Sırasal Doğrulayıcı Faktör Analizi
Ordinal Confirmatory Factor Analysis · Ayrıca şöyle bilinir: CFA for ordinal data, polychoric CFA, WLSMV CFA, categorical CFA
Sırasal doğrulayıcı faktör analizi (Sırasal DFA), gözlenen göstergeler sırasal olduğunda — tipik olarak Likert tipi anket maddeleri — önceden belirlenmiş bir faktör yapısını test eder. Polikorik korelasyonlar ve WLSMV gibi sağlam tahmin ediciler kullanarak, kategorik yanıtları sürekli gibi ele almaktan kaynaklanan yanlılığı önler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+3 tane daha
Ne zaman kullanılır
Teoriye dayalı bir faktör yapısını doğrulamak istediğinizde ve göstergeleriniz sırasal maddeler olduğunda Sırasal DFA kullanın — yedi veya daha az kategoriye sahip Likert ölçekleri prototipik durumdur. Kategori sayısı, maddeleri sürekli gibi ele almanın uyum istatistiklerini veya yükleri bozacağı kadar küçük olduğunda uygundur. Sırasal DFA, bir kalibrasyon örnekleminde bir yapı öneren Sırasal KFA'dan sonra doğru seçimdir ve yeni bir örneklem üzerinde doğrulayıcı test yapılmasına olanak tanır. Faktör yapısı bilinmediğinde ve keşfedilmesi gerektiğinde Sırasal DFA kullanmayın — önce Sırasal KFA kullanın. İkili parametrizasyona (veya IRT'ye) geçmeden ikili maddelere uygulamayın. Beşten az kategoriye sahip sırasal maddeler üzerinde ML tahmini ile standart (sürekli) DFA kullanmayın, çünkü bu, yükleri sistematik olarak küçümser ve uyum sorunlarını şişirir.
Güçlü yönler & sınırlılıklar
- Likert tipi maddelerin kategorik doğasını doğru bir şekilde hesaba katar, sırasal veriler üzerinde ML ile ortaya çıkan yüklerin zayıflamasını ve uyum indekslerinin bozulmasını önler.
- WLSMV, hesaplama açısından verimlidir ve MAR altındaki eksik verileri ikili yaklaşımlar veya FIML uzantıları aracılığıyla ele alır.
- Eşikler, yanıt ölçeği işleyişi hakkında ek tanısal bilgi sağlayarak taban/tavan etkilerini ortaya çıkarır.
- Gruplar arası polikorik ölçekte tam ölçüm değişmezliği testini (yapısal, metrik, skaler) destekler.
- Gizil yanıt ölçeğinde tahmin edilen faktör yükleri ve korelasyonları, IRT parametreleriyle doğrudan karşılaştırılabilir olup, gelenekler arasında köprüler kurmayı kolaylaştırır.
- Sürekli DFA'dan daha büyük örneklemler gerektirir; WLSMV, kategoriler aşırı olduğunda veya maddelerin az sayıda yanıtlayıcı ile çok sayıda kategorisi olduğunda seyrek hücrelere duyarlıdır.
- Model uyum indeksleri, standart ML eşdeğerlerinden farklı dağılımlara sahiptir; yazılıma özgü düzeltmeler kullanılmalı ve yayınlanmış kesme değerleri (CFI > 0.95) WLSMV için yalnızca yaklaşık kılavuzlardır.
- Skaler değişmezlik, polikorik (gizil yanıt) ölçeğinde tanımlanır; eşikler değişmez değilse, gruplar arası gözlenen puan karşılaştırmaları sorunlu olmaya devam eder.
- Polikorik korelasyonlar, iki değişkenli tablolardaki hücre frekansları çok küçük olduğunda kabul edilemez hale gelebilir (−1 ila 1 dışı), bu da pozitif-tanımlı olmayan matrislere yol açar.
SSS
Likert ölçeğim yedi noktalıysa standart ML ile DFA kullanabilir miyim?
Yedi kategori ile sürekli yaklaşım, dört veya beş kategoriye göre çok daha iyidir ve dağılımlar ciddi şekilde çarpık değilse ML DFA kabul edilebilir sonuçlar verebilir. Ancak, veriler açıkça normal dağılıma sahip değilse veya skaler değişmezlik testi yapmayı planlıyorsanız, WLSMV ile Sırasal DFA hala tercih edilir, çünkü kategorik yanıt mekanizmasını doğrudan modeller.
Sırasal DFA için minimum örneklem büyüklüğü nedir?
Evrensel bir minimum yoktur, ancak WLSMV kararlı bir polikorik korelasyon matrisi gerektirir. Simülasyon çalışmaları, faktör başına çok sayıda göstergeye sahip basit modeller için en az 200 vaka önermektedir. Faktör başına az sayıda göstergeye veya çarpık yanıt dağılımlarına sahip modeller 400 veya daha fazlasına ihtiyaç duyabilir. Çok seyrek iki değişkenli tablolar (örn. beşten az gözleme sahip hücreler), toplam N ne olursa olsun tahmin sorunlarına neden olur.
Sırasal DFA'nın IRT ile ilişkisi nedir?
IRT'deki dereceli yanıt modeli ve kısmi kredi modeli, normal ogive veya lojistik bağlantı altında tek faktörlü sırasal DFA'ya matematiksel olarak eşdeğerdir. Sırasal DFA, birden çok ilişkili faktöre ve eşitlik kısıtlamalarına izin vererek IRT'yi genelleştirir. IRT yazılımı kişi düzeyinde puanlamaya ve madde düzeyinde tanılamaya odaklanırken, sırasal DFA yazılımı yapısal uyuma ve faktör korelasyonlarına odaklanır.
Hangi yazılımlar Sırasal DFA çalıştırır?
Mplus, kategorik göstergelerle WLSMV tahmin edicisi aracılığıyla en kapsamlı uygulamayı sağlar. R'de, lavaan paketi sıralı göstergeler için WLSMV'yi (orada DWLS olarak adlandırılır) destekler. OpenMx ve R paketi lsfa da varyantları destekler. LISREL, tarihsel olarak PRELIS polikorik ön işleme adımı aracılığıyla yaklaşımı tanıtmıştır.
Sırasal DFA'da ölçüm değişmezliğini nasıl test ederim?
Standart sıra, yapısal (aynı örüntü, tüm parametreler serbest), metrik (gruplar arası eşit yükler) ve skaler (eşit yükler ve eşikler) modelleri çalıştırır. WLSMV'de, model karşılaştırmaları basit bir ki-kare farkı yerine Satorra-Bentler ölçekli fark ki-kare testini kullanır, çünkü WLSMV uyum fonksiyonları ki-kare dağılımlı değildir. Kısmi değişmezlik — değişmez olmayan eşiklerin serbest bırakılması — esaslı olarak haklı olduğunda kabul edilebilir.
Kaynaklar
- Flora, D. B. & Curran, P. J. (2004). An empirical evaluation of alternative methods of estimation for confirmatory factor analysis with ordinal data. Psychological Methods, 9(4), 466–491. DOI: 10.1037/1082-989X.9.4.466 ↗
- Muthén, B. O. (1984). A general structural equation model with dichotomous, ordered categorical, and continuous latent variable indicators. Psychometrika, 49(1), 115–132. DOI: 10.1007/BF02294210 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Ordinal Confirmatory Factor Analysis. ScholarGate. https://scholargate.app/tr/psychometrics/ordinal-confirmatory-factor-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Doğrulayıcı faktör analizi (DFA)Psikometri↔ karşılaştır
- Keşfedici Faktör Analizi (KFA)İstatistik↔ karşılaştır
- Madde Yanıt Teorisi (MYT)Psikometri↔ karşılaştır
- Ölçme Değişmezliği TestiPsikometri↔ karşılaştır
- Sıralı Keşifsel Faktör AnaliziPsikometri↔ karşılaştır