Bayesci Onaylayıcı Faktör Analizi (BCFA)
Bayesian Confirmatory Factor Analysis · Ayrıca şöyle bilinir: BCFA, Bayesian CFA, Bayesian structural equation measurement model, Bayes-CFA
Bayesci onaylayıcı faktör analizi (BCFA), önceden belirlenmiş bir faktör yapısını Bayesci çıkarım kullanarak test eder. Nokta tahminleri ve p-değerleri yerine, yüklemeler, faktör korelasyonları ve artık varyanslar için tam sonsal dağılımlar üretir, bu da araştırmacının önsel bilgiyi dahil etmesine ve parametre belirsizliğini doğal olarak yaymasına olanak tanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+4 tane daha
Ne zaman kullanılır
Teorik olarak temellendirilmiş bir faktör yapınız olduğunda ve önsel bilgiyi — örneğin önceki doğrulama çalışmalarından — doğrudan tahmine dahil etmek istediğinizde veya örneklem büyüklükleri sıklıkçı tahminlerin kararsız olduğu kadar küçük olduğunda BCFA'yı kullanın. Klasik CFA uyum indekslerinin, çapraz yüklemeler üzerindeki yaklaşık sıfır önsel değerlerin emebileceği yaklaşık uyumsuzluk sinyali verdiği durumlarda veya parametre sınırlarına doğal olarak uyan aralık tahminlerine ihtiyaç duyduğunuzda da BCFA tercih edilir. Faktör yapısının gerçekten bilinmediği durumlarda EFA'nın yerine BCFA'yı kullanmayın; Bayesci çerçeve savunulabilir bir önsel yapı ihtiyacını ortadan kaldırmaz. Ayrıca, seçilen önsel değerler iyi gerekçelendirilmediğinde BCFA'dan kaçının, çünkü yanlış belirlenmiş önsel değerler, sıklıkçı yaklaşımların küçük ihlallerden etkileneceğinden daha fazla sonsal değerleri yanlı hale getirebilir.
Güçlü yönler & sınırlılıklar
- Tüm parametreler için tam sonsal dağılımlar üretir, bu da faktör yüklemeleri ve model uyumu hakkında gerçek olasılık ifadeleri sağlar.
- Bilgilendirici önsel değerler kullanıldığında, sıklıkçı CFA'dan daha iyi bir şekilde küçük ve orta ölçekli örneklemlerle başa çıkar, ancak küçük örneklem sorunlarından muaf değildir.
- Çapraz yüklemeler üzerindeki yaklaşık sıfır önsel değerler, klasik CFA'nın ek düzenleme olmadan temsil edemediği özgül olarak gerekçelendirilmiş, kısmen gevşetilmiş yapıları mümkün kılar.
- Gizil faktör skorları veya aracılık modelleri gibi sonraki analizlere parametre belirsizliğini doğal olarak yayar.
- DIC, WAIC veya Bayes faktörleri kullanarak rakip faktör yapıları arasında resmi Bayesci model karşılaştırmasına izin verir.
- Sonuçlar önsel belirteçlere bağlıdır; özellikle küçük örneklemlerde farklı makul önsel değerler fark edilir derecede farklı sonsal değerler üretebilir.
- MCMC tahmini hesaplama açısından yoğundur ve yakınsama tanısı gerektirir, bu da maksimum olabilirlik CFA'ya kıyasla karmaşıklık katar.
- Sonsal öngörücü p-değerleri, RMSEA veya CFI kadar sezgisel olarak tanıdık değildir, bu da uyumun uygulamalı kitlelere iletişimini zorlaştırır.
- Yazılım seçenekleri (Stan, Mplus BAYES, blavaan, JAGS), standart CFA'dan (lavaan veya AMOS'ta) daha fazla teknik kurulum gerektirir.
SSS
BCFA standart CFA'dan nasıl farklıdır?
Her ikisi de önceden belirlenmiş bir faktör yapısını test eder, ancak standart CFA maksimum olabilirlik veya ağırlıklı en küçük kareler yöntemini kullanır ve ki-kare uyum istatistikleri ile RMSEA ve CFI gibi indeksleri raporlar. BCFA, her parametre için sonsal dağılımlar üretmek üzere Bayesci çıkarım kullanır, önsel bilginin dahil edilmesine izin verir ve uyumu sonsal öngörücü p-değerleri veya bilgi kriterleri aracılığıyla değerlendirir. BCFA ayrıca daha esnektir: çapraz yüklemeler üzerindeki yaklaşık sıfır önsel değerler, standart CFA'nın katı sıfır kısıtlamasını gevşetir.
Faktör yüklemeleri için hangi önsel değerleri kullanmalıyım?
Serbest (hedef) yüklemeler tipik olarak, önsel literatür orta ila güçlü yüklemeleri önerdiğinde N(0.6, 0.1) gibi makul bir değer etrafında merkezlenmiş bir normal önsel veya önsel bilgi mevcut olmadığında zayıf bilgilendirici N(0, 1) alır. Standart CFA'da sıfıra sabitlenmiş çapraz yüklemeler, bunun yerine N(0, 0.01) gibi sıkı önsel değerler — yaklaşık sıfır yaklaşımı — alabilir, bu da küçük çapraz yüklemelere izin verirken büyük olanları cezalandırır. Önsel duyarlılık analizi her zaman önerilir.
BCFA ne kadar örneklem büyüklüğü gerektirir?
Bilgilendirici önsel değerler kullanıldığında BCFA, sıklıkçı CFA'dan daha küçük örneklemlerle yeterince performans gösterebilir, ancak küçük örneklem sorunlarından muaf değildir. Tamamen yaygın (diffuse) önsel değerlerle sonsal, olabilirlik tarafından domine edilir ve ML-CFA'ya benzer şekilde davranır. Simülasyonlar, orta derecede bilgilendirici önsel değerler ve iyi belirlenmiş modellerle 100-200 örneklemlerin genellikle yeterli olduğunu göstermektedir, ancak bu model karmaşıklığına ve önsel kalitesine bağlıdır.
Hangi yazılım BCFA'yı destekler?
Mplus (BAYES tahmincisi), en yaygın kullanılan uygulamalı araçtır ve yaklaşık sıfır önsel değerleri doğrudan uygular. Stan (rstan veya CmdStan aracılığıyla) maksimum esneklik sunar ve özel model uzantıları için tercih edilir. R paketi blavaan, tanıdık bir sözdizimi ile lavaan'ın Bayesci bir uzantısını sağlar. JAGS tabanlı uygulamalar da eğitim ve psikolojik araştırmalarda kullanılır.
BCFA sonuçları nasıl raporlanmalıdır?
Tüm serbest parametreler için önsel belirteçleri gerekçeleriyle birlikte raporlayın. MCMC yakınsama tanılayıcılarını — R-hat değerleri, ESS ve iz grafikleri (yer darlığı durumunda ek materyalde) — sağlayın. Tüm faktör yüklemeleri, faktör korelasyonları ve artık varyanslar için sonsal ortalamaları veya medyanları ve %95 güven aralıklarını raporlayın. Model uyumunu PPP değerleri ve modeller karşılaştırılırsa DIC veya WAIC farklarıyla açıklayın. Muthén ve Asparouhov (2012) raporlama kılavuzunu izleyin.
Kaynaklar
- Lee, S.-Y. (2007). Structural Equation Modeling: A Bayesian Approach. Wiley. ISBN: 978-0470024232
- Muthén, B. & Asparouhov, T. (2012). Bayesian structural equation modeling: A more flexible representation of substantive theory. Psychological Methods, 17(3), 313–335. DOI: 10.1037/a0026802 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian Confirmatory Factor Analysis. ScholarGate. https://scholargate.app/tr/psychometrics/bayesian-confirmatory-factor-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesci Keşifsel Faktör Analizi (BEFA)Psikometri↔ karşılaştır
- Bayesçi Ölçme Değişmezliği TestiPsikometri↔ karşılaştır
- Doğrulayıcı faktör analizi (DFA)Psikometri↔ karşılaştır
- Keşfedici Faktör Analizi (KFA)İstatistik↔ karşılaştır