ScholarGate
دستیار
Latent structureScale / measurement

Multilevel Measurement Invariance Testing

در داده‌های سلسله‌مراتبی، پاسخ‌دهندگان به خوشه‌های طبیعی تعلق دارند - دانش‌آموزان در کلاس‌ها، کارکنان در شرکت‌ها، بیماران در بیمارستان‌ها. پیش از مقایسه نمرات در بین این خوشه‌ها یا بررسی اثرات بین سطحی، پژوهشگر باید این پرسش را مطرح کند: آیا پرسشنامه، سازه یکسانی را در هر سطح به شیوه‌ای یکسان اندازه‌گیری می‌کند؟ آزمون پایایی اندازه‌گیری چندسطحی با برازش یک مدل عاملی دو سطحی و بررسی اینکه آیا بار عاملی و عرض از مبدأ گویه‌ها در درون خوشه‌ها و در بین خوشه‌ها پایدار می‌مانند، دقیقاً به این پرسش پاسخ می‌دهد. بدون این بررسی، مقایسه‌های بین سطحی می‌تواند گمراه‌کننده باشد زیرا خود سازه ممکن است با بالا رفتن در سلسله‌مراتب، معنای خود را تغییر دهد.

باز کردن در MethodMindبه‌زودیApply, compare, get guidance
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Muthén, B. O., & Asparouhov, T. (2009). Multilevel factor analysis of class and student achievement components. Journal of Educational and Behavioral Statistics, 34(2), 250–270. link
  2. Ryu, E. (2014). Factorial invariance in multilevel confirmatory factor analysis. British Journal of Mathematical and Statistical Psychology, 67(1), 172–194. DOI: 10.1111/bmsp.12014

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Multilevel Measurement Invariance Testing. ScholarGate. https://scholargate.app/fa/psychometrics/multilevel-measurement-invariance

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم

ارجاع‌شده در

ScholarGateMultilevel Measurement Invariance (Multilevel Measurement Invariance Testing). بازیابی‌شده در 2026-06-17 از https://scholargate.app/fa/psychometrics/multilevel-measurement-invariance · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026