显示带有标签的帖子 测量不变性. 显示所有帖子
显示带有标签的帖子 测量不变性. 显示所有帖子

2011年3月15日,星期二

WAIS-III是否在MR / ID个人中测量相同的智力?

我有很多人向我发送这篇文章的副本(请参阅下面的摘要和期刊信息),尤其是那些从事与Atkins死刑案件中的MR / ID Dx有关的工作的人。

摘要是不言自明的-作者得出的结论是,未在MR / ID人群中验证WAIS-III四因子结构。我现在可以听到律师的声音-”因此,根据MacLean等人的说法,__________博士。 WAIS-III无法衡量具有MR / ID的个人的同等能力...因此您的结果是否值得怀疑?"

仔细阅读该文章,就可以得出结论,即应使用大量的盐。实际上,这里的讨论主要是对各种方法和统计原因的讨论,这些原因说明了所发布的四因素模型可能不适合。

在处理便利性样本(作者自己的话)时,尤其是在能力连续性较低端的个体样本时,变量经常显示出非正态和偏斜的重大问题。此示例中存在。鉴于我们正在处理基于SEM的统计信息,实际上该问题是不符合以下假设的问题之一 多元正态性。这些变量还显示出受限制的SD ---受限制的才能范围,这种条件会削弱矩阵中的相关性。

当我在明尼苏达大学的社区融合研究所(致力于为患有MR / ID / DD的人服务的研究所)进行广泛的建模研究时,我经常遇到具有这些问题的数据集。结果,我经常遇到的模型拟合统计量远远低于模型拟合统计量的标准可接受的经验法则……这反映出此类样本数据的统计和分布稳健性较差。克服模型拟合低的最佳方法(在尝试将变量转换为不同的比例后)是比较竞争模型的拟合。与竞争模型相比,最佳拟合模型可能仍显示相对差的绝对拟合值(与标准经验法则相比),但通过证明与替代模型相比,它是最佳的,则可以得出这样的结论:考虑到样本数据的限制,它仍然是最好的模型。

这导致了这项研究的主要缺陷。尽管作者讨论了上面的示例问题, 他们只测试了一个模型WAIS-III四因素模型然后,他们查看了拟合统计量的绝对值,并得出结论:四因素模型不是很好的拟合。我认为这是一个重大缺陷。由于拟合统计量的绝对大小的标准经验法则可能不再适用于存在统计和分布问题的样本,因此它们应具有指定的竞争模型(例如,两因素,CHC模型,单因素等)和然后在得出结论之前比较相对模型拟合统计量。

最后,正如作者正确指出的那样,即使存在上述缺陷,目前的结果也可能只是反映了公认的发现,即功能较低的人认知能力的差异较小,功能较高的人认知能力的差异较大。这是 斯皮尔曼收益递减定律(SLODR) [点击这里 最近对SLODR进行了有趣的讨论]

博客管理员的底线-由于上述原因,我认为作者的结论被高估了,尤其是未能将4因子模型与替代模型进行比较。给定基础样本数据的统计和分布约束,很可能四因子模型可能是最佳拟合模型。


抽象

智力评估对于诊断智障过程至关重要,评估过程必须有效且可靠。有效性的一个基本方面是度量不变性,即评估在不同人群中测量的是同一事物。有理由认为,韦氏智力量表的测量不变性可能不适用于智障人士。可能影响阶乘不变性的许多问题在所有版本的量表中都是常见的。因此,本研究探讨了与智障人士一起使用的WAIS-III的阶乘有效性。验证性因素分析用于通过13和11个子测验评估拟议的四因素模型的拟合优度。所使用的任何指标均未表明该模型非常合适,表明缺乏因子有效性,也没有表明对智障人士的评估缺乏测量不变性。讨论了对此的几种解释以及对其他智力评估的影响。

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

产生者: 标签生成器