের সমস্যা (অবিভাজনযুক্ত এবং মাল্টিভারিয়েট উভয়) কে অতিক্রম করে, যা খুব সাধারণ সমস্যা এবং লিকার্ট স্কেল রেটিং ডেটাতে প্রায় সর্বব্যাপী। যাইহোক, এটি অগত্যা কোনও প্রাক্টিক্যাল ফলস্বরূপ সমস্যা নয়; বেশিরভাগ পদ্ধতিগুলি (খুব বেশি পক্ষপাতদুষ্ট) ছোট লঙ্ঘনের ক্ষেত্রে খুব বেশি সংবেদনশীল নয় (সিএফ। স্বাভাবিকতা পরীক্ষাটি কী 'প্রয়োজনীয়ভাবে অকেজো'? )। @ chl এই প্রশ্নের উত্তর আরও গুরুত্বপূর্ণ, দুর্দান্ত পয়েন্ট এবং চূড়ান্ত প্রতিক্রিয়া শৈলী সঙ্গে সমস্যা সম্পর্কিত পরামর্শ উত্থাপন; লিকার্ট স্কেল রেটিং এবং অন্যান্য বিষয়গত ডেটা সহ অবশ্যই একটি সমস্যা।
তথ্যসূত্র
· বাবাকাস, ই।, ফার্গুসন, জেসিই, এবং জেরেসকোগ, কেজি (1987)। পরিমাপের স্কেল এবং বন্টনমূলক অনুমানের লঙ্ঘনের ক্ষেত্রে নিশ্চিতকরণযোগ্য সর্বোচ্চ সম্ভাবনা ফ্যাক্টর বিশ্লেষণের সংবেদনশীলতা। বিপণন গবেষণা জার্নাল, 24 , 222-2228।
· বাইর্ন, বিএম (2006) EQS সহ স্ট্রাকচারাল সমীকরণ মডেলিং। মাহওয়াহ, এনজে: লরেন্স এরলবাউম।
· চামারস, আরপি (2012) মিট: আর পরিবেশের জন্য একটি বহুমাত্রিক আইটেম প্রতিক্রিয়া তত্ত্ব প্যাকেজ। পরিসংখ্যান সফটওয়্যার জার্নাল, 48 (6), 1-29। Http://www.jstatsoft.org/v48/i06/ থেকে প্রাপ্ত ।
· গিবনস, আরডি, & Hedeker, ডিআর (1992)। সম্পূর্ণ তথ্য আইটেম দ্বি-গুণ বিশ্লেষণ।
সাইকোমেট্রিকা, 57 , 423–436।
· নোল, ডিএল, এবং বার্জার, এমপিএফ (1991)। ফ্যাক্টর বিশ্লেষণ এবং বহুমাত্রিক আইটেম প্রতিক্রিয়া মডেলগুলির মধ্যে অভিজ্ঞতাগত তুলনা। মাল্টিভিয়ারিয়েট গবেষণা, 26· ওলসন, ইউ। (1979) পলিকোরিক পারস্পরিক সম্পর্ক সহগের সর্বাধিক সম্ভাবনার অনুমান। সাইকোমেট্রিকা, 44 , 443–460। ·, 457–477।
· মুথান, এলকে, এবং মুথান, বিও (1998-2011)। এমপ্লাস ব্যবহারকারীর গাইড (6th ষ্ঠ সংস্করণ)। লস অ্যাঞ্জেলেস, সিএ: মুথান ও মুথান।
· মুথান, এলকে, এবং মুথান, বিও (২০০৯)। এমপ্লাস (সংস্করণ 4.00)। [কম্পিউটার সফটওয়্যার]. লস অ্যাঞ্জেলেস, CA: লেখক। ইউআরএল: http://www.statmodel.com । মূল দল। (2012)। আর: স্ট্যাটিস্টিকাল কম্পিউটিংয়ের জন্য একটি ভাষা এবং পরিবেশ। আর ফাউন্ডেশন ফর স্ট্যাটিস্টিকাল কম্পিউটারিং, ভিয়েনা, অস্ট্রিয়া। আইএসবিএন 3-900051-07-0, URL: http://www.R-project.org/ । · রিজ, এসপি, মুর, টিএম, এবং হাভিল্যান্ড, এমজি (2010)। দ্বিখণ্ডিত মডেল এবং আবর্তন: বহুমাত্রিক ডেটা যে পরিমাণে ইউনিভার্সাল স্কেল স্কোর অর্জন করে তা সন্ধান করে। ব্যক্তিত্ব মূল্যায়ন জার্নাল, 92
(6), 544–559। Http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2981404/ থেকে প্রাপ্ত । · রোসিল, ওয়াই (2012) লাভায়ান: স্ট্রাকচারাল সমীকরণ মডেলিংয়ের জন্য একটি আর প্যাকেজ। পরিসংখ্যান সফটওয়্যার জার্নাল, 48 (2), 1-6। Http://www.jstatsoft.org/v48/i02/ থেকে প্রাপ্ত । · ওয়াং, ডাব্লুসি, এবং কানিংহাম, ইজি (2005)। সাধারণ স্বাস্থ্য প্রশ্নপত্রে নিশ্চিতকরণমূলক ফ্যাক্টর বিশ্লেষণে বিকল্প অনুমান পদ্ধতির তুলনা। মনস্তাত্ত্বিক প্রতিবেদন, 97 , 3-10। · উইথ, আরজে, এবং এডওয়ার্ডস, এমসি (2007)। আইটেম ফ্যাক্টর বিশ্লেষণ: বর্তমান পদ্ধতির এবং ভবিষ্যতের দিকনির্দেশ। মানসিক পদ্ধতি, 12 , 58-79। থেকে উদ্ধার
· রেভেল, ডাব্লু। (2013) মনো: ব্যক্তিত্ব এবং মানসিক গবেষণা জন্য পদ্ধতি। নর্থ ওয়েস্টার্ন ইউনিভার্সিটি, ইভানস্টন, ইলিনয়, মার্কিন যুক্তরাষ্ট্র। Http://CRAN.R-project.org/package=psych থেকে প্রাপ্ত । সংস্করণ = 1.3.2।
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3162326/ ।