Новые подходы к сетевым нагрузкам в психометрике

Введение

Психометрическая оценка является основой психологических исследований. Измерение психологических атрибутов может влиять на достоверность результатов и последующих выводов. Латентные переменные, особенно факторные модели, доминировали в психометрическом измерении на протяжении последнего столетия (Borsboom et al., 2003). Факторная модель предполагает, что набор латентных переменных лежит в основе отношений между наблюдаемыми переменными.

Подходы к оценке сетевых нагрузок

На протяжении последнего десятилетия сетевые модели возникли как альтернативный психометрический метод, называемый сетевой психометрией (Epskamp & Fried, 2018). Психометрические сети представляют наблюдаемые переменные в виде узлов (кругов) и их отношения, такие как частичные корреляции, в виде ребер (линий). Оценка и представление сети не предполагают, что латентные переменные лежат в основе отношений между наблюдаемыми переменными (Borsboom, 2017; Guttman, 1953).

Вместо этого эти модели предполагают, что отношения между наблюдаемыми переменными происходят напрямую, взаимно усиливая друг друга (известное как взаимная поддержка; van der Maas et al., 2006). Метрики центральности, которые количественно оценивают относительное положение узла по отношению к другим узлам в сети, часто используются как меры измерения наблюдаемых переменных в психометрических сетях (Bringmann et al., 2019).

Недавние исследования связали некоторые метрики центральности, такие как сила узла или абсолютная сумма связей узла с другими узлами в сети с нагрузками подтверждающего факторного анализа (CFA) (Hallquist et al., 2021).

Ценности узлов и общие нагрузки

Ключевое открытие этой работы заключается в том, что сила узла представляет собой составную часть латентных причин, которые были смоделированы в данных. Этот результат демонстрирует, что хотя латентные переменные не явно оцениваются сетевыми моделями, метрики центральности зависят от их наличия. Это последствие привело к разработке так называемых сетевых нагрузок (Christensen et al., 2021), которые представляют силу каждого узла, разделенную по сообществам или наборам плотно связанных узлов в сети, которые согласуются с латентными факторами, когда данные генерируются из факторной модели (Christensen et al., 2024, 2020; Golino & Epskamp, 2017; Golino et al., 2020).

Пересмотренные нагрузки сети

Вдохновленные этими ограничениями, мы разработали пересмотренную формулировку сетевых нагрузок. Первый шаг к вычислению не стандартизированных сетевых нагрузок заключается в определении признаков каждой переменной, создавая «целевую» сеть, которая представляет собой симметричную матрицу, представляющую поднимая вектор, состоящий из узлов внутри одного сообщества.

Нагрузки узлов для каждого сообщества вычисляются путем взвешивания каждого узла на основе числа его связей внутри сообщества. Это изменение гарантирует, что при использовании одних и тех же узлов для вычисления нагрузок передачи будут отражены одно и то же число узлов, используемых в сумме для нагрузок внутри сообщества.

Заключение

Новый подход к сетевым нагрузкам демонстрирует улучшения по сравнению с оригинальными сетевыми нагрузками в таких аспектах, как знак нагрузки, превосходство назначенных нагрузок над нагрузками передачи и отсутствие зависимости от числа переменных в факторе. Эти улучшения, как ожидается, приведут к более точной оценке психометрической информации и позволят сети успешно сопоставляться с традиционными методом факторного анализа.

Таким образом, пересмотренные сетевые нагрузки создают базу для психометрии, использующей сетевые подходы, и открывают новые возможности для дальнейших исследований в этой области.