blcfa: An R Package for Bayesian Model Modification in Confirmatory Factor Analysis
blcfa: An R Package for Bayesian Model Modification in Confirmatory Factor Analysis
复制标题
blcfa：验证性因子分析中贝叶斯模型修改的 R 包
DOI：
10.1080/10705511.2020.1867862
复制
发表时间：
2021-03
期刊：
影响因子：
--
通讯作者：
Ip E.H.
中科院分区：
文献类型：
--
作者：
Zhang L.J.;Pan J.H.;Dubé L.;Ip E.H.
在验证性因子分析（CFA）中，通常使用事后模型修正（PMM）指标来调整项目之间可能存在的残差相关性。尽管该方法对于改进模型的拟合优度很有用，但它需要一个迭代的、每次只对一个项目的过程，这可能很繁琐，而且容易出错。本文以教程的形式提供了一个说教性的讨论，介绍了一个更有效和实用的替代方案，以及使用基于r的包实现它。本教程包含(1)贝叶斯协方差Lasso（最小绝对收缩和选择算子）方法作为PMM方法的替代方法，以及(2)R包blcfa，它实现了贝叶斯协方差Lasso并直接与Mplus接口。它采用两步方法，首先估计整个残差协方差矩阵，然后识别非零项并将其无缝地馈送到Mplus中。使用了两个示例来说明包的实现。
ABSTRACT In confirmatory factor analysis (CFA), post hoc model modification (PMM) indexes are often used to adjust for possible residual correlations between items. Although the approach is useful for improving model goodness-of-fit, it requires an iterative, one-item-pair-at-a-time procedure that can be tedious and prone to error. This paper provides a didactic discussion in the form of a tutorial of a more efficient and practical alternative and its implementation using an R-based package. The tutorial contains (1) the Bayesian covariance Lasso (least absolute shrinkage and selection operator) approach as an alternative to the PMM method, and (2) the R package blcfa, which implements the Bayesian covariance lasso and directly interfaces with Mplus. It adopts a two-step approach by first estimating the entire residual covariance matrix, and then identifying the nonzero entries and seamlessly feeding them into Mplus. Two examples were used to illustrate package implementation.
登录
查看更多内容
影响因子：
22
作者：
B. Muthén
通讯作者：
B. Muthén
DOI：
10.1080/10705511.2017.1402334
发表时间：
2018
期刊：
Structural equation modeling : a multidisciplinary journal
影响因子：
--
作者：
Hallquist MN;Wiley JF
通讯作者：
Wiley JF
DOI：
--
发表时间：
2020-09
期刊：
--
影响因子：
--
作者：
H. Wickham;J. Hester;Winston Chang
通讯作者：
H. Wickham;J. Hester;Winston Chang
影响因子：
3
作者：
Byrne, BM;Watkins, D
通讯作者：
Watkins, D
DOI：
10.1201/b14835-13
发表时间：
1995-12
期刊：
--
影响因子：
--
作者：
W. Gilks;S. Richardson;D. Spiegelhalter
通讯作者：
W. Gilks;S. Richardson;D. Spiegelhalter