心理计量学应用：三步构造验证法——评估因子结构的新途径

"这篇论文介绍了应用心理计量学中的‘三面构造验证方法’，这是一种用于评估因子结构有效性和可靠性的例程，特别是在不同文化环境下的适应性和新开发量表的初步验证。通过样本随机分为三个部分，分别进行探索性因子分析（EFA）、探索性 Confirmatory Factor Analysis (CFA) 和交叉验证 CFA，确保了数据的全面分析和模型的稳健性。此方法强调了样本大小的重要性，每个变量的案例阈值应至少为10:1，理想情况下为20:1，以确保结果的准确性和可重复性。最后，最佳模型通过在另一部分样本中进行交叉验证，以防止过度拟合，保证模型的可复制性，并进一步检查测量不变性。" 文章《应用心理计量学：3面构造验证方法，一种评估因子结构的例程》探讨了一种创新的量表验证策略，即“三面构造验证方法”。这种方法特别适用于当已有的心理测量工具在新的文化背景下使用，或者新开发的量表需要初次验证时。其核心是通过样本分割，将样本分为三个独立的部分，每部分分别承担不同的验证任务： 1. **探索性因子分析(EFA)**：首先，20%的样本用于EFA，目的是探索变量之间的潜在结构，识别可能的因子。 2. **探索性Confirmatory Factor Analysis (CFA)**：接下来，利用40%的样本进行CFA，以检验EFA发现的因子结构是否稳定，同时可以尝试Bifactor EFA模型，考虑主因子和次因子的关系。 3. **交叉验证CFA**：剩下的40%样本用于交叉验证CFA，包括ICM-CFA、Bifactor CFA、ESEM（Exploratory Structural Equation Modeling）和Bifactor ESEM模型，目的是确认在不同子样本中模型的一致性，确保其在各种条件下都具有良好的适用性。 为了确保分析的质量，文章强调了案例与变量比率的重要性。每个变量的案例至少应是变量数目的10倍，最好是20倍，以确保分析的精确性和稳定性。这样的比例设定有助于避免统计上的误差和过度拟合，后者可能导致模型过于复杂，过度适应训练数据，而失去泛化能力。 最后，通过在未参与前两个步骤的剩余样本中进行等功率CFA，验证最佳模型的稳健性，以确认模型在更大范围内的有效性。此外，测量不变性分析是对最佳模型的额外检验，将其作为基准，检查在整体样本中的表现，以确保模型在不同群体中的稳定性和一致性。 “三面构造验证方法”提供了一套严谨的步骤，以保证心理测量工具在不同环境下的可靠性和有效性。它强调了样本分割、合适的案例数量以及模型验证的多阶段方法，是心理测量学研究和实践中的一个有力工具。