显示带有标签的帖子 因子分析. 显示所有帖子
显示带有标签的帖子 因子分析. 显示所有帖子

2018年10月24日星期三

2014年9月16日,星期二

关于探索性因素分析的良好介绍概述文章

这是探索性因素分析的不错的概述文章。它包括一张漂亮的“经验法则”表和一个附录,其中包含关键概念和术语的定义和解释。一篇很好的文章,有助于向其他人教授全民教育。点击图片可放大



-使用iPad上的BlogPress发布

2012年9月10日,星期一

AP101简介#16:超越CHC:CHC内部域复杂度优化措施

[注意:  这是较大论文的工作草案(CHC认知成就研究20年的意义: 回到未来,超越CHC)将在第一个 塔夫茨大学理查德·伍德考克当代认知评估研究所开幕大会(2012年9月29日):  CHC理论和认知评估的发展。] 对WJ III测试战的工作知识将使本简介更容易理解,但这不是必需的。

B超越CHC:  ITD—CHC内部域复杂度优化 Measures
            优化中 CHC措施的认知复杂性
我最近开始认识到 不伦瑞克对称 派生的 Berlin 情报Structure (BIS) 模型可以在应用智能研究中发挥作用,特别是对于增加预测指标的情况 通过最大化这些关系 通过匹配维度上的预测标准空间来建立关系 认知的 complexity.  What 是 认知的 complexity? 它为什么如此重要? 更重要的是,它应该扮演什么角色 设计智能电池以优化CHC COG- 交流电 H relations?
认知性 复杂性通常是通过检查单个测试负载来实现的 主成分分析中的第一个主成分(詹森, 1998).  The high G- 测试的基本原理是测试性能更高 cognitively 复杂 “调用更广泛的基本认知过程 (Jensen,1998; Stankov,2000,2005)”(McGrew,2010b,第452页)。  High g装货 测试通常是MDS(多维缩放)radex模型的中心 (点击此处查看AP101简要报告#15: 认知能力成就特质示例)—但是这种同构不会 always hold.   大卫·洛曼(David Lohman),是 理查德·斯诺(Richard 雪)’s,已广泛使用MDS方法来研究情报,并且拥有一个 最好地掌握了什么认知复杂性,如 hyperspace of MDS 数字s, contributes to understanding 情报 和 intelligence tests.  According to Lohman (2011), those tests closer to 的 center are more 认知复杂due 五 possible factors—大量的认知成分过程;积累 加快组件差异:更重要的组件流程(例如, 推理);注意控制和工作记忆的需求增加;和/或 或对自适应功能(组装,控制和监视)有更多要求。 Schneider’s (in press) 抽象级别 广泛的CHC因素的描述类似于 认知复杂性。  He uses 的 simple 100米栏成绩的示例。  According to 施耐德 (in press), one could independently measure 100 米冲刺速度,然后停滞不前,越过障碍(两者 能力的例子)。  However, 进行100米的比赛并不是两种狭narrow的能力的总和。 更多的是狭义能力的非加法组合和整合。 这个比喻抓住了 认知复杂性—在认知测量领域,这是任务 在成功完成任务时,罗曼列举了五个因素中的更多因素 performance.
至关重要 重要性是对因素或 能力域的广度(即, broad 要么 狭窄) 同义的 with 认知复杂性.  更多 重要的是,认知复杂性并不总是一个测试设计概念(因为 由Brunswick Symmetry和BIS模型定义) 明确地 纳入 “智能”智能测试设计(ITD).  许多测试已经纳入了这一概念 他们的设计计划中的认知复杂性,但是我相信这种类型的 认知复杂性与CHC内部域的认知不同 这里讨论的复杂性。
对于 例如,根据考夫曼和考夫曼(2004)的观点,“在开发KABC-II时, 作者没有努力发展‘pure’五个CHC的测量任务 broad abilities.  在 理论, Gv 任务应排除 Gf 要么 s 例如,以及其他广泛能力的测试,例如 GC 要么 l ,仅应衡量该能力而已。 但实际上, 像KABC-II这样的认知能力综合测试可以衡量问题 在不同环境下和不同条件下解决 复杂 有必要评估 高级功能”(第16页;增加了斜体)。 虽然考夫曼’强调重要性 CHC接地的智力测试电池中认知复杂的测量方法 描述将复杂的措施定义为 阶乘复杂或 来自多个CHC领域的能力的混合度量.  The Kaufman’也可以解决认知问题 非CHC神经认知三嵌段功能性Luria的复杂性 当他们指出重要的是要提供神经认知模型 评估“动态整合这三个模块” (Kaufman &Kaufman,2004年,第13页)。   对神经认知整合(以及因此的复杂性)的强调是 也是最新Wechsler电池的明确设计目标。 如WAIS-IV手册(Wechsler,2008年)所述, “尽管评估和划分更多内容有明显的优势 认知功能领域狭窄,几个问题值得关注。 首先,认知功能是相互关联的, 在功能和神经方面,使其难以测量纯域 认知功能” (p. 2).  Furthermore, “measuring psychometrically 纯 factors of discrete domains 可能对研究有用,但不一定会产生信息 在实际应用中具有丰富的临床意义或实用性(Zachary, 1900)” (Wechsler, p. 3).   Finally, 埃利奥特(Elliott,2007)同样主张承认的重要性 基于神经认知“复杂 信息处理”(第15页;增加了斜体)。 DAS-III,可进行描述于CHC中的测试或复合材料测量 域,在测试设计中同样重要。
ITD 这里阐述和提出的原则是努力发展 认知上复杂的测量 在广泛范围内 CHC domains—也就是说,无法通过能力融合来实现复杂性 跨越CHC广泛的领域,而不是尝试直接链接到神经认知 network integration.[1]  基于Brunswick对称性的BIS模型 提供了通过开发和分析实现此目标的框架 通过关注认知来测试复杂性 内容 运作方面。 
图12 展示了大多数关键WJ III的二维MDS Radex模型的结果, 狭窄的CHC认知和成就集群(适用于来自 到成年后期大约6岁)。 [2]   The current 图12中结果的解释重点仅在于程度 of 认知复杂性 (proximity to 的 center of 的 数字) of 的 broad 和同一域内的WJ III狭窄群集( 内容和操作方面 不是当前材料的重点)。  Within a domain 的 最广泛的 三测 父母 聚类由黑色圆圈表示。[3] 两次测试的广泛类由灰色设计 circles.  Two test 狭窄 后代 广泛领域内的集群是 由白色圆圈指定。  All 域中的群集通过以下方式连接到最广泛的父广泛群集: lines. 至关重要的 信息是各自父母的域内认知复杂性 和兄弟姐妹集群,以它们与中心的相对距离表示 of 的 数字. 一些有趣的结论 are apparent. [点击图片可放大]

首先,作为 可以预期,WJ III GIA -Ext集群几乎完美地集中在 figure—它显然是认知上最复杂的WJ III集群。   相比之下,三个WJ III Gv 集群 在认知复杂性方面比所有其他具有 没有特定的Gv集群显示明显的认知复杂性优势。   As 预期的是,测得的阅读和数学成绩集群主要是 认知上复杂的措施。  However, 那些与基本情况打交道的成就集群 技能 (数学计算—MTHCAL;基本阅读技巧—RDGBS) are 不太复杂 应用 集群(阅读理解-RDGCMP;数学推理-MTHREA)。 
最多 图12中有趣的发现是差异性认知复杂性 CHC域中的模式(至少有一个父级和至少一个父级 offspring cluster).  对于 example, 的 较窄的知觉速度(Gs-P)后代簇在认知上更为复杂 而不是广泛的父Gs集群。  The broad Gs集群由视觉匹配(Gs-P)和决策速度组成 (Gs-R9; l -NA)测试,用于衡量不同的窄能力的测试。 相反,感知速度簇(Gs-P) 由两个测试组成,这两个测试都测量相同的窄 能力(感知速度)。  这个 finding 乍看之下似乎有点反常理,就像人们期望的那样 由测量不同内容和操作的测试(Gs集群)组成 (包括以上定义和讨论在内)比其中一项更为复杂 相同的窄能力(Gs-P)的两个量度。 但是,一项任务必须分析两者 感知速度测试,以了解尽管两者都被分类为 测量相同的窄能力(感知速度),两者都不同 stimulus 内容认知操作.  视觉匹配需要处理数字刺激。 划掉要求处理 visual-figural 刺激。  These are two different 内容方面 在BIS模型中。  划掉视觉图形刺激在空间上更具挑战性 而不是视觉匹配中的简单数字。  此外,视觉比对测试要求应试者快速 查找并发现并标记两个相同的数字对。 相反,在淘汰测试中 为对象提供目标的视觉图形形状,然后对象必须 快速扫描一行复杂的视觉图像,并标记两个与 the target. 有趣的是,其他 unpublished  我已经完成的分析,视觉 匹配测试通常是对定量成就测试进行加载或分组 而Cross Out经常显示加载Gv因子。 因此,任务分析 内容 认知的 operations WJ III感知速度测试表明,尽管两者都是 被归类为Gs-P的狭窄指标,它们在任务上明显不同 requirements.  更多 important, 的 结合感知速度群集测试,似乎需要更多 认知过程比广义Gs簇复杂。 这一发现与阿克曼(Ackerman)一致, Beier 和 Boyle’s(2002)的研究表明,感知速度具有 通过识别以下四个子类型来扩展因子水平 感知速度(即模式识别,扫描,内存和复杂性; see McGrew 2005 和 施耐德 &McGrew,2012年,关于 速度能力的分层组织模型)。 基于Bruinswick对称/ 国际清算银行 认知 复杂性原则,人们会预测一个由两个组成的Gs-P集群 相同任务的并行形式(例如,两个视觉匹配或两个交叉 测试)的认知复杂度将不如广义Gs。 这可能是正确的提示 假设存在于对Gsm-MS-MW域结果的检查中。
WJ III GSM 群集是数字反转(MW)和单词记忆的组合 (MS) tests. 相比之下,WJ III 听觉记忆跨度群集(AUDMS; GSM -MS)群集在认知上要少得多 与Gsm相比更复杂(请参见图12)。  就像在上下文中描述的感知速度(Gs-P)集群一样 处理速度家族集群,听觉内存跨度集群是 由具有相同内存跨度(MS)窄能力的两个测试组成 分类(单词记忆;句子记忆)。 为什么这个狭窄的集群不那么复杂 它广泛的母体Gsm集群,而Gs-P和Gs则相反吗? 任务分析表明,两个记忆 跨度测试比两个感知速度测试更相似。 单词记忆和句子记忆 测试需要相同的认知操作—只需按顺序重复一次, 与主题说话的单词或句子。  这与WJ III感知速度群集不同 分类的窄Gs-P测试最有可能同时调用通用和不同 认知成分操作。  Also, 内存跨度群集测试由来自相同BIS内容的刺激组成 方面(即单词和句子;听觉语言/语言)。 相比之下,Gs-P视觉匹配和 淘汰测试涉及两个不同的内容方面(数字和 visual-figural).
在 相比之下,WJ III工作记忆簇(Gsm-MW)在认知上更强 比父Gsm群集复杂。  这个 发现与先前的WJ III s /感知速度和WJ III一致 Gsm /审核内存跨度讨论。  The WJ III工作记忆簇由倒数和听觉组成 工作记忆测试。  Numbers Reversed 需要从一个BIS内容方面处理刺激—numeric stimuli. 相反,听觉工作 记忆需要处理来自两个BIS含量因素的刺激—numeric 和听觉语言/语言;数字和单词)。 两项测试的认知操作 also differ.  两者都需要持有 主动工作记忆空间中的刺激。 反转数字则需要简单 以相反的顺序复制数字。  相反,听觉工作记忆测试需要存储 数字和单词在单独的块中,然后产生 每个块(数字或单词)的前向顺序,在一个块之前 the other. 更加依赖分裂 注意在听觉工作记忆测试中最有可能发生。 
综上所述, 图12中显示的结果表明它是 可能发展 聚类分数在相同的认知复杂度上有所不同 broad CHC domain.  更重要的发现是,将聚类分类为宽还是窄并不能提供有关度量认知复杂性的信息。 认知上的复杂性,如 将聚类分为宽泛还是窄窄分类无法提供有关度量认知复杂性的信息。 认知复杂性e Lohman感,可以在CHC域中实现,而无需诉诸混合 跨CHC域的能力。  最后, 狭窄的簇在认知上可能更复杂,因此可能更好 复杂的学校成绩的预测指标,而不是广泛的集群或其他狭窄的指标 clusters. 

含义 用于测试电池设计和评估策略
认可 认知复杂性作为一项重要的ITD原则表明,推动 在当代测试电池中或在 跨电池评估的构建,未能认识到 认知复杂性。  I plead guilty to 通过我在WJ III的设计中的作用为这一重点做出了贡献 广泛关注CHC域构建体的广泛表示—most WJ III 狭窄的CHC集群需要使用第三本WJ III认知书( 诊断补充;伍德科克,麦格鲁,马瑟& Schrank, 2003). 同样地,有罪的人被控罪 CHC因子在原始模型开发中的代表性 跨电池评估原则(Flanagan&麦格鲁(McGrew),1997年;麦格鲁& Flanagan, 1998)。 
也是 我的结论是 窄一点更好结论 麦格鲁和温德林(2010) 可能需要修改。   重温麦格鲁和温德林(2010) results suggest that 较窄的CHC集群更能预测 学业成绩之所以如此之所以不一定是因为范围狭窄, 但是因为它们在认知上更加复杂.  我提供一个假设,即更正确的原则是 认知复杂measures 更好。   我欢迎专注于新的研究 测试这个原理。
在 回想起来,鉴于WJ III星团的宇宙,宽窄融合 智能电池配置(或跨电池评估)的方法可能 be more 适当。  Based exclusively 根据图12所示的结果,将出现以下簇 那些可能会更好地出现在“front 结束” of 的 WJ III 要么 a 选择性测试构建评估—考官应该去的那些集群 首先考虑每个CHC广泛领域:  Fluid Reasoning (Gf)[4],理解知识 (Gc),长期检索(Glr),工作记忆(Gsm-MW),音素意识3 (Ga-PC)和感知速度(Gs-P)。  No 虽然狭窄的可视化集群是 在认知上比Gv和Gv3集群稍微复杂一些。 以上表明,如果广泛的集群是 Gs,Gsm和Gv的域所需的,然后进行除“front end”或特色测试和群集需要管理 必要的Gs(决策速度),Gsm(文字记忆)和Gv(图片) Recognition) tests.

利用ITD测试设计原则 of optimizing within-CHC 认知复杂性 of clusters suggests that a WJ III测试的不同重点和配置可能更多 appropriate. 建议 高于WJ III群集复杂度优先级或特征模型可能会允许 从业人员管理学校成绩的最佳预测者。 我进一步假设这种认知 基于复杂度的宽窄测试设计原理最可能适用于 坚持主要关注的其他智能测试电池 测试是两个或更多能力的最纯粹指标 在所提供的广泛的CHC解释方案之内。 当然,这是一个经验性的问题 求助于其他电池的研究。  更多 有用的类似MDS Radex跨电池认知复杂度分析 情报数据集。[5]

参考文献 (不包含在这篇文章中。 完整的论文将在不久的将来宣布并可供阅读和下载)



[1]这个 并不意味着认知复杂性可能与 the 人类连接体 或不同的大脑网络。我为当代感到兴奋 脑网络研究(Bressler&梅农,2010年;科尔,亚尔科尼,雷波夫斯, Anticevic &勇敢,2012年;托加,克拉克,汤普森,沙特克,& Van 喇叭, 2012;范登赫维尔&Sporns,2011),特别是那些 证明了神经网络效率与工作记忆之间的联系, 控制注意力和临床疾病,例如注意力缺陷多动症(Brewer,Worunsky, Gray, Tang, Weber &Kober,2011年;鲁兹,史格格,邓恩,& Davidson, 2008; McVay & Kane, 2012). The 顶额-额叶整合(P-FIT) 理论 智力与CHC相关联,尤其令人着迷 心理测量指标(Colom,Haier,Head,Álvarez-Linera,Quiroga,Shih,&荣格,2009年;迪里,彭克,&约翰逊,2010年;海尔,2009年;荣格& Haier, 2007年),并且可以与CHC认知优化的心理测量方法联系起来。
[2] 只要 包括阅读和数学类,以简化 结果和事实,如先前所报道的,阅读和写作措施 在多变量分析中通常无法很好地区分—and thus 的 w CHC理论中的领域。
[3] GIA -Ext也用黑色圆圈表示。
[4] 尽管WJ III流体推理3群集(Gf3)稍微靠近 center of 的 数字, 的 difference from 流体推理(Gf) 是 不 large 和 时间效率将证明需要进行两次测试的Gf集群。
[5] 它 重要的是要注意认知复杂性的分析和解释 这里讨论的是特定于 仅在WJ III电池内。度 WJ III认知集群中的认知复杂度与 其他智能电池的综合得分只能通过 跨电池MDS复杂性分析。

2011年12月30日,星期五

学位论文:通过CFA和任务分析进行Gf认知测试分析






密苏里大学哥伦比亚分校的Parkin,Jason R.,Ph.D.的流体智力认知子测验的验证性因素分析和任务分析的比较,2010年,132页; AAT 3488814

抽象

跨电池评估取决于将认知子测验分类为Cattell-Horn-Carroll(CHC)理论的广义和狭义能力定义。通常,广义能力分类使用通过因子分析方法分析的能力数据,而狭义能力分类使用有关子测试任务需求的数据。该研究的目的是确定基于任务需求数据的子测试相似性判断和基于能力度量的判断是否提供相似的结果。它包括两项研究。首先,中学生(N = 63)完成了六个目标流体推理子测验,并对其进行了验证性因素分析以分析子测验的相似性。其次,学校心理学从业人员(N = 32)将子测验描述分为相似组。他们的判断通过多种非层次聚类分析进行了分析。结果部分证实了使用两种数据类型对六个目标子测试进行了相似的分类,尽管由于限制而需要谨慎解释。讨论了对评估实践的影响。




通过发布 DraftCraft应用

2011年12月29日,星期四

WMF 人类认知能力存档项目:主要更新12-29-11


对那些对人类认知能力的结构以及约翰·卡洛尔博士的开创性工作感兴趣的人来说,这是新年的早期礼物。

免费在线 WMF 人类认知能力(HCA)存档项目 有一个 重大的 今天更新。您可以在以下位置找到该项目的概述,并直接链接到档案。 伍德科克·穆尼奥斯基金会 网页(点击“伍德科克-穆尼奥斯基金会当前的人类认知能力档案另外,我在2008年(十二月)ISIR会议上发表的海报演示文稿的在线PPT副本是: 点击这里.

今天的更新添加了以下内容 38个新数据集 来自John“ Jack” Carroll的原始收藏。 现在我们大约有 50% 在线归档的Jack Carroll原始数据集。 特别令人感兴趣的是添加了Carroll的一个数据集,其中三个是John 喇叭,另一个是Guilford等人,第17个数据集。 大名...以及一些具有大量变量的相关矩阵。 数据寄生虫(……辅助数据分析)应该很高兴。


  • CARR01. 卡罗尔(J.B.)(1941)。 语言能力的因素分析。 Psychometrika,6,279-307。
  • 公平02。 卑诗省费尔班克Jr.,Tirre,W.,Anderson,N.S. (1991)。 衡量三十项认知任务的方法: 与智能电池分数的相互关系和相关性。在P.L.丹恩·S·M·欧文,&J. Collis(编),基于计算机的人类评估的进展(第51-101页)。  Dordrecht &波士顿:克鲁维尔学院。
  • FLAN01。 J.C. Flanagan,F.B。Davis,J.T。Dailey,M.F。Shaycoft,Orr.D.B。,哥德堡,内曼,C.A。小(1964)。  美洲高中学生(合作研究项目635)。  Pittsburgh: 匹兹堡大学。
  • FULG21. Fulgosi,A.,Guilford,J.P。(1966)。 模棱两可的人物波动和智力灵活性。 美国心理学杂志,79,602-607。
  • GUIL11. 吉尔福德J.P.,伯杰R.M.,克里斯滕森P.R.(1955年)。 规划的因子分析风格: 二。管理测试和结果分析。  Los Angeles: 南加州大学心理实验室的报告,第12号。
  • GUIL31至GUIL46(17). 吉尔福德J.P.,莱西J.I. (编)(1947年)。 印刷分类测试。 陆军空军航空心理学计划研究报告,第5号。 华盛顿特区:美国政府印刷局。 [由Lohman(1979)讨论或重新分析过]
  • HARG12。 哈格里夫斯(H.L.)(1927年)。 想象力的“能力”: 有关普遍的想象力或集体因素存在的询问。 《英国心理学杂志专论》增刊,第3期,第10期。
  • HECK01。 Heckman,R.W.(1967)。 从印刷教学中学习的能力治疗相互作用:一项相关研究。 未发表的博士学位论文,普渡大学。 (大学缩微胶卷67-10202)
  • HEND01。  Hendricks,M.,Guilford,J.P.,Hoepfner,R。(1969)。衡量创造性的社交能力。洛杉矶:南加州大学心理实验室的报告,第42号。
  • HEND11A。 亨德里克森(1981)。智力的生物学基础。第二部分:测量。在H.J. Eysenck(Ed。)的《情报模型》(第197-228页)中。柏林:施普林格。
  • HHIG01. iggins,L. C.(1978)对儿童图片解释行为的因素分析研究。教育交流&技术,26,215-232
  • HISK03 / 04. Hiskey,M.(1966)。 Hiskey-Nebraska学习能力测验手册。内华达州林肯市:联合大学出版社。
  • 喇叭25/26.  喇叭, J. L., &Bramble,W.J。(1967)。在是非得分中显示出二阶能力结构。教育心理学杂志,58,115-122。
  • HORN31.  喇叭, J. L., &Stankov,L.(1982)智力的听觉和视觉因素。情报,6,165-185。
  • KEIT21.  Keith, T. Z., &Novok,C.G。(1987)。 K-ABC测量的g是多少?在美国新奥尔良的美国学校心理学家协会会议上发表的论文
  • KRAN01 / KRAN01A. Kranzler,J.H。(1990)。情报的本质:一个统一的过程还是多个独立的过程?加州大学伯克利分校未发表的博士学位论文。
  • LANS31. 兰斯曼(马里兰州),唐纳森(美国),亨特(美国),&Yantis,S。(1982)。能力因素和认知过程。情报,6,347-386。
  • 上帝01。 勋爵(1956)。对考试和学业成绩中速度因素的研究。 Psychometrika,21,31-50。
  • LUN21. Lunneborg,C.E。(1977)。选择反应时间:在能力测量中起什么作用?应用心理测量,1,309-330。
  • WOTH01。 Wothke,W.,Bock,R.D.,Curran,L.T.,Fairbank,B.A.,Augustin,J.W.,Gillet,A.H.,Guerrero,C.,Jr.(1991)。  武装部队职业素养小组(ASVAB)的因素分析检查和因素参考测试套件。 德克萨斯州布鲁克斯空军基地:空军人力资源实验室报告AFHRL-TR-90-67。
寻求协助: HCA 项目需要帮助来跟踪许多已归档数据集的旧期刊文章,论文等的副本。 我们尚未找到原始手稿的副本 对于已经发布到档案中的大量数据集. 希望能找到这些MIA手稿的副本。 请访问特价 “请求协助” 此档案的一部分以查看 更完整的清单 我们目前难以定位的手稿。如果您可以使用任何指定的“逃避”文件的纸质或电子副本,并且愿意将其提供给WMF进行复印/扫描(我们将支付费用),请联系Kevin McGrew博士网站上列出的电子邮件地址。 也可以直接从以下位置下载完整列表的副本或缺少手稿的数据集(红色字体) 这里.



2011年9月17日,星期六

学位论文:学龄前人群的WJ III和SB5 智商 测试的CFA




具有学龄前人口的伍德考克-约翰逊认知能力测验(第三版)和斯坦福-比内特智力量表(第五版)的联合验证性因子分析 张梅,博士,球州立大学,2011,126页; AAT 3466801

抽象

从立法,医学/临床或专业实践的角度来看,大量证据都表明进行认知能力的综合评估(特别是在幼儿中)的优势和必要性,以识别认知缺陷,进行准确的诊断并为发展奠定基础干预和推荐服务。跨电池评估方法为学校心理学家提供了一个有用的工具,可以通过采用和比较其他电池的子测验来增强他们偏爱的认知测验,从而对个人的认知状况进行全面,理论上合理的评估,从而提高测验解释的有效性。使用联合验证性因素分析,本研究探索了伍德考克-约翰逊认知能力测试,第三版(WJ-III COG)和斯坦福-比内特智力量表,第五版(SB5)的组合基础建构效度,并采用了独立样本学龄前儿童。检查了七个模型,结果表明,相对而言,两个测试的基础结构最好由三层替代CHC模型代表,其中删除了Gf因子和子测试。这表明并非两个测试共享的所有CHC构造都能在幼儿中可靠地识别。由于发展的影响,CHC理论的建构在学前认知能力上可能有所不同。尽管WJ-III的COG和SB5整体测试结果不能为交叉电池评估提供良好的结果,但是每个电池中的某些子测试(例如代表结晶智能的子测试)为个人广泛的能力因素提供了解释性的价值,为学校的心理学家提供了深入了解学龄前儿童的结晶知识。探索性因素分析使用来自WJ-III COG和SB5的子测试进行,这些子测试代表了四个共享的广泛因素(Gc,Gf,Gv和Gsm)。结果表明,四因素解决方案是更适合数据的模型。未来的研究包括招募残疾或有特殊需求的幼儿,以探索WJ-III COG和SB5组合的最佳代表性基础结构,以便进行跨电池评估



-使用Kevin McGrew的iPad的BlogPress进行iPost

2011年5月18日,星期三

研究领域:SEM模型和因果v效应指标模型中的可靠性悖论




对于IQs Corner的类比读者。博客独裁者增加了斜体字强调。

Hancock,G.R.和Mueller,R.O.(2011)。协方差结构模型中评估结构关系时的可靠性悖论。 教育心理测评,71(2)306-324。

通常使用两步过程来评估数据–变量路径模型的模型拟合,第一步处理模型的测量部分,第二步处理模型的结构部分。不幸的是,即使模型的测量部分的拟合是完美的,评估结构部分内的拟合的能力也会受到因子质量的影响。–测量模型中的可变关系。 结果是测量质量较差的模型似乎具有更好的数据–模型拟合,而质量测量结果较好的模型似乎数据较差–model fit。当前的文章说明了不同类别的拟合指标之间的这种现象,讨论了由于测量质量问题而导致的相关结构评估问题,并认可了与测量模型隔离的评估模型结构部分的补充建模步骤。



Hardin,A.M.,Chang,J.C.J.,Fuller,M.A.,&Torkzadeh,G.(2011年)。形成性测量与学术研究:寻找测量理论。 教育心理测评,71(2),281-305



尽管似乎在应用中缺乏一致性,但使用因果指标来形成潜在结构的度量似乎正在上升。任何学科的学者不仅有责任在其研究领域内提高理论知识,而且有责任解决威胁到其发展的方法论问题。本着这种精神,当前的研究追溯了因果指标从其在因果建模中的起源到如今在结构方程模型中的使用。 这篇评论的结论表明,与效果(反射)指标不同的是,其今天的应用基于经典测试理论。’因果(形成性)指标的应用基于证明其实际应用的研究,而不是基于支持其使用的心理计量学理论。作者认为,缺乏理论导致了围绕其实施的困惑。最近的研究对形成性测量的潜在结构的一般性提出了质疑。在当前的研究中,作者讨论了固定重量复合材料的使用可能是采用因果指标的一种方式,以便将它们推广到其他环境的方法。更具体地说,他们建议使用荟萃分析原理来确定可用于生成固定重量复合材料的最佳因果指标权重。最后,作者解释了如何在基于组件和基于协方差的统计包中实现这些固定权重的组合。在学术研究中使用因果指标的含义被用来集中这些讨论。


-使用我的Kevin McGrew的iPad使用BlogPress的iPost

2011年4月8日,星期五

AP101摘要#8(访客摘要):Golay等人撰写的法国WAIS-IV的独立CFA。 (2011年)


这个 行动计划 AP101简要报告 被发给我发帖 菲利普·戈莱. 只需少量编辑即可“原样”复制。 这是访客博客/简要报告。 双击包含的图应该可以放大它们。

如果其他人已经完成了与此博客相关的研究,并且想发表简短的帖子报告,请联系Blogmaster @ [email protected]


菲利普·高莱(Philippe 走 lay),伊莎贝尔(Isabelle Reverte),蒂埃里·莱瑟夫(Thierry Lecerf),
日内瓦大学,瑞士

法语第四版 韦克斯勒 情报Scale for Adult (WAIS-IV) 是最近发行的(Appliquée中央心理版)–ECPA,2011年)。法国WAIS-IV在876名年龄在16至79岁之间的法国人的代表性样本上进行了标准化。但是,对于某些子测验 (字母数字,图形权重 消除),则规范性数据仅限于730名参与者(且仅16至69岁)。在法国WAIS-IV手册中,报告了验证性因子分析,并提出了具有1、2、3和4个因子的模型。 终审法院 支持具有4个因素的阶乘结构。令人惊讶的是,法国WAIS-IV的技术手册中没有报告基于Cattell-Horn-Carroll(CHC)理论的模型。因此,本简短报告的主要目标是根据CHC理论对法国WAIS-IV的因子结构进行初步的独立检查。根据子测试互相关矩阵和法国手册中报告的标准偏差(第50页)进行分析。我们使用了Akaike信息准则(AIC)来比较模型。

第一步,测试了基于四因素解决方案的模型:四个相关因素(VCI,PRI,WMI,PSI)和具有四个因素和一个总因素的层次模型。我们还测试了基本4因子模型的修改版本,因为它们是在技术手册中提出并报告的。此变体包括相关的误差项 数字跨度 字母编号排序,用于 外形重量 WMI因子和交叉加载 算术 on 的 VCI factor. The 模型拟合 of both four factor 楷模 (with 要么 without g)因此大大增加了。我们还测试了双因素模型,其中所有子测验得分都直接加载到一般因子以及一个一阶组因子上。结果表明,双因素“WAIS-IV”该模型比其他WAIS-IV模型更适合数据。

第二步,我们测试了几个基于CHC的模型。我们保留了一个模型(图1),其中 算术 同时在Gsm和Gf上加载,但不包含针对 外形重量 在Gsm因子上。该模型比基本的四因素WAIS模型要好,但比两个改进的四因素解决方案都不够。最后,我们测试了基于双因素CHC的模型(图2)。具有5个不相关的组因子和一阶g因子的模型显示出最适合数据的模型。结果总结在图3中。

这些初步结果表明,基于CHC的法式WAIS-IV解释也是一种有效的选择。此外,双因素模型比高阶模型更适合数据。这挑战了一个相当隐含但仍然有力的假设,即一般因素与每个子测试之间的关系仅由广泛的能力来介导。







Technorati标签: , , , , , , , , , , ,

2011年2月20日,星期日

研究摘要:WAIS-IV美国-加拿大因素和得分可比性

当一个测试最初是在一个国家开发和规范,然后在另一个国家进行改编和使用时,智能测试电池综合得分在各个国家/文化中的含义的可移植性就很重要。

Bowden等人(2010年)最近研究了美国和加拿大样本中WAIS-IV的因式不变性。结果总结在下面的摘要中(单击放大)。事实证明,WAIS-IV衡量了两国的相同理论构架。但是,报告的潜在平均因子截距差异表明,WAIS-IV为加拿大受试者提供了更高的分数。建议需要加拿大规范。






-使用我的Kevin McGrew的iPad使用BlogPress的iPost

产生者: 标签生成器


2011年1月26日,星期三

结合神经心理学和CHC心理计量IQ方法进行心理测试

Here 是 more on my take on how neuropsychological 和 CHC-based psychometric approaches to 评定 can be understood 和 potentially 混合. 这个 是 material from my keynote presentation 在 的 澳大利亚n Neuropsychology Conference (点击这里 有关更多信息,以及指向整个演示文稿的PPT的链接)。

注意:图片嵌入在这篇文章中。双击它们应该可以放大它们。如果那不起作用,我建议您转到上面的链接,查看整个PPT节目,您可以免费下载。

​基于CHC的神经心理学家已将CHC理论整合到评估实践中,主要是基于理论,非CHC实证研究或逻辑分析。基于经验的基于CHC的神经心理学评估研究很少。鉴于两个评估模型和不同的历史背景,CHC心理-神经心理学评估的差距是可以理解的。 Hoelzle(2008)指出:(a)g的心理计量学概念在神经心理学评估和理论中的临床效用极小,(b)神经心理学评估主要是理论上的,而心理学计量学一直在寻找“holy grail”自Spearman时代以来,智力的理论结构模型和(c)心理测量模型一直侧重于内部结构有效性,而神经心理学评估则更多地侧重于区分神经和正常状况的能力的实际问题。 McGrew(2010a)将这些不同的方法描述为 垂直(因子分析)面向特征的心理测验模型和更多水平(多元回归)功能/语用外部预测神经心理学模型。这两种方法在下面的两个幻灯片中进行了直观演示。







​由于其实用的功能传统,许多神经心理学评估测试是对多个CHC域的混合测量。用心理测度CHC理论的语言, 许多神经心理学测试是阶乘复杂的量度,具有与构造无关的显着差异(当以纯CHC构造的测量为标准时)。与之形成鲜明对比的是,当代的CHC智力评估非常重视开发主要测量单个CHC构造的测试,并尽可能清除不相关的构造差异。

​在缺乏以CHC为基础的神经心理学评估研究和共识性神经心理学评估模型的情况下,心理测验(例如Flanagan,Alfonso,Ortiz& Dynda, 2010;McGrew,2010a),神经心理学(Strauss等,2006)和“blended”神经心理学+心理计量学的学者(例如Hale& Fiorello, 2004;Miller,2007年,2010年)有时对神经心理学或智力测验提出了截然不同的解释。例如,更多以神经心理学为导向的研究人员已经描述了 雷伊·奥斯特里斯复合体 (ROCF)测试(迈耶斯& Meyers, 1995, 1996) as measuring 规划 和 要么 ganizational abilities, visual 记忆, visual perception, constructional abilities, 发动机 要么 视觉运动 ability, episodic 记忆, 和 incidental 学习 (Hale & Fiorello, 2004;Straus et al。,2006)。 CHC术语中有些提示,但没有直接映射到CHC理论。

相反,从以下结果开始 霍兹勒’s(2008)CHC组织的微型卡洛尔类似荟萃分析 McGrew(2010a)对77个数据集的次级因子分析结果进行了分析,这些数据包括神经心理学和其他能力测量(这是我所读过的最好,最全面的论文之一), ROCF的复制组件 可能是Gv-SR(广义Gv或视觉空间域的空间关系的窄CHC能力),Gp-P2(广义Gp或精神运动域的手指灵巧的窄CHC能力)和可能的视觉记忆的混合测量(Gv-Mv)参与。至于 ROCF召回组件,McGrew(2010a)建议,它可能会测量Gv-MV(在宽广的Gv域中的狭窄CHC视觉记忆),Glr-M6(在宽广的Glr或长期存储和检索域中的狭窄的无CHC召回能力)的混合物,并可能涉及工作记忆(Gsm-MW)。 Miller(2010)提供了“blended”ROCF的解释主要是视觉感知组织,视觉空间能力和视觉空间记忆(Gv)的量度。显然,三组ROCF解释提到了许多相似的能力,但是鉴于术语和能力描述的变化,从业者可能会感到困惑。

我对ROCF的CHC神经心理总结如下:






-使用我的Kevin McGrew的iPad使用BlogPress的iPost


2011年1月2日,星期日

冷热CHC智能能力-Gf,Gc,Gv热-Ga,Glr冷

期刊上有趣的文章 情报 审查最新的因素分析实践,以识别 g (一般情报)因素。摘要如下。有趣的是使用CHC框架对研究综合中发现的广泛的CHC因子指标的类型进行分类。

毫不意外,在智商因素分析研究中最常发现Gf,Gc和Gv,其次是Gq,Gs和Gsm。在智商因子分析研究中表现不足的能力是Glr和Ga的领域。

但是,有两个主要警告。文献综述主要是成人样本。在儿童和青少年样本中进行的因子分析活动相当多,可能会增加Glr和Ga指标的比例。同样,作者也没有包括那些受到学校心理学,特殊教育以及言语和语言研究者青睐的期刊,因为这些研究领域很可能在代表性不足的CHC领域发表了更多的研究。

没什么……总的趋势并不奇怪。

单击图像将使您的版本更大。






-使用我的Kevin McGrew的iPad使用BlogPress的iPost


第四次世界大战的MDS分析

我不是一个秘密 多维缩放的忠实粉丝 (MDS,尤其是Guttman's Radex)模型,作为认知测试因素分析的补充。在浏览一些电子文件时,我发现了WISC-IV的最新3D MDS 分析。以下是抽象和最终的3D模型。单击图像可将您带到该图像的较大版本。








对于那些感兴趣的人 内容/刺激维度 我提出的认知能力评估设计和解释矩阵的原因是我将MDS应用于WJ III和各种Wechsler电池的数据。完整的“超越CHC理论可以在以下位置找到演示文稿 先前的帖子.



-使用我的Kevin McGrew的iPad使用BlogPress的iPost