असतत, क्रमिक प्रतिक्रियाओं से कारक स्कोर

Question

क्या आपके पास अध्यादेश, असतत चर होने पर कारक स्कोर का अनुमान लगाने का एक तरीका है।

मैं क्रमसूचक, खंडित चर,। यदि मैं यह धारणा बनाता हूं कि प्रत्येक प्रतिक्रिया अंतर्निहित अंतर्निहित एक सामान्य रूप से वितरित चर है, तो मैं एक पॉलीकोरिक सहसंबंध मैट्रिक्स की गणना कर सकता हूं । मैं तब इस मैट्रिक्स पर एक कारक विश्लेषण चला सकता हूं और प्रत्येक चर के लिए कारक लोडिंग प्राप्त कर सकता हूं।$n$$n\times n$

मैं कारक स्कोरिंग का अनुमान लगाने के लिए कारक लोडिंग और चर को कैसे जोड़ सकता हूं। स्कोर का अनुमान लगाने के विशिष्ट तरीके के लिए आवश्यक होगा कि मैं अंतराल के रूप में क्रमिक डेटा का इलाज करूं।

मुझे लगता है कि मुझे एक लिंक फ़ंक्शन का पता लगाने के लिए पॉलीकोरिक सहसंबंध की हिम्मत में गहरी खुदाई करने की आवश्यकता हो सकती है।

Answer 1

'प्रिसीप्लीड' अप्रोच (जो कि एक प्राथमिक डिफेंसिबल एप्रोच है जिसे आनुभविक रूप से ज्यादा फर्क नहीं पड़ सकता है) एक ग्रेडेड रिस्पांस मॉडल का उपयोग करने के लिए है , आईआरटी परिवार के एक उपयोगी सदस्य के रूप में अक्सर लिकर्ट टाइप आइटमों के लिए उपयोग किया जाता है। आर पैकेज ltm यह बहुत सीधा बनाता है।

फिर आप मान रहे हैं कि अप्रमाणित विशेषता और आपके प्रत्येक संकेतक के बीच एक क्रमिक लॉजिस्टिक रिग्रेशन संबंध है। इस मॉडल वर्ग को चुनना आपको संकेतकों की क्रमिक प्रकृति को गंभीरता से लेने की अनुमति देता है और यह जानकारी प्रदान करता है कि प्रत्येक आइटम किस विशेषता के बारे में सबसे अधिक जानकारीपूर्ण है। कारक विश्लेषण की तरह, यह आपको स्कोर के लिए एक मानक त्रुटि देता है, हालांकि एफए लोग किसी कारण से इन पर ध्यान नहीं देते हैं।

दूसरी ओर, इस मॉडल वर्ग को चुनने से आपकी सभी क्लासिक कारक विश्लेषण सामग्री जैसे कि चीजों को घुमाए जाने तक करने की आपकी क्षमता सीमित हो जाती है जब तक आप उन्हें पसंद नहीं करते। मुझे लगता है कि यह एक प्लस है, लेकिन उचित लोग असहमत हैं। यदि आप इस तरह की बात कर रहे हैं कि आपके पास कितने 'तराजू' हैं, तो आप मोकें प्रक्रियाओं को देखना चाहते हैं जो तराजू की पहचान करने की कोशिश करते हैं, क्योंकि एफए 'एक और आयाम फिट करता है और सरल संरचना में बदल जाता है' जीता। 'काम है।

Comments

+1 लेकिन जब जीआरएम वास्तव में एक असमान पैमाने पर होता है तो रोटेशन पर विचार करने के लिए औचित्य क्या होगा?

— chl

@chl सोचा गया था कि कुछ लोग घुमाए गए लोडिंग के आधार पर 'संकेतक 1-4 उपाय एक चीज और संकेतक 5-11 उपाय कुछ और मापने' जैसी चीजों को कहने में सक्षम होने के लिए सरल संरचना को घुमाते हैं। आईआरटी के दृष्टिकोण के साथ संबंधित लेकिन समान रूप से समान विचारधारा वाली चीजें कहने के लिए नहीं होंगी: 'यह मोककेन प्रक्रिया मुझे बताती है कि 1-4 से एक पैमाने पर अंतर्निहित संकेतक हैं और 5-11 के नीचे एक और एक है, इसलिए मैं अपने ग्रेडेड प्रतिक्रिया मॉडल को प्रत्येक पर लागू करूंगा सबसे अलग। ' आशा है कि बेहतर समझ में आता है।

— संयुक्ताक्षरी

हाँ सचमुच। स्पष्ट करने के लिए धन्यवाद कि मैंने आपके अंतिम वाक्य से क्या अलग किया है। फिर भी हमारे पास प्रत्येक अव्यक्त विशेषता को जोड़ने का कोई तरीका नहीं है यदि ऐसा होता है तो वे वास्तव में सहसंबद्ध होते हैं (जब तक कि एमआईआरटी को नहीं देखा जाता)।

— १०'१०

Answer 2

अध्यादेश-चर संकेतकों से कारक स्कोर निकालना आम बात है। संभावित उपायों का उपयोग करने वाले शोधकर्ता इसे हर समय करते हैं। क्योंकि कारक स्कोर सहसंयोजी पर आधारित होते हैं, यह आमतौर पर इतना बड़ा सौदा नहीं होता है कि "अंतराल" आइटम के भीतर और एक समान नहीं हो सकता है, खासकर यदि आइटम तुलनीय हैं और यथोचित कॉम्पैक्ट पैमानों का उपयोग करते हैं (उदाहरण के लिए, 5 या 7 पीटी)। / असहमत "वस्तुओं को नापसंद करें): सभी विषय समान वस्तुओं पर प्रतिक्रिया दे रहे हैं, और यदि आइटम वास्तव में कुछ अव्यक्त चर के वैध उपाय हैं, तो प्रतिक्रियाओं को एक समान सहसंयोजक पैटर्न प्रदर्शित करना चाहिए। गोरसच, आरएल (1983) देखें। कारक विश्लेषण। हिल्सडेल, एनजे: लॉरेंस एर्लबम। 2। एड।, पीपी 119-20। लेकिन अगर आपको लगता है कि आप के लिए प्रतिक्रियाओं को ग्रहण करने के लिए सामान्य चर रैखिक हैं - या और भी महत्वपूर्ण, यदि आप ऐसे कारक स्कोर चाहते हैं जो रेखीय न हों, लेकिन श्रेणीबद्ध वस्तुओं के बीच आवर्ती nonlinear संघों को प्रतिबिंबित करें (जैसा कि आप कर रहे हैं यदि आपके चर नाममात्र या गुणात्मक थे) - तो आपको अव्यक्त वर्ग जैसे पारंपरिक कारक विश्लेषण के लिए एक nonlinear स्केलिंग विकल्प का उपयोग करना चाहिए विश्लेषण या आइटम प्रतिक्रिया सिद्धांत। (निश्चित रूप से लॉज रिग्रेशन मॉडल में क्रमिक भविष्यवक्ताओं के उपयोग पर इस क्वेरी और आपकी क्वेरी के बीच एक पारिवारिक समानता है; हो सकता है कि मैं एक बार फिर ची या किसी और को प्रेरित कर सकूं, जो मुझसे अधिक जानता है कि हमारे पास और भी अधिक सुव्यवस्थित खाता है। क्यों तुम चिंता की जरूरत नहीं है - या शायद तुम क्यों चाहिए।) टी रैखिक लेकिन वर्गीकृत वस्तुओं के बीच आवर्ती nonlinear संघों को प्रतिबिंबित (जैसा कि आप कर रहे हैं अगर आपके चर नाममात्र या गुणात्मक थे) - आपको अव्यक्त वर्ग विश्लेषण या आइटम प्रतिक्रिया सिद्धांत जैसे पारंपरिक कारक विश्लेषण के लिए एक nonlinear स्केलिंग विकल्प का उपयोग करना चाहिए। (निश्चित रूप से लॉज रिग्रेशन मॉडल में क्रमिक भविष्यवक्ताओं के उपयोग पर इस क्वेरी और आपकी क्वेरी के बीच एक पारिवारिक समानता है; हो सकता है कि मैं एक बार फिर ची या किसी और को प्रेरित कर सकूं, जो मुझसे अधिक जानता है कि हमारे पास और भी अधिक सुव्यवस्थित खाता है। क्यों तुम चिंता की जरूरत नहीं है - या शायद तुम क्यों चाहिए।) टी रैखिक लेकिन वर्गीकृत वस्तुओं के बीच आवर्ती nonlinear संघों को प्रतिबिंबित (जैसा कि आप कर रहे हैं अगर आपके चर नाममात्र या गुणात्मक थे) - आपको अव्यक्त वर्ग विश्लेषण या आइटम प्रतिक्रिया सिद्धांत जैसे पारंपरिक कारक विश्लेषण के लिए एक nonlinear स्केलिंग विकल्प का उपयोग करना चाहिए। (निश्चित रूप से लॉज रिग्रेशन मॉडल में क्रमिक भविष्यवक्ताओं के उपयोग पर इस क्वेरी और आपकी क्वेरी के बीच एक पारिवारिक समानता है; हो सकता है कि मैं एक बार फिर ची या किसी और को प्रेरित कर सकूं, जो मुझसे अधिक जानता है कि हमारे पास और भी अधिक सुव्यवस्थित खाता है। क्यों तुम चिंता की जरूरत नहीं है - या शायद तुम क्यों चाहिए।)

Answer 3

क्या मैं यहाँ कुछ स्पष्ट कर सकता हूँ कृपया, क्या आपके पास अलग-अलग पैमानों पर स्कोर किए गए आइटम हैं जिन्हें आपको पूर्व-प्रक्रिया और संयोजन (अंतराल, क्रमिक, नाममात्र) की आवश्यकता है, या क्या आप सिर्फ ऑर्डिनल स्केल चर पर एक कारक विश्लेषण करना चाहते हैं?

यदि यह बाद की बात है - यहाँ एक दृष्टिकोण है।

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

(ध्यान दें कि यह लिंक अब मृत है)। वहाँ अन्य विगनेट्स हैं, लेकिन यह एक नहीं है।

Comments

यहां मूल विगनेट का एक प्रतिबिंबित संस्करण है, अगर यह मदद करता है: bit.ly/x6eI4x ।

— chl

यह कोड लागू नहीं होता है

— fgregg