Promises and Pitfalls of Latent Variable Approaches to Understanding Psychopathology: Reply to Burke and Johnston, Eid, Junghänel and Colleagues, and Willoughby.
Promises and Pitfalls of Latent Variable Approaches to Understanding Psychopathology: Reply to Burke and Johnston, Eid, Junghänel and Colleagues, and Willoughby.
复制标题
DOI：
10.1007/s10802-020-00656-1
复制
发表时间：
2020-07
影响因子：
3.6
通讯作者：
Beauchaine TP
中科院分区：
文献类型：
--
作者：
Burns GL;Geiser C;Servera M;Becker SP;Beauchaine TP
的评论，并提供了有用的背景下，比较三个潜在变量建模方法来理解精神病理学相关的一阶综合征特异性因素模型，双因子S - 1模型，对称双因子模型。相关的一阶症状特异性因素模型已被证明是有用的精神病理学的解释模型的构建。双因素S - 1模型也有助于检查精神病理学的潜在结构，特别是在有明确理论预测的背景下。联合使用相关的一阶症状特异性模型和双因子S - 1模型为解释精神病理学提供了杠杆，两个模型也可以指导个体临床评估。在这个答复中，我们进一步澄清了为什么对称双因子模型不应该被用来研究精神病理学的潜在结构的原因，并讨论了一个限制性双因子S - 1模型，它相当于一阶症状特异性因素模型。
The commentaries by, and on provide useful context for comparing three latent variable modeling approaches to understanding psychopathology—the correlated first-order syndrome-specific factors model, the bifactor S – 1 model, and the symmetrical bifactor model. The correlated first-order syndrome-specific factors model has proven useful in constructing explanatory models of psychopathology. The bifactor S – 1 model is also useful for examining the latent structure of psychopathology, especially in contexts with clear theoretical predictions. Joint use of correlated first-order syndrome-specific model and bifactor S – 1 model provides leverage for explaining psychopathology, and both models can also guide individual clinical assessment. In this reply, we further clarify reasons why the symmetrical bifactor model should not be used to study the latent structure of psychopathology and also discuss a restricted bifactor S – 1 model that is equivalent to the first-order syndrome-specific factors model.
登录
查看更多内容
影响因子：
7
作者：
Eid, Michael;Geiser, Christian;Heene, Moritz
通讯作者：
Heene, Moritz
DOI：
10.1080/15374416.2020.1750022
发表时间：
2020-05-03
影响因子：
4.2
作者：
Beauchaine, Theodore P.;Hinshaw, Stephen P.
通讯作者：
Hinshaw, Stephen P.
影响因子：
7
作者：
Eid, Michael;Nussbeck, Fridtjof W.;Lischetzke, Tanja
通讯作者：
Lischetzke, Tanja
影响因子：
3.5
作者：
Eid, Michael;Krumm, Stefan;Schulze, Julian
通讯作者：
Schulze, Julian
影响因子：
3.6
作者：
Preszler, Jonathan;Burns, G. Leonard
通讯作者：
Burns, G. Leonard