三阶段整合取向的因子分析元分析方法及其在心理学中的应用

因子分析的元分析(meta-analysis of factor analyses, MAFA)整合了因子分析和元分析两种方法学传统。开展MAFA方法学研究能结束过去几十年MAFA的使用缺乏根据的状况，促进相关领域的知识生产。本项目提出三阶段整合模型来解释MAFA的内涵和本质。将采用心理测量学方法（含蒙特卡洛模拟研究），重点考察三阶段整合模型及其数据合成技术（共生矩阵、算术加和、Fisher Z转换和总体矩阵合成）的有效性，阐明正确运用MAFA方法的一般规则、操作步骤和注意事项。MAFA理论模型的建构与检验是本项目的关键问题。本项目的科学意义在于，增进我们对MAFA的认识，丰富应用心理等领域的方法学体系。本项目还能为MAFA方法的推广应用奠定基础。申请人经过了系统严格地心理测量学训练，已发表3篇相关论文(1篇SSCI)，为本项目的执行奠定了良好的基础。

对因子分析原始研究结果进行整合的冲动导致了因子分析元分析方法的出现。该方法的使用至少可以追溯到1975年。从1980年代起，方法学研究者开始关注其理论基础问题。在过去的30多年里，研究者们讨论了如何对报告了协方差矩阵或相关矩阵的原始研究进行元分析（参数型），而未讨论对仅仅报告了因子负荷矩阵等有限信息的非参数型原始研究如何元分析（非参数型）。导致这一状况的原因很可能是缺乏一个统一的理论模型作为工作平台。.在这样的背景下，本课题组提出了以下科学问题：（1）因子分析元分析的过程模型是什么？（2）数据合成技术，如加和技术、共生矩阵技术的有效性如何？（3）原始研究数量对因子分析元分析统计功效的影响如何？.经过研究，本课题组发现：（1）因子分析元分析可以用三阶段整合模型加以描述。该模型包括数据准备、数据合成和数据分析三个核心过程。其中，数据准备阶段涉及原始数据、相关矩阵、协方差矩阵和因子负荷矩阵等四种数据类型；数据合成阶段会用到加和技术、共生矩阵技术和总体相关矩阵技术等方法；数据分析阶段会用到探索性因子分析和验证性因子分析。（2）共生矩阵技术的有效性受到显著性负荷的阈值的影响，阈值过高可能导致共生矩阵技术漏掉重要的因子；加和技术比总体相关技术更容易接受一个设置正确的模型，却更难拒绝一个设置错误的模型。（3）当原始研究数量低到5时，因子分析元分析的统计功效仍然大于0.95。.此外，本课题组还（1）提出了因子分析元分析过程中进行因子确证仍然需要遵循内容原则、相关原则和方法论原则；（2）为数据准备编制了数据转换软件，为数据合成编制了共生矩阵生成软件。.本项目的执行具有以下的科学意义。首先，深入讨论因子分析方法的理论特征，增加了我们对于该方法的认识。其次，将有力促进因子分析元分析的应用。.本项目基本达到了预期目标。预计在国内外杂志公开发表至少4篇论文，本项目共发表论文10篇，全国性会议论文2篇，书籍1章，其中被SCI收录2篇，被CSSCI收录4篇，被全国中文核心收录2篇。编制专用计算软件2套。培养研究生3人。

内容获取失败，请点击重试