Simplifying the Assessment of Measurement Invariance over Multiple Background Variables: Using Regularized Moderated Nonlinear Factor Analysis to Detect Differential Item Functioning.
Simplifying the Assessment of Measurement Invariance over Multiple Background Variables: Using Regularized Moderated Nonlinear Factor Analysis to Detect Differential Item Functioning.
复制标题
DOI：
10.1080/10705511.2019.1642754
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Cole V
中科院分区：
文献类型：
--
作者：
Bauer DJ;Belzak WCM;Cole V
确定测量是否对所有个体都同样有效是心理测量分析的核心组成部分。传统上，测量不变性（MI）的评估涉及比较由单个分类协变量定义的独立组（例如，男性和女性），以确定是否存在显示差异项目功能（DIF）的任何项目。最近，适度的非线性因素分析（MNLFA）已被先进的方法，同时评估MI/DIF多个背景变量，分类和连续。不幸的是，用于检测DIF的常规程序不能很好地扩展到更复杂的MNLFA。因此，当前手稿提出了一种用于MNLFA估计的正则化方法，该方法惩罚DIF参数的可能性（即，奖励稀疏DIF）。这个过程避免了顺序推理测试的陷阱，对于最终用户是自动化的，并且在小规模模拟和实证验证研究中表现良好。
Determining whether measures are equally valid for all individuals is a core component of psychometric analysis. Traditionally, the evaluation of measurement invariance (MI) involves comparing independent groups defined by a single categorical covariate (e.g., men and women) to determine if there are any items that display differential item functioning (DIF). More recently, Moderated Nonlinear Factor Analysis (MNLFA) has been advanced as an approach for evaluating MI/DIF simultaneously over multiple background variables, categorical and continuous. Unfortunately, conventional procedures for detecting DIF do not scale well to the more complex MNLFA. The current manuscript therefore proposes a regularization approach to MNLFA estimation that penalizes the likelihood for DIF parameters (i.e., rewarding sparse DIF). This procedure avoids the pitfalls of sequential inference tests, is automated for end users, and is shown to perform well in both a small-scale simulation and an empirical validation study.
登录
查看更多内容
DOI：
10.1111/j.2044-8317.1992.tb00992.x
发表时间：
1992-11-01
影响因子：
2.6
作者：
DERKSEN, S;KESELMAN, HJ
通讯作者：
KESELMAN, HJ
DOI：
10.1111/j.2517-6161.1995.tb02031.x
发表时间：
1995-01-01
影响因子：
5.8
作者：
BENJAMINI, Y;HOCHBERG, Y
通讯作者：
HOCHBERG, Y
DOI：
10.1111/bmsp.12130
发表时间：
2018-11-01
影响因子：
2.6
作者：
Huang, Po-Hsien
通讯作者：
Huang, Po-Hsien
影响因子：
3.8
作者：
Curran PJ;McGinley JS;Bauer DJ;Hussong AM;Burns A;Chassin L;Sher K;Zucker R
通讯作者：
Zucker R
影响因子：
3
作者：
JORESKOG, KG
通讯作者：
JORESKOG, KG