首页/论文/1602.07290

arXiv 1602.072902016-02-23stat.AP

三因素得分预测因子的可靠性估计

Reliability estimates for three factor score predictors

Andre Beauducel, Christopher Harms, Norbert Hilger

备注：: 2 figures
DOI：: 10.5539/ijsp.v5n6p94

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

Thurstone的回归因子得分预测，Bartlett的因子得分预测，和麦当劳的因子得分预测的可靠性估计。与Kuder-Richardson公式一样，可靠性估计基于一组假设的等效项目。通过模拟研究的可靠性估计进行了比较。总体而言，回归评分预测因子的可靠性估计值最大，因此，无论何时计算Bartlett或McDonald因子评分预测因子，Bartlett和McDonald因子评分预测因子的可靠性估计值都应与回归评分预测因子的可靠性进行比较。一个R-脚本和一个SPSS脚本的计算各自的可靠性估计。

英文摘要：

Estimates for the reliability of Thurstone's regression factor score predictor, Bartlett's factor score predictor, and McDonald's factor score predictor were proposed. As in Kuder-Richardson's formula, the reliability estimates are based on a hypothetical set of equivalent items. The reliability estimates were compared by means of simulation studies. Overall, the reliability estimates were largest for the regression score predictor, so that the reliability estimates for Bartlett's and McDonald's factor score predictor should be compared with the reliability of the regression score predictor, whenever Bartlett's or McDonald's factor score predictor are to be computed. An R-script and an SPSS-script for the computation of the respective reliability estimates is presented.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于Schmid-Leiman变换的三种类型因子得分预测因子的完美相关性

A Schmid-Leiman based transformation resulting in perfect inter-correlations of three types of factor score predictors

当对因素的个体得分感兴趣时，将计算因素得分预测值。的回归/最佳线性因子得分预测，最佳线性条件无偏预测，和决定性的最佳线性相关保持预测的完美的相互关联的条件。当这三种类型的因子得分预测值与相应的因子完全相关时，从一种方法计算的因子得分预测值将具有从其他方法计算的因子得分预测值的优点。提出了一种基于Schmid-Leiman的变换，其三种类型的因子得分预测值对于相应的正交因子是完全相关的。

2015-11-01stat.AP

Score predictor factor analysis：通过因子评分预测因子再现观察到的协方差

Score predictor factor analysis: Reproducing observed covariances by means of factor score predictors

因子得分预测因子所隐含的模型不能再现观测到的协方差阵的非对角元素以及因子载荷。因此，它是调查是否有可能估计因子负荷的模型所暗示的因子得分预测最佳地再现所观察到的协方差阵的非对角元素。因此，负荷估计提出的因素得分预测隐含的模型允许一个最小二乘近似的观察到的协方差阵的非对角元素。这种估计方法称为Score预测因子分析，并与Minres因子分析和主成分分析进行了代数比较。为了比较Score预测因子分析、Minres因子分析和主成分分析，进行了基于群体和基于样本的模拟研究。事实证明，观察到的协方差阵的非对角元素可以更准确地从Score预测因子分析计算出的因子得分预测因子中重现，而不是从Minres因子分析和主成分计算出的因子得分预测因子中重现。此外，得分预测因子分析可以帮助识别因素时，因素模型不能完美地拟合数据，因为模型误差。

2019-03-18stat.AP

因子得分确定性与因子间相关性保持之间的权衡

The trade-off between factor score determinacy and the preservation of inter-factor correlations

回归因子得分预测因子具有最大因子得分确定性，即，与相应因子的最大相关性，但它们不具有与因子相同的相关性。由于计算具有与因子相同的互相关性的因子得分预测器可能是有用的，因此已经提出了相关性保持因子得分预测器。然而，相关保持因子得分预测因子与相应因子（因子得分确定性）的相关性小于回归因子得分预测因子。因此，较高的因子得分确定性伴随着相互关联的偏差，无偏的相互关联伴随着较低的因子得分确定性。因此，本研究的目的是调查的规模之间的权衡因素得分的确定性和偏见的相互关系，通过模拟研究。事实证明，在几种条件下，回归因子得分预测因子的因子得分确定性的非常小的增益伴随着相互关联的大偏差。而不是使用回归因子得分预测默认情况下，它建议检查是否可以避免大量的偏差的相互关系，而不会大量损失的因素得分的确定性，通过使用相关性保持因子得分预测。附录中给出了一种语法，该语法允许从回归因子得分预测值计算相关性保持因子得分预测值，并比较因子得分确定性和因子得分预测值的相互关系。

2023-01-17stat.AP

得分预测因子分析作为单项指标识别模型

Score Predictor Factor Analysis as model for the identification of single-item indicators

得分预测因子分析（SPFA）被引入作为一种方法，允许计算因子得分预测因子，在某些条件下，这些因子得分预测因子与因子分析产生的公共因子的相关性比从公共因子模型计算的因子得分预测因子更高。在本研究中，我们调查SPFA作为一个模型在其自身的权利。为了提供一个基础，SPFA因子得分预测的属性和效用和可能性，以确定单项目指标SPFA负载矩阵进行了研究。关于因子得分预测因子，主要结果是得分预测因子分析的最佳线性预测因子不仅具有完美的确定性，而且是相关保持的。关于SPFA负荷，它被发现在模拟研究中，五个或更多的人口因素，仅代表一个变量，相当大的负荷可以更准确地识别SPFA比传统的因素分析。此外，战略规划和财务分析正确确定的单项指标的百分比大大高于共同因素模式。因此，有人认为，战略规划和财务分析是一种工具，在确定非常短的尺度或单项指标时特别有用。

2020-04-06stat.AP

当个体具有不同因子载荷时如何改进回归因子得分预测器

How to improve the regression factor score predictor when individuals have different factor loadings

针对个体因子载荷存在差异的情形，本文提出基于个体载荷估计和二项检验的异质性回归因子得分预测器，并通过模拟与实证表明其确定性优于传统方法。

2025-03-09stat.APstat.ME

扩展斯皮尔曼和威尔逊之间的辩论1929：当单变量最佳地再现所观察到的协方差的共同部分？

Extending the debate between Spearman and Wilson 1929: When do single variables optimally reproduce the common part of the observed covariances?

因为从常规因子得分预测器再现的观测变量的协方差通常与从共同因子再现的协方差不相同，所以建议找到最佳再现观测协方差的共同部分的因子得分预测器。它表明，在某些条件下，一个因素上的最高负荷的单个观察变量完美地再现了非对角观察协方差。这是指斯皮尔曼和威尔逊1929年关于使用单一变量作为因子得分预测因子的争论。这一发现的影响进行了调查，在人口为基础的，并在一个样本为基础的模拟研究，确认采取一个单一的变量优于传统的因子得分预测再现所观察到的协方差时，显着的负载大小和显着的负载每个因素的数量是小的。这一发现的影响因素得分预测进行了讨论。

2014-11-25stat.AP

更多相关论文收起更多论文

消除组间均值差异如何影响因子得分确定性？

How does the elimination of group mean-differences affect factor score determinacy?

本研究探讨了消除组间均值差异对因子得分确定性的影响，发现在因子载荷≥.60时消除均值差异仅轻微降低确定性系数，并提出补偿因子k以估算恢复初始确定性所需的额外变量数。

2023-11-24stat.AP

基于分类变量的验证性因子分析中确定性系数的偏差

Bias of determinacy coefficients in confirmatory factor analysis based on categorical variables

本研究比较了基于分类变量的验证性因子分析中不同估计方法下确定性系数的偏差，发现二分类数据、因子相关及未建模交叉载荷导致正偏差，建议校正抽样误差、使用ML或贝叶斯参数及至少四类数据以避免高估。

2023-05-11stat.AP

无标记数据下对潜在结构化预测分数的排序与组合

Ranking and Combining Latent Structured Predictive Scores without Labeled Data

University of Houston（休斯顿大学）；University of Nevada, Reno（内华达大学里诺分校）；Lieber Institute for Brain Development（利伯大脑发育研究所）

针对无标记数据下预测器准确率未知、预测器间存在相关性的集成挑战，提出SUEL模型及两种分解算法，可在模拟和风险基因发现中验证了无需真值即可高效集成相关预测器的有效性。

2024-08-14cs.LGstat.APstat.ML

使用CAT分数和错误未发现率控制的组学预测问题中的特征选择

Feature selection in omics prediction problems using cat scores and false nondiscovery rate control

我们重新讨论了线性判别分析（LDA）中的特征选择问题，即当特征相关时。首先，我们介绍了一个汇集的质心制定的多类LDA预测函数，其中的Mahalanobis变换预测的相对权重由相关调整$t$ -分数（猫分数）。其次，对于特征选择，我们提出了阈值猫分数通过控制错误的非发现率（FNDR）。第三，分类器的训练是基于相关性和方差的James-Stein收缩估计，其中正则化参数是分析选择的，而不需要重新搜索。总的来说，这导致了一个有效的和计算成本低廉的框架，高维预测与自然特征选择。建议的收缩判别程序在R软件包`` sda '中实现，可从R存储库CRAN获得。

2010-10-08stat.APstat.ML

评估金融市场变动的多变量预测因子：有序数据的潜在因子框架

Assessing multivariate predictors of financial market movements: A latent factor framework for ordinal data

股票市场的大部分交易活动都是由经纪公司进行的。作为交换，他们提供所谓的“软美元”，基本上是用于“研究”的金额，以确定有利可图的交易机会。软美元代表每10美元佣金中的1美元。显然，它们的成本很高，机构投资者有兴趣从统计角度确定软美元投入是否值得使用（并间接支付）。为了解决这个问题，我们开发了经纪人-交易商预测和市场实现之间的关联措施。我们的数据是两个经纪人的有序预测-交易商和几个市场上的实现价值，在相同的有序规模。我们开发了一个结构方程模型，潜变量在一个有序的设置，使我们能够测试经纪人-交易商的金融市场走势的预测能力。我们使用一个多变量logit模型的潜在因素框架，开发了一个易于处理的估计的基础上的拉普拉斯近似，并显示其一致性和渐近正态性。蒙特卡罗实验表明，估计方法和检验程序在小样本情况下表现良好。然后使用该方法来分析我们的数据集。

2009-06-05stat.AP

将反映性指标视为构成性指标，以计算因素得分估计值或单位加权量表

Treating reflective indicators as causal-formative indicators in order to compute factor score estimates or unit-weighted scales

在某些应用环境中，需要对共同因素进行个人评分（例如，商业和营销环境）。共同因素基于反映性指标，但其得分无法明确确定。因此，使用因素评分估计值和单位加权量表来提供个人评分。结果表明，这些分数是基于治疗的反射性指标，如果他们是capillary形成指标。对指标因果地位的这一修改应该是合理的。因此，应调查因素评分估计值和单位加权量表所隐含的模型的拟合情况，以确定评分的有效性。

2017-01-22stat.AP

高维预测量充分预测的逆矩方法

Inverse Moment Methods for Sufficient Forecasting using High-Dimensional Predictors

我们考虑预测一个单一的时间序列使用大量的预测在一个可能的非线性预测函数的存在。假设预测因子通过潜在因子影响响应，我们建议首先进行因子分析，然后对估计因子进行充分的降维，以获得后续预测的降维数据。在充分降维阶段，利用方向回归和反三阶矩方法，可以捕捉到各因素对响应的非单调影响。我们还允许一个发散的因素，只施加一般规律性条件的因素的分布，避免不希望的时间可逆的因素，后者。这些使得所提出的方法从根本上比Fan et al.（2017）中的充分预测方法更适用。所提出的方法在模拟研究和预测1959年至2016年的月度宏观经济数据的实证研究中得到了证明。此外，我们的理论有助于文献的充分降维，因为它包括一个不变性的结果，路径进行充分的降维下的高维设置，而不假设稀疏性，以及相应的顺序确定过程。

2021-04-21math.STstat.APstat.ME

贝叶斯因子分析中似然均值的因子得分决定系数

Coefficients of factor score determinacy for mean plausible values of Bayesian factor analysis

在贝叶斯因子分析的背景下，可以计算平均似然值，这些值可以用作协变量或预测变量，或者为贝叶斯潜变量提供个体评分。以前的模拟研究确定的合理值的有效性的合理值和生成因子得分的均方差。然而，在实证研究中，生成因子得分是未知的，因此需要一个仅基于模型参数的指标，以评估实证研究中因子得分估计值的有效性。确定性系数是基于模型参数的，并且可以在经验设置中执行贝叶斯因子分析时计算。因此，本模拟研究的主要目的是比较基于模型参数的确定性系数与平均合理值与生成因子的相关性。结果发现，系数的确定性产生一个可接受的估计平均合理值的有效性。对于小样本量和小显著负荷量，确定性系数高估了有效性，建议报告确定性系数和偏倚校正，以估计经验设置中平均合理值的有效性。

2021-09-20stat.AP

利用最小线性逻辑回归确定物种分布的局部限制因素

Identify local limiting factors of species distribution using min-linear logistic regression

逻辑回归是生态建模中常用的构建模块，但其环境预测因子之间的加性结构通常假设预测因子之间存在补偿关系，这可能导致有问题的结果。事实上，根据李比希最小值定律，物种的分布通常是由最不利的因素决定的，这在建模中没有得到解决。为了解决这个问题，我们引入了最小线性逻辑回归模型，它具有内置的竞争因素的最小结构。在我们对亚洲黑熊（$\textit{Ursus thibetanus}$）分布的实证分析中，我们发现最小线性模型与其他方法相比表现良好，并具有一些优势。通过使用该模型，我们能够确定整个调查区域熊分布的生态意义的限制因素。该模型固有的简单性和可解释性，使其成为一个有前途的工具，扩展到其他广泛使用的生态模型。

2023-02-18q-bio.QMstat.AP

基于综合Brier评分的生存Cobra --一种基于回归的方法

Integrated Brier Score based Survival Cobra -- A regression based approach

IIT Guwahati（印度理工学院古瓦哈蒂分校）

最近，Goswami等人\cite{goswami2022concordance}介绍了两种新的组合回归策略的实现，以找到条件生存函数。本文使用基于回归的弱学习器，并提供了一个替代版本的组合回归策略（COBRA）集成使用集成Brier分数来预测条件生存函数。我们创建了一个新的预测器的基础上加权版本的所有机器的预测权重作为一个特定的功能规范化的综合Brier得分。在算法中，我们使用两种不同的范数（Frobenius范数和Sup范数）来提取邻近点。我们的实现也考虑了右删失数据。我们通过一些实际数据分析来说明所提出的算法。

2022-10-27cs.AIcs.LGstat.AP

基于树型聚类技术的南非高等教育投入预测

Predicting Higher Education Throughput in South Africa Using a Tree-Based Ensemble Technique

University of Witwatersrand（威特沃特斯兰德大学）；University of Johannesburg（约翰内斯堡大学）

我们使用梯度推进机和逻辑斯谛回归来预测在南非大学的学术吞吐量。结果突出了社会经济因素和研究领域作为吞吐量的预测因素的显着影响。我们进一步发现，社会经济因素成为一个相对于研究领域的预测随着时间的增加完成。我们提供干预措施，以抵消已确定的影响，其中包括学术，心理和财政支持的建议。

2021-06-12cs.LGstat.AP

响应变量与预测变量缺失情形下的逻辑回归：现有方法综述与案例研究

Logistic regression with missing responses and predictors: a review of existing approaches and a case study

本文综述并比较了响应变量与预测变量均可能缺失时逻辑回归的多种处理方法，通过模拟和儿童肥胖案例研究发现最大似然法表现最佳，多重插补次之，并证实既往IOTF值和体能评分对肥胖预测具有重要价值。

2024-04-30stat.APstat.ME

面向高维非高斯数据的组合分位数预测

Combined Quantile Forecasting for High-Dimensional Non-Gaussian Data

本文提出一种基于分位数因子模型的高维非高斯数据预测方法，通过提取不同分位数因子构建预测模型，并用马尔可夫链加权组合各分位数预测值，在模拟和PM2.5数据中优于现有方法。

2024-02-27stat.APstat.ME

使用CAR评分进行高维回归和变量选择

High-dimensional regression and variable selection using CAR scores

变量选择是一个困难的问题，特别是在高维基因组数据的分析具有挑战性。在这里，我们介绍了CAR得分，一种新的和高度有效的标准变量排名的线性回归的基础上马氏解相关的解释变量。CAR评分提供了一个规范排序，鼓励对相关预测因子进行分组并降低对抗性变量的权重。它分解了解释的方差的比例，是边际相关和标准化回归系数之间的中间值。作为总体数量，任何优选的推断方案都可以用于其估计。使用模拟，我们证明了通过CAR分数进行变量选择是非常有效的，并且产生的预测误差和真阳性率和假阳性率与现代回归技术（如弹性网和boosting）相比毫不逊色。我们通过分析与糖尿病进展以及衰老对人脑基因表达的影响有关的数据来说明我们的方法。实现CAR评分回归的R包“care”可从CRAN获得。

2011-07-19stat.APstat.ME