•  
  •  
 

ORCID

Chongming Yang: https://orcid.org/0000-0002-3941-0811

Abstract

以个体为中心的分析/建模方法具备一定优势，且在方法学层面提供了更多可能性。在潜剖面分析 (Latent Profile Analysis, LPA) 中，顺序心理量表有不同的处理方式，包括总分、平均值、标准化分数、以及因子/潜变量得分。然而，目前尚不确定这些处理方式在多大程度上能得出等效的类别比例与单变量差异。本研究采用极大似然 (Maximum Likelihood, ML) 估计和贝叶斯估计的方法，基于不同样本量 (N = 240/300 或 600) 与不同作答选项数量 (2、3、5 和 7 个)，对潜剖面分析中顺序量表的不同处理方式 (未加权和加权的均值与总分、标准化总分以及潜在因子分) 进行了模拟分析。研究结果表明，相较于顺序量表的其他处理方式，基于因子分的潜剖面分析在复现总体类别比例和单变量差异方面略有优势，尤其在小样本和两或三个作答选项的情况下更为明显。研究结论指出，当样本量充足时，使用贝叶斯估计的因子混合分析(Factor Mixture Analysis, FMA) 可较好地替代基于顺序量表均值和总分 (无论是否加权) 的潜剖面分析；当样本量未达理想水平时，更适合基于两步法因子分的潜剖面分析。

DOI

https://doi.org/10.59863/ZODA2166

Download

Share

COinS