Analisis Faktor Eksploratori Bertingkat (ML-EFA)
Analisis faktor eksploratori bertingkat (ML-EFA) mendedahkan struktur faktor laten secara serentak pada dua atau lebih peringkat hierarki data — contohnya, kedua-duanya dalam kalangan individu dan antara kumpulan — tanpa mengenakan struktur yang tetap terlebih dahulu. Ia adalah penting apabila item tinjauan atau ujian dikumpulkan daripada responden yang bersarang dalam kelas, organisasi, atau klinik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Muthén, B. O. (1994). Multilevel covariance structure analysis. Sociological Methods & Research, 22(3), 376–398. DOI: 10.1177/0049124194022003006 ↗
- Ryu, E. & West, S. G. (2009). Level-specific evaluation of model fit in multilevel structural equation modeling. Structural Equation Modeling: A Multidisciplinary Journal, 16(4), 583–601. DOI: 10.1080/10705510903203466 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Multilevel Exploratory Factor Analysis. ScholarGate. https://scholargate.app/ms/psychometrics/multilevel-exploratory-factor-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Model Bifaktor (Faktor Umum dan Khusus)Psikometrik↔ compare
- Analisis Faktor Pengesahan (CFA)Psikometrik↔ compare
- Analisis Faktor Penerokaan (EFA)Statistik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →