Phân tích yếu tố xác nhận Bayesian dựa trên dữ liệu của Thang đo Trí tuệ Wechsler dành cho Trẻ em

Behaviormetrika - 2020
Kazuo Shigemasu1, Masanori Kono2, Kazuhiko Ueno3
1Graduate School of Human Relations, Keio University, Tokyo, Japan
2College of Comprehensive Psychology, Ritsumeikan University, Osaka, Japan
3Tokyo Gakugei University, Tokyo, Japan

Tóm tắt

Mục đích của nghiên cứu này là xem xét cấu trúc yếu tố của trí tuệ dựa trên dữ liệu chuẩn từ Thang đo Trí tuệ Wechsler dành cho Trẻ em - Phiên bản thứ tư (WISC-IV) của Nhật Bản. Cụ thể, bằng cách sử dụng phương pháp phân tích yếu tố Bayesian, nghiên cứu này nhắm đến việc xác định (1) cấu trúc yếu tố nào phù hợp nhất với dữ liệu chuẩn (tức là, cấu trúc được giả thuyết trong WISC-IV hoặc cấu trúc được giả định trong lý thuyết Cattell-Horn-Carroll) và (2) liệu cấu trúc yếu tố của WISC-IV có chứng tỏ sự tồn tại của yếu tố trí tuệ tổng quát (yếu tố g) hay không. Kết quả so sánh mô hình, theo tiêu chí thông tin áp dụng rộng rãi và phương pháp kiểm định chéo loại một, cho thấy mô hình yếu tố g đại diện cho một cấu trúc phân cấp gần gũi hơn so với mô hình hai yếu tố. Sự khác biệt giữa việc sử dụng một yếu tố (yếu tố g) và hai yếu tố ở cấp độ thứ hai là không rõ ràng.

Từ khóa

#Trí tuệ #Phân tích yếu tố #Thang đo Wechsler #Lý thuyết Cattell-Horn-Carroll

Tài liệu tham khảo

Carpenter B, Gelman A, Hoffman MD, Lee D, Goodrich B, Betancourt M, Brubaker M, Guo J, Li P, Riddell A (2017) Stan: a probabilistic programming language. J Stat Softw. https://doi.org/10.18637/jss.v076.i01

Gelman A, Rubin DB (1992) Inference from iterative simulation using multiple sequences. Stat Sci 7:457–472. https://doi.org/10.1214/ss/1177011136

Golay P, Reverte I (2013) Further insights on the French WISC-IV factor structure through Bayesian structural equation. Modeling 25:496–508. https://doi.org/10.1037/a0030676

Holzinger KJ, Swineford F (1937) The bi-factor method. Psychometrika 2:41–54. https://doi.org/10.1007/BF02287965

McGill RJ, Canivez GL (2018) Confirmatory factor analyses of the WISC-IV Spanish core and supplemental subtests: validation evidence of the Wechsler and CHC models. Int J Sch Educ Psychol 6:239–251. https://doi.org/10.1080/21683603.2017.1327831

Reverte I, Golay P, Favez N, Rossier J, Lecerf T (2014) Structural validity of the Wechsler Intelligence Scale for Children (WISC-IV) in a French-speaking Swiss sample. Learn Individ Differ 29:114–119. https://doi.org/10.1016/j.lindif.2013.10.013

Reverte I, Golay P, Favez N, Rossier J, Lecerf T (2015) Testing for multigroup invariance of the WISC-IV structure across France and Switzerland: standard and CHC models. Learn Individ Differ 40:127–133. https://doi.org/10.1016/j.lindif.2015.03.015

R Core Team (2017). R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/

Schneider WJ, McGrew KS (2012) The Cattell–Horn–Carroll model of intelligence. In: Flanagan DP, Harrison PL (eds) Contemporary intellectual assessment: theories, tests, and issues, 3rd edn. Guilford, New York, pp 99–144

Shigemasu K, Hoshino T (2007) Simpler calculation of posterior distributions of the parameters in structural equation model. In: Upadhyay SK, Singh U, Dey DK (eds) Bayesian statistics and its applications. Anamaya Publishers, New Delhi, pp 399–406

Stan Development Team (2018) R Stan: The R interface to Stan. R Package Version 2.18.2. New York, NY: Stan Development Team. http://mc-stan.org/

Vehtari A, Gelman A, Gabry J (2017) Practical Bayesian model evaluation using leave-one-out cross-validation and WAIC. Stat Comput 27:1413–1432. https://doi.org/10.1007/s11222-016-9696-4

Watanabe S (2010) Asymptotic equivalence of Bayes cross validation and widely applicable information criterion in singular learning theory. J Mach Learn Res 11:3571–3594

Thông tin
Thông tin xuất bản

Behaviormetrika

Thông tin tác giả