Иллюстрация на: Что такое иллюстрация

Сделайте паузу, прежде чем вставлять себя и свое чувство юмора в свои иллюстрации. Придание индивидуальности вашему продукту — задача стоящая, но вы не можете сделать ее на полпути. Найдите время, чтобы понять своего пользователя, что он пытается сделать и что он будет чувствовать в моменты неудачи. Проиллюстрируйте наихудший сценарий, а не лучший; нацельтесь на пользователей, которым вручили кокосовый орех или на , и, скорее всего, вы будете столь же полезны и для людей, у которых есть Oreo в руках.

Границы | Иллюстрация структуры исследовательского моделирования структурных уравнений (ESEM) по шкале увлечения

Введение

Подтверждающий факторный анализ (CFA; Jöreskog, 1969) лежал в основе психометрических исследований с самого начала и быстро стал стандартным методом психометрии из-за связанных с ним методологических достижений (например, -подгонка, оценка различных моделей, включение факторов метода или коррелированных уникальностей) относительно исследовательского факторного анализа (EFA).Еще одно важное свойство — и, как мы продемонстрируем, недостаток — CFA по сравнению с EFA, заключается в том, что элементам разрешается загружать только их основные факторы, тогда как перекрестные нагрузки для других факторов устанавливаются равными нулю. С другой стороны, EFA свободно оценивает все перекрестные нагрузки (Marsh et al., 2009; Morin et al., 2013). Все это может способствовать восприятию того, что EFA менее полезна, чем CFA или даже уступает ей.

Хотя популярность и полезность CFA можно рассматривать как мотивацию для создания более экономных моделей измерения, эти модели и элементы чаще всего включают определенный уровень систематической ошибки измерения в форме перекрестных нагрузок.Учитывая, что элементы редко являются чистыми индикаторами своих соответствующих конструкций, они подвержены ошибкам по своей природе, поэтому можно ожидать, по крайней мере, некоторой степени релевантной конструкции ассоциации между элементами и нецелевыми, но концептуально связанными конструкциями (Morin et al., 2016). Когда ненулевые перекрестные нагрузки присутствуют и не выражаются одновременно, такие ограничивающие ограничения (т. Е. Элементы могут загружать только один фактор) могут раздуть связи между факторами, поскольку неправильно указанные перекрестные нагрузки могут быть выражены только через эти факториалы. ассоциации.Действительно, недавний обзор имитационных исследований (Asparouhov et al., 2015) показал, что даже небольшие перекрестные нагрузки (всего 0,100) должны быть явно приняты во внимание, в противном случае оценки параметров могут быть завышены и, следовательно, смещены. Более того, соответствие моделей и дискриминантная валидность факторов также могут быть подорваны этими чрезмерно ограничительными спецификациями (Marsh et al., 2010, 2014).

Чтобы преодолеть эти серьезные ограничения, структура исследовательского моделирования структурных уравнений (ESEM) (Asparouhov and Muthén, 2009; Marsh et al., 2014), которая включает в себя преимущества менее строгого EFA (т.е. допускающего перекрестные нагрузки) и более продвинутого CFA (т.е. модели согласия или многогрупповые модели), обеспечивая синергию, которая «Лучшее из обоих миров» и может адекватно учитывать сложные модели измерения (см. Рисунок 1 для упрощенного визуального представления). В целом, ESEM показал улучшенное соответствие модели, а также снижение межфакторных корреляций, что, в свою очередь, улучшает дискриминантную достоверность факторов, а также обеспечивает более реалистичное представление данных (Morin and Maïano, 2011; Morin et al. al., 2013; Аренс и Морин, 2016; Tóth-Király et al., 2017a). Действительно, превосходство ESEM в настоящее время четко установлено на основе различных исследований в области SDT, например, в отношении академических (Guay et al., 2015; Tóth-Király et al., 2017c) и научных исследований ( Howard et al., 2017), а также удовлетворение потребностей (Sànchez-Oliva et al., 2017). Чтобы продемонстрировать гибкость и силу этой структуры, мы проанализировали ответы двух отдельных выборок на шкалу страсти, единственный инструмент дуалистической модели страсти (DMP).

Рисунок 1 . Упрощенные представления оценочных моделей. CFA, подтверждающий факторный анализ; ESEM, поисковое моделирование структурными уравнениями; S-фактор, специфические факторы. Полные односторонние стрелки представляют основные факторные нагрузки, пунктирные односторонние стрелки представляют собой перекрестные нагрузки, двуглавые стрелки представляют корреляции.

Иллюстративный пример: о дуалистической модели страсти и шкале страсти

За последнее десятилетие бурный рост исследований в области страсти произошел с введением DMP (Vallerand et al., 2003; Vallerand, 2015), вытекающих из теории самоопределения (Deci and Ryan, 1985; Ryan and Deci, 2017). DMP определяет страсть как склонность к объекту, человеку или занятию, которое нравится (или даже любит), тратит на это много времени и энергии и считает это важным. Кроме того, можно выделить две формы страсти, которые качественно отличаются друг от друга в результате процесса интернализации, который происходит во время активного взаимодействия (например, Deci and Ryan, 1985).Первая форма DMP — это гармоничная страсть (HP), которая развивается, когда происходит автономная и произвольная интернализация, таким образом, деятельность свободно задействуется и включается в личность, без каких-либо меж- или внутриличностных обстоятельств. В этом случае человек контролирует деятельность. Хотя участие в этой деятельности занимает значительное количество времени, она не является подавляющей для человека, приводя к равновесию с другими аспектами жизни и личности.Более того, HP преимущественно ассоциируется с положительными и адаптивными результатами (Vallerand, 2015). Вторая форма DMP — это навязчивая страсть (OP), которая коренится в контролируемом процессе интернализации, когда меж- или внутриличностные обстоятельства связаны с активностью, такой как поддержание самооценки или социальное принятие (Lafrenière и др., 2011). Из-за этих внешних и / или внутренних непредвиденных обстоятельств человек теряет контроль над деятельностью и чувствует неконтролируемое давление, заставляющее ее заниматься, часто косвенно создавая конфликты с другими аспектами жизни.Наконец, переживания ОП часто связаны с отрицательными или дезадаптивными исходами (Vallerand, 2015). Несмотря на обилие исследований, посвященных возможным детерминантам и результатам страсти (для метаанализа см. Curran et al., 2015 и подробный обзор см. Vallerand, 2015), только несколько исследований (Marsh et al. , 2013; Schellenberg et al., 2014; Chamarro et al., 2015) провели подробные исследования прибора, измеряющего эту конструкцию, а именно шкалы страсти.

В рамках исследования страсти, ESEM уже был продемонстрирован как более предпочтительный метод по сравнению с CFA.Исследование Marsh et al. (2013) был первым, кто оценил конструктную валидность шкалы страсти по отношению к различным видам деятельности, сравнив модели CFA и ESEM, и пришел к выводу, что ESEM приводит к значительно лучшему соответствию и более дифференцированным (т. Е. Менее коррелированным) факторам. Эти результаты были подтверждены исследованиями Schellenberg et al. (2014) и Chamarro et al. (2015) в отношении спорта и физических упражнений. Основываясь на этих исследованиях, ниже мы проиллюстрируем полезность структуры ESEM, поскольку она позволяет применять передовые статистические методы, такие как тесты на инвариантность измерений и дифференциальное функционирование элементов, что имеет большое значение для настоящего исследования.

Инвариантность измерений и дифференциальное функционирование объектов (DIF)

Критическим моментом в оценке психологических конструктов и инструментов является то, можно ли их использовать среди людей с различными фоновыми характеристиками или в разные моменты времени. Если имеющийся инструмент (и свойства измерения) по-разному ведет себя в разных подгруппах населения, то могут возникнуть ошибки измерения, что приведет к невозможным и / или недействительным сравнениям. Напротив, если результаты схожи в разных подгруппах, то становится возможным обобщить наши выводы.На практике эти предположения можно легко проверить с помощью тестов на инвариантность измерений (Meredith, 1993; Vandenberg, Lance, 2000; Millsap, 2011).

В целом, исходя из упомянутых выше работ, существует шесть уровней инвариантности, которые имеют ключевое значение в этих исследованиях. Конфигурационная инвариантность предполагает, что группы придерживаются одной и той же концептуальной основы (т. Е. Одной и той же факторной структуры) без каких-либо ограничений равенства по любым параметрам. Неспособность достичь этого начального уровня будет означать, что сами конструкции различаются. Слабая или метрическая инвариантность утверждает эквивалентность факторных нагрузок, достижение которых важно при сравнении факторных корреляций и отношений с другими конструкциями в разных группах. Сильная или скалярная инвариантность относится к инвариантности перехвата элементов и утверждает, что члены разных групп имеют одинаковые оценки элементов, когда рассматриваемая конструкция поддерживается на одном уровне (т. Е. Групповые различия согласованы как по направлению, так и по величине) . Если этот уровень инвариантности не достигается, то латентные средства нельзя сравнивать, и можно заподозрить наличие DIF (т.е., смещение ответа на уровне элемента) . Строгая или остаточная инвариантность проверяет неизменность ошибок измерения в разных группах и является предпосылкой для явных сравнений оценок. Кроме того, можно исследовать эквивалентность скрытых ковариаций дисперсий и латентных средств. В то время как первые четыре шага исследуют наличие смещений и различий в измерениях, последние два шага исследуют наличие групповых различий по уровню дисперсии, ковариаций и средних значений.Таксономия Marsh et al. (2009) дополнительно расширили эти тесты, включив в общей сложности 13 частично вложенных моделей инвариантности, которые представляют собой различные комбинации предыдущих и позволяют провести более тщательное исследование. Эта таксономия особенно актуальна для настоящего исследования, поскольку Marsh et al. (2013), а также Schellenberg et al. (2014) уже продемонстрировали полезность таксономии в отношении увлечений и групп на основе пола, языка и типа деятельности.

Что касается непрерывных переменных, таких как возраст, можно также использовать модели множественных индикаторов и множественных причин (MIMIC).Модели MIMIC — это в основном регрессионные модели, в которых латентные факторы могут быть регрессированы по разнообразным предикторам. Что касается страсти, Marsh et al. (2013) продемонстрировали с помощью MIMIC, что ОП снижается с возрастом (линейный эффект), но начинает выравниваться, а затем выравниваться после определенного возраста (квадратичный эффект), тогда как HP не зависит от возраста. Это согласуется с выводами Chamarro et al. (2015) в некоторой степени, поскольку они выявили линейное снижение как для HP, так и для OP (без квадратичного эффекта).Однако ограничение этих результатов состоит в том, что DIF по отношению к возрасту не тестировался; следовательно, возможно, что предиктор (т.е. возраст) оказывает уникальное влияние на элементы, которое нельзя полностью объяснить его влиянием на скрытую переменную. У исследователей может быть два варианта с непрерывными переменными, такими как возраст: первый — оставить его как постоянный и использовать модели MIMIC для проверки его эффекта; второй — преобразовать возраст в дискретные категории и проверить неизменность измерений. Как мы продемонстрируем, у обоих методов есть свои недостатки; однако они могут быть изменены путем интеграции двух методов в единую гибридную модель (Marsh et al., 2006, 2013).

Настоящее расследование

Нашей основной целью было проиллюстрировать гибкость и полезность структуры ESEM по отношению к шкале страсти. С этой целью мы сначала изучили факторную структуру шкалы страсти с помощью CFA и ESEM на большой выборке сообщества, а затем сравнили два решения, чтобы выбрать наиболее подходящее. Основываясь на предыдущих исследованиях (например, Marsh et al., 2013; Schellenberg et al., 2014), мы ожидали, что решение ESEM лучше соответствует данным.Та же процедура была проведена на независимой всеобъемлющей выборке, чтобы оценить, в какой степени наши результаты могут быть воспроизведены. После объединения двух выборок мы затем расширили модель ESEM для проверки инвариантности измерений в нескольких конфигурациях групп (пол, возраст и пол × возраст), оценили потенциальные линейные и квадратичные эффекты возраста с помощью моделей MIMIC, а затем объединили два метода. добавляя эффекты возраста MIMIC к модели инвариантности пола × возраста.

Материалы и методы

Участники и процедура

Образец 1

Первое исследование основывалось на данных 7466 взрослых венгерских (5047 женщин, 67 лет.7%) в возрасте от 18 до 74 лет ( M = 26,01; SD = 8,43). Для образца 1 были объединены несколько образцов с ранее опубликованными и неопубликованными данными, которые никогда не использовались для психометрического исследования шкалы страсти. Участники заполнили Шкалу страсти в отношении следующих действий: использование Facebook, просмотр сериалов, изучение нового, танцы, игра в Pokémon Go, игры на смартфонах, онлайн-игры и секс (более подробную информацию см. В Приложении 1 в дополнительных материалах).Участники набирались через различные веб-сайты, списки рассылки и онлайн-форумы и заполняли анкеты онлайн. Перед тем, как начать анкетирование, они были сначала проинформированы о цели и теме исследования. Если они были склонны участвовать, они должны были подтвердить информированное согласие, установив флажок; в противном случае они были исключены, и их ответы были записаны как завершенные. Таким образом, исследование было проведено при адекватном понимании и согласии участников и было одобрено Университетским комитетом по этике исследований в соответствии с руководящими принципами Хельсинкской декларации.

Образец 2

Второе исследование основывалось на обширной выборке из 504 взрослых венгерцев, которые пользуются Интернетом не реже одного раза в неделю. Эта выборка была отобрана с помощью исследовательской компании в мае 2017 года с использованием многоэтапного, пропорционально стратифицированного, вероятностного метода выборки (более подробную информацию о процедуре выборки см. В Tóth-Király et al., 2017a) и была пропорционально репрезентативной в с точки зрения пола (51,8% женщин), возраста (18–60 лет; M = 39,59 лет; SD = 12.03 года), образование (19,8%: начальное; 58,3%: среднее; 21,8%: высшее) и место жительства (20,2%: столица; 19,6%: столицы округов; 31,9%: города; 28,2%: страна). Участники сообщили о своем статусе занятости как полный рабочий день (59,7%), неполный рабочий день (8,9%), эпизодический (5,6%) и безработный (25,8%). Их попросили упомянуть занятие, которое они любят, на которое тратят время и энергию, которое является важным и ценным для них, а затем заполнили шкалу страсти в отношении этого конкретного занятия.Процедура была такой же, как в исследовании 1.

Материалы

Шкала страсти

Этот показатель (Vallerand et al., 2003; Marsh et al., 2013; Vallerand, 2015) оценивает уровень страсти человека к определенной деятельности на основе двух измерений: гармоничной страсти (шесть пунктов, например, «Моя активность находится в гармонии с другими вещами, которые являются частью меня ») и навязчивой страстью (шесть пунктов, например,« У меня впечатление, что моя деятельность контролирует меня »). Респонденты указали свой уровень согласия по семибалльной шкале (1 = совсем не согласен; 7 = полностью согласен).После стандартной процедуры обратного перевода (Hambleton and Kanjee, 1995; Beaton et al., 2000) была получена окончательная версия на венгерском языке (см. Приложение 2 в дополнительных материалах).

Статистический анализ

Предварительный анализ

Поскольку сбор данных проводился в режиме онлайн, отсутствующих ответов не было. Перед анализом данные были исследованы на всей выборке на предмет одномерной нормальности путем проверки значений асимметрии и эксцесса; и многомерная нормальность с помощью двустороннего теста Мардиа на соответствие асимметрии и эксцессу (Wang and Wang, 2012).Для одномерной нормальности, учитывая рекомендации Muthén и Kaplan (1985) с порогом ± 1, ни значения асимметрии (в диапазоне от -1,03 до +1,61), ни эксцесса (в диапазоне от -1,12 до +2,04) не предполагали, что данные имеют одномерную нормальность. . Это наблюдение было подтверждено статистически значимым тестом Мардиа, показывающим, что предположение о многомерной нормальности было нарушено.

Факторная структура

Все анализы проводились с Mplus 7.4 (Muthén and Muthén, 1998–2015) и оценивались с помощью робастной оценки максимального правдоподобия (MLR), которая обеспечивает стандартные ошибки и тесты соответствия модели, устойчивые к ненормальности данных.Эта оценка также предпочтительна, когда существует пять или более категорий ответов (Rhemtulla et al., 2012), как в данном случае. Первый этап анализа включал изучение шкалы страсти путем сравнения моделей CFA и ESEM, как рекомендовано Marsh et al. (2009). В соответствии с типовой спецификацией CFA, элементы загружались только с соответствующим коэффициентом, в то время как перекрестные загрузки были ограничены нулем. В ESEM элементы загружались по своим основным факторам, тогда как перекрестные нагрузки были «целевыми», но не принудительными, чтобы быть как можно ближе к нулю с помощью процедуры наклонного целевого вращения (Browne, 2001).Основываясь на предыдущих исследованиях (Marsh et al., 2013; Schellenberg et al., 2014; Chamarro et al., 2015), мы ожидали, что включение по крайней мере двух коррелированных уникальностей (CU) будет необходимо с учетом формулировки пунктов. . Тем не менее, мы сначала протестировали модели без CU. Примеры входных файлов доступны в Приложении 3 в дополнительных материалах. При интерпретации величины факторных нагрузок применялись рекомендации Комри и Ли (2013): отлично выше 0,71, очень хорошо между 0.63–0,70, хорошее — от 0,55 до 0,62, удовлетворительное — от 0,44 до 0,33 и плохое — ниже 0,32.

Другой особенно важный вопрос связан с включением априорно коррелированных уникальностей (CU, т.е. ковариаций между ошибочными членами двух разных элементов). В то время как включения ad-hoc CU обычно следует избегать (Marsh et al., 2010), в некоторых случаях это приемлемо (Cole et al., 2007; Marsh, 2007). Изучение четырех предыдущих исследований по шкале страсти показало, что все они включали как минимум две ЕД в свои окончательные модели измерения.Более конкретно, Marsh et al. (2013) имели КС между HP1-HP8 и OP7-OP9; Schellenberg et al. (2014) также идентифицировали две единицы между HP1 – HP10 и OP2 – OP4. Аналогичным образом Zhao et al. (2015) включили две КЕ между элементами HP1 – HP10 и OP7 – OP9. Наконец, исследование Chamarro et al. (2015) включили всего три КЕ (HP1 – HP8, OP7 – OP9, OP2 – OP4). Хотя мы не сформулировали никаких конкретных гипотез относительно того, какие из них следует включить, мы ожидали, что потребуются как минимум две ЕД. По этой причине мы решили наблюдать за индексами модификации моделей без CU и исследовать, повторяется ли в нашем исследовании необходимость включения какой-либо из вышеупомянутых предыдущих CU на пошаговой, итеративной основе (Oort, 1998).Не включая их вслепую, мы также исследовали содержание целевых элементов.

Измерение инвариантности

На втором этапе инвариантность измерения наиболее оптимальной модели измерения была протестирована на выборках из двух исследований, чтобы проверить воспроизводимость окончательной модели. Тесты инвариантности были выполнены на основе расширенной таксономии Marsh et al. (2009, см. Также Morin et al., 2013), включая в общей сложности 13 уровней инвариантности с различными комбинациями параметров, которые должны быть равны.Однако существует шесть уровней, которые имеют ключевое значение в литературе по инвариантности измерений (Meredith, 1993; Morin et al., 2016): конфигурационная инвариантность, слабая (метрическая) инвариантность, сильная (скалярная) инвариантность, строгая (остаточная) инвариантность, скрытая дисперсионно-ковариационная инвариантность, а латентная означает инвариантность. Если бы была достигнута сильная инвариантность измерений, две выборки затем были бы объединены, чтобы максимизировать доступный размер выборки при проверке инвариантности измерений как функции пола, возраста и их взаимодействия (пол × возраст).Поскольку страсть не является личностной переменной, мы решили не создавать группы, основанные на типичных интерпретациях молодости (т. Е. От 15 до 30 лет), среднего возраста (т. Е. От 31 до 60) и старшего возраста (т. Е. От 61 до 99 лет). ), но вместо этого разделила полную выборку на три группы. В результате этого процесса были выделены три группы и возрастные категории: 18–21 ( n = 2 477), 22–25 ( n = 2563) и 26–74 ( n = 2 930).

Функционирование дифференциального элемента (DIF)

Тесты инвариантности и DIF довольно сложны с непрерывными переменными, такими как возраст, по сравнению с переменными с отдельными категориями (такими как пол).Один из возможных подходов — создать категориальные переменные из непрерывных (как указано выше). Хотя он позволяет проводить более тщательное и тщательное тестирование инвариантности, он имеет проблемы, присущие субоптимальному преобразованию непрерывных переменных, которые потенциально могут привести к потере информации. В аналогичных ситуациях можно использовать модели (MIMIC) (Morin et al., 2013, 2016). Таким образом, на третьем этапе, основанном на наиболее инвариантной гендерной модели, DIF был протестирован как функция возраста в обеих гендерных группах, где факторы были регрессированы по линейным и квадратичным компонентам возраста (т.е., возраст и возраст ² ). После стандартизации возраста сравнивались три модели MIMIC (Morin et al., 2013): (1) модель нулевого эффекта, в которой предикторы (возраст и возраст ² ) не влияют ни на элементы, ни на факторы; (2) насыщенная модель, в которой пути от предикторов к элементам оцениваются свободно, но пути к факторам фиксируются равными нулю; и (3) модель только факторов, в которой пути к факторам оцениваются свободно, но пути к элементам ограничиваются нулем.Сравнение нулевой и насыщенной моделей проверяет влияние предикторов на отдельные элементы, в то время как сравнение насыщенной модели и модели, состоящей только из факторов, показывает, можно ли полностью объяснить эти эффекты воздействием на скрытые факторы (т. Е. Наличие или отсутствие DIF).

Гибридный подход к множественным групповым и мимическим моделям

Хотя многогрупповое решение имеет недостаток из-за преобразования переменных, модель MIMIC также не лишена ограничений.Более конкретно, может быть исследована только инвариантность факторных средних и точек пересечения (но все же предполагается инвариантность факторных нагрузок и уникальности, которые нельзя проверить напрямую). Чтобы устранить этот недостаток, Marsh et al. (2006) представили гибридную модель, в которой оба подхода интегрированы для большей точности, добавив эффекты возраста MIMIC (т.е. возраст и возраст ² ) к многогрупповой модели (т.е. пол × возраст). Более того, этот гибридный подход уже использовался вместе с ESEM для оценки потенциальной потери информации в результате преобразования непрерывных переменных (Marsh et al., 2013), что делает его особенно полезным для настоящего исследования.

Оценка модели

При интерпретации результатов мы полагались на комбинацию общих индексов согласия, поскольку они предоставляют различную информацию о моделях измерения (Brown, 2015): сравнительный индекс соответствия (CFI), Tucker-Lewis Индекс (TLI) и среднеквадратичная ошибка аппроксимации (RMSEA). Мы рассматривали как адекватные, так и превосходные пороги для этих индексов соответствия (Hu and Bentler, 1999; Marsh et al., 2004, 2005; Marsh, 2007), поскольку строгое соблюдение более консервативных «золотых правил» может привести к ошибочным результатам (Chen et al., 2008; Heene et al., 2011; Perry et al., 2015). Таким образом, в качестве приблизительных рекомендаций значения CFI и TLI> 0,90 и 0,95 считаются адекватными и превосходными, соответственно, в то время как значения RMSEA менее 0,08 и 0,06 указывают на приемлемое и отличное соответствие модели. Хотя мы также сообщаем о робастном критерии точного соответствия хи-квадрат (χ ² ), следует отметить, что он имеет тенденцию быть сверхчувствительным к размеру выборки и незначительным ошибкам в спецификации модели.Что касается сравнения моделей, изменения (Δ) этих показателей согласия наблюдались с отсутствием инвариантности, если уменьшение CFI и TLI составляет не менее 0,010 или выше или увеличение RMSEA составляет не менее 0,015 или выше (Cheung and Rensvold, 2002; Чен, 2007). Также стоит отметить, что TLI и RMSEA исправлены на экономичность (т. Е. Более экономные модели могут соответствовать данным лучше, чем менее экономные), в отличие от CFI, который монотонен к сложности (т. Е. Более сложные модели всегда подходят лучше, чем менее сложные).Это очень важно, учитывая, что обычно в ESEM больше параметров, чем в CFA (Marsh et al., 2009; Morin et al., 2013). Поэтому, основываясь на предыдущих предложениях (Marsh, 2007; Marsh et al., 2013), мы уделяем больше внимания TLI и RMSEA при сравнении моделей. Однако мы хотим подчеркнуть, что их следует рассматривать только как приблизительные рекомендации, которые следует принимать во внимание, а также статистическое и теоретическое соответствие результатов (Marsh et al., 2004, 2005; Morin et al., 2016).

Результаты

Образец 1: Структура измерения шкалы страсти — ESEM по сравнению с CFA

Индексы согласия для этого исследования представлены в верхнем разделе таблицы 1, а стандартизованные оценки параметров доступны в левой части таблицы 2. Хотя мы ожидали необходимого включения коррелированных уникальностей между подмножеством элементов, мы изучили двухфакторные модели CFA и ESEM без этих модификаций в качестве отправной точки, чтобы увидеть, требуются ли для одной и той же пары элементов ЕД, как в предыдущих исследованиях.Оба решения CFA и ESEM без CU имели неудовлетворительную подгонку модели, о чем свидетельствуют индексы соответствия. Проверка индексов модификации для обоих решений показала, что включение трех коррелированных уникальностей (OP7 – OP9, HP1 – HP10 и OP4 – OP12) существенно улучшит соответствие модели, которые были включены на пошаговой основе, начиная с пары с высшие индексы модификации. Эти модификации привели к неудовлетворительному соответствию решению CFA и адекватному соответствию решению ESEM.Однако подходящую модель следует выбирать не только на основе показателей соответствия, но и дополнять ее оценками параметров и теоретическим соответствием (Morin et al., 2016).

Таблица 1 . Статистика согласия для моделей, оцениваемых по шкале страсти.

Таблица 2 . Стандартизированные оценки параметров для решений CFA и ESEM шкалы страсти в исследовании 1 и исследовании 2.

Оба решения привели к четко определенным факторам (ESEM: | λ | = 0.416–0,893, M = 0,659; CFA: | λ | = 0,354–0,856, M = 0,678). Хотя в модели ESEM присутствовали перекрестные нагрузки (| λ | = 0,154–0,349, M = 0,147), они не мешали определению факторов. Более того, некоторые из перекрестных нагрузок являются разумными (например, HP10 или OP2), учитывая, что они задействуют противоположные аспекты целевых конструкций. Три коррелированных уникальности были схожи по величине для обеих моделей, и они также были аналогичны предыдущим исследованиям.Первый CU (с наивысшими индексами модификации) находился между OP7 (т. Е. «Это действие — единственное, что меня действительно заводит») и OP9 (т. Е. «Если бы я мог, я бы выполнял только свое действие»), который был присутствует в трех из четырех предыдущих исследований, упомянутых выше (Marsh et al., 2013; Chamarro et al., 2015; Zhao et al., 2015). Формулировка этих пунктов указывает на то, что оба относятся к исключительному месту, которое деятельность занимает в жизни человека. Вторая БЧ была между HP1 (т. Е. «Эта деятельность находится в гармонии с другими видами деятельности в моей жизни») и HP10 (т.е.е., моя деятельность находится в гармонии с другими вещами, которые являются частью меня) присутствовал для Schellenberg et al. (2014) и Zhao et al. (2015), оба принадлежат к фактору гармоничной страсти и ссылаются на тот факт, что деятельность находится в гармонии с другими аспектами жизни. Третья CU находилась между OP4 (т. Е. «У меня почти навязчивое предчувствие этой деятельности») и OP12 (т. Е. «У меня впечатление, что моя деятельность контролирует меня»), и, что интересно, несмотря на принадлежность к одному и тому же фактору, они имели отрицательную связь друг с другом, что могло быть связано с тем, что они по-разному используют HP (т.е., OP4 положительно, а OP12 — отрицательно). В результате перекрестных нагрузок корреляции факторов также были уменьшены для модели ESEM ( r = 0,587) по сравнению с CFA ( r = 0,718). Наконец, оба фактора были надежно выражены в терминах альфы Кронбаха (α _HP = 0,801; α _OP = 0,883). Хотя этот индекс полезен при сравнении результатов с предыдущими результатами, он, как правило, менее надежен (Sijtsma, 2009; Rodriguez et al., 2016). Следовательно, составной коэффициент надежности на основе модели Макдональдса (McDonald, 1970) также был рассчитан следующим образом: ω = (Σ | λ _i |) 2 / ([Σ | λ _i |] 2 + Σδ _ii ) где λ _i — факторные нагрузки, а δ _ii — дисперсии ошибок, и, таким образом, он имеет преимущество по сравнению с альфа, принимая во внимание силу связи между элементами и скрытыми факторами (λ _i ) с удельные погрешности измерения (δ _ii ).Omega также показала адекватную надежность, основанную на модели (ω _HP = 0,778; ω _OP = 0,867).

Пример 2: Репликация измерительной структуры шкалы страсти

индексы согласия, связанные с исследованием 2, приведены в нижней части таблицы 1, а оценки параметров можно увидеть в правой части таблицы 2. И снова модели без коррелированных уникальностей привели к плохому соответствию. Однако включение тех же коррелированных уникальностей, что и в исследовании 1, привело к предельному соответствию для решения CFA, при этом только CFI и RMSEA указали на приемлемое соответствие, в то время как все показатели были превосходными для решения ESEM.Анализ оценок параметров выявил четко определенные факторы с одинаковой величиной (ESEM: | λ | = 0,500–0,904, M = 0,660; CFA: | λ | = 0,564–0,831, M = 0,667). Перекрестные нагрузки снова были небольшими по величине (| λ | = 0,003–0,232, M = 0,119), а связь между HP и OP была уменьшена в ESEM ( r = 0,355) по сравнению с CFA ( r = 0,427). Также была подтверждена надежность факторов (α _HP = 0,821, α _OP = 0.846; ω _HP = 0,816, ω _OP = 0,841). В целом, на основе полученных результатов модель ESEM была сохранена, поскольку она лучше соответствовала модели, имела четко определенные и надежные факторы и уменьшила корреляцию факторов.

Измерение инвариантности

После демонстрации превосходства модели ESEM для этой конкретной шкалы мы продолжили оценку степени, в которой эта модель может быть воспроизведена в двух выборках и исследованиях (см. Таблицу 3), прежде чем исследовать влияние пола и возраста.Хотя расширенная таксономия инвариантности является исчерпывающей, мы интерпретируем только ключевые модели (входные данные для этих ключевых моделей см. В Приложении 3). Конфигурационная модель (модель S1 в таблице 3) достигла удовлетворительного уровня соответствия данным и поддерживала слабую измерительную инвариантность (модель S2 в таблице 3) модели по выборкам (ΔCFI / TLI ≤ 0,010; ΔRMSEA ≤ 0,015). Для сильной инвариантности (модель S5 в таблице 3), хотя изменения в CFI были незначительными по сравнению с пороговыми значениями (ΔCFI = -0,011), изменения в TLI (ΔTLI = -0.005) и RMSEA (ΔRMSEA = +0,003) были приемлемыми. Тем не менее, мы исследовали модель частичной сильной инвариантности, включающую ослабление ограничений равенства для точки пересечения отдельного элемента (HP5), путем изучения индексов модификации модели сильной инвариантности. Эта модель частичной сильной инвариантности (Модель S5p) была подтверждена данными, а также оставшиеся модели строгой (Модель S7) и латентно-дисперсионно-ковариантной (Модель S9) инвариантности (ΔCFI / TLI ≤ 0,010; ΔRMSEA ≤ 0,015) . В целом, эти результаты подтверждают, что модель хорошо воспроизводилась на разных образцах.Инвариантность латентных средних снова была незначительной по сравнению с типичными рекомендациями (ΔCFI = -0,011; TLI = -0,010; ΔRMSEA = +0,003), поэтому мы решили исследовать эти различия. В этих случаях латентные средства референтной группы ограничиваются нулем (для целей идентификации), тогда как в других группах они свободно оцениваются, что обеспечивает прямую оценку групповых различий, оцениваемых в единицах стандартного отклонения. Когда средние значения образца 1 были ограничены нулем, средние значения образца 2 оказались выше на обоих HP (+1.077, p <0,001) и OP (+0,857, p <0,001). Наблюдаемые различия можно объяснить тем фактом, что в исследовании 2 участники должны были указать деятельность, которой они увлечены, тогда как в исследовании 1 мероприятия были предусмотрены заранее.

Таблица 3 . Проверка инвариантности измерений для окончательной сохраненной модели в двух исследованиях.

На следующем этапе мы рассмотрели вопрос о влиянии пола и возраста на объединенную выборку.Рассматривая отдельно гендерные (Таблица 4) и возрастные (Таблица 5) группы, полная инвариантность (нагрузки, перехваты, уникальности, скрытые дисперсии-ковариации и латентные средние) была достигнута в обоих случаях, о чем свидетельствуют небольшие изменения показателей соответствия (ΔCFI / TLI ≤ 0,010; ΔRMSEA ≤ 0,015). Эти результаты подтверждают эквивалентность оценок по шкале страсти и поддерживают ее использование в гендерных или возрастных группах (при разделении на отдельные категории). На следующем этапе мы выполнили ту же аналитическую последовательность с взаимодействием половозрастных групп (3 × 2 = 6 групп).Опять же, мы интерпретируем только ключевые элементы таксономии (см. Таблицу 6). Как конфигурационная (модель GA1 в таблице 6), так и слабая (модель GA2 в таблице 4) модели инвариантности были удовлетворительными с точки зрения соответствия модели и относительного изменения соответствия. Затем была протестирована сильная инвариантность (модель GA5 в таблице 6), которая не была достигнута (ΔCFI = -0,012; TLI = -0,005; ΔRMSEA = +0,003), что может свидетельствовать о различном функционировании элемента. И снова были разработаны модели частичной инвариантности, и во всех группах было снято ограничение эквивалентности одного элемента (HP8).Это ослабление привело к приемлемым изменениям (ΔCFI = −0,008; TLI = −0,002; ΔRMSEA = +0,001) при сравнении сильной и слабой моделей. Остальные модели строгой (модель GA7), скрытой-ковариационной (модель GA9) и скрытой средней (модель GA13) инвариантности (ΔCFI / TLI ≤ 0,010; ΔRMSEA ≤ 0,015). В целом, эти результаты еще раз подтверждают неизменность измерений по полу и возрастным группам.

Таблица 4 . Тесты инвариантности измерений для окончательной сохраненной модели по гендерным группам.

Таблица 5 . Тесты инвариантности измерений для окончательной сохраненной модели по возрастным группам.

Таблица 6 . Тесты инвариантности измерений для окончательной сохраненной модели по группам пол × возраст.

Дифференциальный элемент Функционирование

Хотя тесты на неизменность измерений обеспечивают строгий метод тестирования, они менее практичны для непрерывных переменных, таких как возраст. Поэтому мы включили линейные и квадратичные эффекты возраста в окончательную модель инвариантности (модель GA13) и сравнили три конкурирующие модели.Нулевая модель (MM1 в таблице 7) обеспечила хорошее соответствие данным, но насыщенная модель (MM2 в таблице 7) показала существенное улучшение соответствия модели по сравнению с нулевой моделью (ΔCFI = +0,014; TLI = -0,003; ΔRMSEA = +0,001), что указывает на то, что возраст влияет на ответы на шкалу страсти. Однако модель только факторов (MM3 в таблице 4), в которой отношения от предикторов к факторам оценивались произвольно, но не к элементам, привела к незначительному снижению соответствия (ΔCFI = -0,013; TLI = +0.001; ΔRMSEA = -0,001), что позволяет предположить, что эффекты возраста не могут быть полностью объяснены влиянием на латентную переменную и что она влияет по крайней мере на некоторые ответы элементов. Хотя TLI и RMSEA имеют большее значение при сравнении моделей из-за включения поправки на экономичность, мы исследовали DIF с помощью индексов модификации, которые предположили, что DIF, скорее всего, связан с HP8 (тот же элемент, который был идентифицирован при неизменности измерений). Допущение прямого воздействия предикторов на этот элемент привело к сопоставимой подгонке к насыщенной модели (ΔCFI = -0.008; TLI = +0,005; ΔRMSEA = -0,002).

Таблица 7 . MIMIC и гибридные модели Multigroup-MIMIC.

Гибридная модель многогрупповой и мимической моделей

До сих пор мы видели, что два разных метода, с помощью которых можно идентифицировать DIF, сходятся к одному и тому же результату, поддерживая их перекрестную проверку. Однако, как и в случае многогруппового анализа в отношении потери информации (как обсуждалось выше), у подхода MIMIC есть неотъемлемые недостатки, поскольку он основан на предположении о строгой инвариантности измерений.Более того, ему не хватает возможности проверить инвариантность других параметров модели (то есть факторных нагрузок или уникальности). Поэтому для устранения недостатков обоих методов на основе Marsh et al. (2013), мы объединяем эти подходы в единую гибридную модель, добавляя линейные и квадратичные эффекты возраста MIMIC (MM3p в таблице 7) к окончательной шестигрупповой модели (модель GA13 в таблице 6).

В качестве первого шага мы оценили нулевую модель (см. HY1 в таблице 7), которая будет служить в качестве базового сравнения.Эта нулевая модель, аналогичная стандартной модели MIMIC, утверждает, что эффекты возраста MIMIC отсутствуют. Эта модель подходила по размеру. Вторая, насыщенная модель (HY2 в таблице 7) имела пути от предикторов к свободно оцениваемым элементам. Сравнение этих моделей показывает, была ли информация потеряна при формировании дискретных возрастных категорий вместо использования ее в качестве непрерывной переменной. Различия между двумя моделями были незначительны, при этом индексы с поправкой на экономию оставались стабильными по двум моделям (ΔTLI = -0.001; ΔRMSEA = +0,001), предполагая, что модель MIMIC не вносит особого вклада, кроме многогрупповой модели с дискретными категориями.

Затем мы включили только прямое влияние возраста и возраста ² на латентные средние значения (HY3 в таблице 7). Затем мы добавили прямой путь от предикторов к элементу, идентифицированному в модели MIMIC (HY4p в таблице 7), и оценили, были ли они инвариантными для шести групп (HY5 в таблице 7). Изменения показателей соответствия снова остались стабильными, что указывает на эквивалентность этих путей для различных комбинаций пола и возраста.В окончательной модели мы ограничили эффекты возраста и возраста ² одинаковыми во всех группах. И снова относительные изменения показателей соответствия были стабильными, что свидетельствует об обобщении отношений между возрастом, возрастом ² , HP и OP по полу и возрастным группам. Эти результаты показали, что, хотя возраст не влияет на HP (возраст: β = 0,005, p = 0,067; возраст ² : β = 0,002, p = 0,213), OP показывает небольшое и линейное снижение (возраст: β = −0.006, p <0,050) с небольшим нелинейным компонентом (возраст: β = 0,004, p <0,050) также является значимым. Наконец, HP8 показал небольшое линейное увеличение (β = 0,014, p <0,001) с отрицательной нелинейной составляющей (β = -0,009, p <0,001). Окончательная гибридная модель представлена ​​на рисунке 2.

Рисунок 2 . Финальная гибридная модель. В случае факторных нагрузок нагрузки с полными стрелками и на белом фоне указывают на целевые нагрузки, тогда как число с пунктирными стрелками и серый фон указывают на перекрестные нагрузки.Стрелки с одной головкой представляют пути регрессии, стрелки с двумя головками обозначают корреляции. Все параметры стандартизированы и неизменны для шести групп.

Обсуждение

Целью настоящего исследования было проиллюстрировать применимость новой структуры ESEM к Шкале страсти — единственному инструменту, разработанному специально для измерения страсти — с двумя независимыми выборками. Наше исследование хорошо согласуется с растущим объемом исследований ESEM (для обзора см. Marsh et al., 2014) в том смысле, что сравнение альтернативных решений показало, что ESEM в значительной степени соответствует данным лучше, чем его традиционный аналог CFA, и впоследствии привело к более реалистичному представлению. Мы также успешно расширили базовую модель ESEM тестами на инвариантность измерений, дифференциальное функционирование элементов и гибридную модель, включающую два подхода, чтобы проиллюстрировать гибкость этой надежной структуры. Теперь мы по очереди рассмотрим каждый из наших результатов и их значение.

Как утверждается во введении и демонстрируется в этом исследовании, CFA часто может считаться недостаточным в результате чрезмерно ограничительного предположения, что элементы должны загружаться только на соответствующие им факторы, но не на другие, концептуально значимые. На основе предыдущих исследований в области SDT (например, Howard et al., 2017; Litalien et al., 2017) и особенно в отношении страсти (например, Marsh et al., 2013; Schellenberg et al., 2014 ), Ожидалось, что ESEM преодолеет ограничения, связанные с чрезмерно ограничивающим CFA, как с точки зрения неудовлетворительной корреляции критериев согласия, так и с точки зрения завышенных факторов (например,г., Maïano et al., 2013; Перера, 2015). Наши результаты по обоим образцам подтвердили эти ожидания. Кроме того, было обнаружено несколько ненулевых перекрестных нагрузок, которые, если их не выразить, могут подорвать модель измерения (как это произошло в решении CFA). Однако ни одна из этих перекрестных нагрузок не была достаточно большой, чтобы подорвать определения факторов. Были предметы, которые положительно влияли на их соответствующие факторы, а отрицательно влияли на противоположные (например, HP1, HP6, OP2 или OP12), что можно объяснить тем фактом, что, хотя все они измеряют страсть к определенной деятельности, они обращаются к конкретным аспекты, которые уникальны либо для HP, либо для OP.Это оправдано как с точки зрения теории, так и с точки зрения формулировки пунктов; более того, аналогичные явления были описаны в исследованиях самооценки (Arens and Morin, 2016) или академической мотивации (Guay et al., 2015; Tóth-Király et al., 2017c). Также важно и в то же время интересно отметить, что HP5 и HP8 имели положительную перекрестную нагрузку на OP. Одно из возможных объяснений может заключаться в том, что эти элементы не отражают уникальные аспекты HP или OP, а скорее являются более общими, отражая компонент идентичности самой страсти.Например, если у кого-то есть ОП для игр, эта деятельность все равно может быть «хорошо интегрирована в его / ее жизнь (HP8)». Наконец, следует отметить, что три ЕД были включены в окончательные модели измерения, которые в значительной степени соответствуют предыдущим исследованиям (Marsh et al., 2013; Schellenberg et al., 2014; Zhao et al., 2015). Первые две пары, вероятно, являются результатом параллельной формулировки пунктов (т. Е. Исключительного места деятельности и гармонии других аспектов). Что касается третьего, который, похоже, относится к данному исследованию.Одна из возможностей может заключаться в том, что в Венгрии одержимость какой-либо деятельностью не обязательно считается плохой или отрицательной. Тем не менее, изучение культурных эффектов выходило за рамки этого исследования. Тем не менее, необходимость в трех ЕД для двухфакторной шкалы с 12 пунктами предполагает, что могут быть некоторые проблемы с инструментом, которые могут потребовать тщательного пересмотра на уровне пунктов. Эти результаты показывают, что исследователи энтузиазма могут рассмотреть возможность незначительной корректировки формулировок этих четырех пунктов шкалы OP и двух других шкал HP с использованием различных синонимов соответствующих слов, чтобы они лучше соответствовали основополагающим теоретическим основам.В идеале дизайн-мышление или A / B-тестирование (Ries, 2011) альтернативных синонимов можно было бы протестировать на меньших выборках, поскольку этот метод уже плодотворно применялся при построении и улучшении социально-психологических вмешательств (Yeager et al., 2016). Этот шаг может внести положительный вклад в более точное измерение DMP.

На более практическом уровне настоящее исследование также продемонстрировало применимость ESEM, когда кто-то хочет исследовать скрытые средние различия, при этом первым вариантом является проверка инвариантности измерений.Особой сильной стороной этого подхода, как было продемонстрировано, является возможность тестирования широкого спектра тестов на инвариантность, особенно если они основаны на расширенной таксономии (Marsh et al., 2009). Здесь мы подчеркнули эту силу, исследуя полную инвариантность измерений (то есть факторные нагрузки, перехваты, уникальности, скрытые дисперсии – ковариации и латентные средние) в разных подвыборках на основе пола, возраста и их комбинации, и нашли сильную поддержку эквивалентности Шкала страсти в этих группах без существенных скрытых средних различий.Эти результаты согласуются с выводами Marsh et al. (2013), у которых также был высокий уровень инвариантности по гендерным и языковым группам, а также у Chamarro et al. (2015). Однако одним из ограничений этого статистического подхода является то, что элементы необходимо преобразовывать в меньшее количество категорий, что особенно проблематично для непрерывных переменных, таких как возраст (MacCallum et al., 2002).

Одним из возможных решений этой проблемы и вторым вариантом исследования скрытых средних различий является использование модели MIMIC, в которую могут быть включены непрерывные переменные.Он также более экономичен по сравнению с многогрупповым анализом и может выполняться с выборкой среднего размера. Тем не менее, можно проверить только перехват и скрытую среднюю инвариантность, не обращая внимания на инвариантность других параметров модели. Чтобы уравновесить недостатки обоих подходов, было также исследовано гибридное решение (Marsh et al., 2006, 2013), которое объединило эффекты MIMIC в многогрупповой модели для более точного исследования. На первом этапе мы сравнили раздельную мультигрупповую модель и модель MIMIC, и они дали одинаковые результаты, но HP8 оказался неинвариантным в обоих случаях.Однако следует отметить, что неинвариантность HP8 была поддержана слабо. Для более тщательного исследования следует идентифицировать неинвариантные элементы, ограничивая факторную нагрузку и перехват первого элемента каждой шкалы, а затем сравнивая другие элементы с этим референтом (Cheung and Rensvold, 1999). Последующая гибридная комбинация показала, что часть MIMIC не внесла особого вклада в категоризацию. Дополнительный интерес представляет то, что эта модель также показала результаты, аналогичные результатам Marsh et al.(2013) и Chamarro et al. (2015); хотя и в меньшей степени, но возраст имел общее отрицательное влияние на ОП с положительным нелинейным компонентом. Наши результаты также обобщены по шести группам (пол × возраст). Это потенциально может быть связано с кризисом среднего возраста, с которым люди могут столкнуться в возрасте от 40 до 50 лет; в этом случае они могут понять, что им следует проводить больше времени с занятиями, которые им нравятся, что, в свою очередь, может привести к небольшому увеличению их количества по мере взросления.Однако необходимы будущие исследования, чтобы выявить эти потенциальные эффекты.

В целом, ESEM оказался адекватной статистической основой для шкалы страсти благодаря включению функций EFA и CFA. Явное выражение перекрестных нагрузок обеспечивает более точную оценку рассматриваемой конструкции, и пока они остаются относительно небольшими по величине, они не подрывают определение факторов. Можно утверждать, что, поскольку ESEM менее строгий, он всегда приводит к улучшенному соответствию модели.Однако, даже если перекрестные нагрузки редко присутствуют в нашей модели измерения, ESEM по-прежнему дает несмещенные оценки параметров с точки зрения корреляций факторов (Asparouhov et al., 2015). Наши результаты также подтверждают мнение о том, что элементы шкалы не являются идеальными индикаторами соответствующих целевых факторов, поэтому модели CFA и ESEM следует систематически противопоставлять, чтобы учитывать систематический тип ошибки измерения, связанный с ошибочной природой показателей, что, в свою очередь, помогает в определении лучшего представления данных.Что касается шкалы страсти, существует определенная степень совпадения между элементами, предполагая, что некоторые из них могут задействовать не только один аспект страсти, но и оба, и что HP и OP не могут быть легко различимы сами по себе. , но другие переменные, с которыми они связаны. Также возможно, что изменения могут произойти между HP и OP в результате внешних событий (например, у кого-то может быть HP для работы, но из-за конфликта отношений он начинает демонстрировать признаки OP для работы), что может влияют на уровень HP и OP.Необходимы дальнейшие исследования, чтобы лучше понять природу и динамику HP и OP.

Хотя подход ESEM, безусловно, многообещающий, байесовское моделирование структурным уравнением (BSEM; Muthén and Asparouhov, 2012), которое похоже на ESEM с точки зрения свободной оценки перекрестных нагрузок и придания им небольшой ценности, недавно подверглось критике (Stromeyer и др., 2015). Первой проблемой авторов было то, что введение перекрестных нагрузок следует интерпретировать как моделирующий шум, который маскирует плохо сконструированные элементы и, таким образом, оправдывает использование неподходящего инструмента.В данном случае некоторые из этих перекрестных нагрузок были разумными и значимыми по своему направлению (т.е. элементы HP положительно загружались на HP, но отрицательно на OP и наоборот), в то время как другие не были, предполагая, что некоторые элементы, возможно, необходимо пересмотреть. чтобы более прочно ассоциироваться со своими целевыми факторами. Вторая аналогичная проблема касалась того факта, что перекрестные нагрузки не должны быть теоретически допустимыми, и исследователи должны создавать предметы и инструменты, которые могут адекватно фиксировать целевую конструкцию, не связываясь с другими, нецелевыми.Хотя мы согласны с авторами в том, что элементы должны быть как можно более точными, и исследователи должны стремиться к достижению этой точности, полностью чистые элементы редко встречаются в социальных науках. Однако, если перекрестные нагрузки полностью игнорируются, следует также пренебречь EFA, который служит основой для ESEM. Более того, как отмечает Аспарухов и др. (2015) отметили, что даже тщательно построенные индикаторы могут представлять хотя бы некоторую степень истинных ассоциаций баллов с нецелевыми конструкциями.Третье и последнее беспокойство касалось того факта, что перекрестные нагрузки, которые являются минимальными (то есть близкими к нулю), не должны включаться в модель измерения, поскольку они только искусственно уменьшают корреляции между факторами. Вместо этого, когда присутствует мультиколлинеарность, следует искать двухфакторное решение (Reise, 2012), которое могло бы объяснить высокие связи между факторами. Эту проблему можно легко протестировать с помощью недавно представленной структуры bifactor-ESEM (Morin et al., 2016a, b), и она уже успешно используется (e.г., Fadda et al., 2017; Litalien et al., 2017; Tóth-Király et al., 2017b) в исследовании двух источников релевантной конструкту психометрической многомерности, относящейся к наличию концептуально связанных и глобальных / специфических конструктов. В целом, хотя мы считаем, что ESEM не следует использовать для сокрытия или «частичного исправления» плохих индикаторов, эта структура все же может обеспечить более реалистичное представление имеющихся конструкций.

Хотя мы смогли проиллюстрировать применимость и богатство инфраструктуры ESEM с помощью двух независимых примеров, есть некоторые ограничения, которые необходимо устранить.Наши данные были основаны на перекрестных опросах и анкетах, на которые могла повлиять систематическая ошибка. Выводы о небольших изменениях OP могут быть дополнены продольными настройками для изучения временных изменений HP и OP, а также для исследования потенциальных личностных и социальных переменных, которые могут влиять на страсть среди взрослых и молодых респондентов. Хотя мы проводили тест DIF, мы должны отметить, что неопределенность шкалы (Wang, 2004; Cheong and Kamata, 2013) могла вызвать проблемы при интерпретации результатов.В будущих исследованиях следует стремиться обойти эти проблемы с помощью более совершенных и сложных методов. Например, недавно разработанный модерируемый нелинейный факторный анализ (MNLFA; Bauer, 2017) сочетает сильные стороны и преимущества многогруппового и MIMIC подходов и может быть использован в будущих статистических исследованиях. Что касается самой шкалы страсти, хотя это короткий двухфакторный инструмент, включение трех единиц измерения предполагает, что шкала и элементы, возможно, потребуют тщательного изучения и, возможно, улучшения.Что касается структуры ESEM, необходимо оценить относительно большое количество параметров, поэтому меньшие размеры выборки могут привести к снижению точности оценки модели. Текущая эксплуатация ESEM также предотвращает его прямое включение в более сложные, прогнозные или иерархические модели. Однако, используя метод ESEM-в-CFA (Morin et al., 2013), можно легко преобразовать решение ESEM в стандартную структуру CFA и выполнить упомянутый выше анализ. Для настоящей иллюстрации структуры ESEM мы использовали только шкалу страсти; другие шкалы могут работать по-разному в зависимости от их различных свойств, таких как длина, количество элементов, количество элементов на фактор или корреляции между факторами (дополнительные примеры см. в Marsh et al., 2014). Поскольку пороговые значения для индексов соответствия происходят из исследований с использованием CFA и базовой оценки максимального правдоподобия, необходимы будущие имитационные исследования для изучения функционирования этих пороговых значений с помощью ESEM и различных оценок.

Несмотря на эти ограничения, это исследование показало, что ESEM как синергия EFA и CFA эффективен при психометрическом исследовании многомерных инструментов, а также может быть дополнен или преобразован в другие подходы к моделированию.Как правило, когда кто-то подозревает наличие многомерности, проистекающей из оценки концептуально связанной конструкции (Morin et al., 2016), тогда возможно, что ограничительное предположение CFA нарушается, и сравнение моделей CFA и ESEM должно быть выполнено. Более того, последний предпочтительнее, если он имеет лучшее соответствие, четко определенные факторы по их целевым нагрузкам и значительно уменьшенные корреляции факторов. Однако, если психометрические свойства в решении CFA такие же, то эта модель предпочтительнее, поскольку она более экономична.Тем не менее, мы считаем, что ESEM может быть жизнеспособной и гибкой альтернативой CFA и, как мы продемонстрировали, может быть плодотворно расширен для решения существенно важных вопросов.

Авторские взносы

IT-K внесла значительный вклад в разработку исследования, сбор данных, анализ данных, интерпретацию результатов и написание рукописей; BB, AR и GO существенно способствовали сбору данных, интерпретации результатов и редактированию рукописи. Все авторы прокомментировали черновик и внесли свой вклад в окончательную версию, утвердили окончательную версию рукописи и согласились нести ответственность за все аспекты работы.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Первый автор (IT-K) был поддержан Программой национального превосходства ÚNKP-16-3 Министерства человеческих ресурсов. Последний автор (GO) поддержан Венгерским исследовательским фондом (NKFI PD 116686, FK 124225).

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https: // www.frontiersin.org/articles/10.3389/fpsyg.2017.01968/full#supplementary-material

Сноски

Список литературы

Аренс, А. К., Морин, А. Дж. С. (2016). Изучение структуры и дифференциации по классам многомерных инструментов самооценки детей с использованием ESEM. J. Exp. Educ. 84, 330–355. DOI: 10.1080 / 00220973.2014.999187

CrossRef Полный текст | Google Scholar

Аспарухов, Т., и Мутен, Б. (2009). Исследовательское моделирование структурными уравнениями. Struct. Equat. Модель. 16, 397–438. DOI: 10.1080 / 107055108204

CrossRef Полный текст | Google Scholar

Аспарухов, Т., Мутен, Б., и Морин, А. Дж. С. (2015). Байесовское моделирование структурным уравнением с перекрестными нагрузками и остаточными ковариациями: комментарии к Stromeyer et al. J. Manage. 41, 1561–1577. DOI: 10.1177 / 01492063155

CrossRef Полный текст | Google Scholar

Битон Д. Э., Бомбардье К., Гийемен Ф. и Ферраз М.Б. (2000). Руководство по процессу кросс-культурной адаптации самоотчетов. Spine 25, 3186–3191. DOI: 10.1097 / 00007632-200012150-00014

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Браун, Т.А. (2015). Подтверждающий факторный анализ для прикладных исследований, 2-е изд. . Нью-Йорк, штат Нью-Йорк: Guilford Press.

Браун М. (2001). Обзор аналитической ротации в исследовательском факторном анализе. Мультивар. Behav. Res .36, 111–150. DOI: 10.1207 / S15327906MBR3601_05

CrossRef Полный текст | Google Scholar

Чамарро, А., Пенело, Э., Форниелес, А., Оберст, У., Валлеран, Р. Дж., И Фернандес-Кастро, Дж. (2015). Психометрические свойства испанской версии шкалы страсти. Псикотема 27, 402–409. DOI: 10.7334 / psicothema2015.80

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Чен, Ф. Ф. (2007). Чувствительность показателей согласия к отсутствию инвариантности измерений. Struct. Equat. Модель. 14, 464–504. DOI: 10.1080 / 10705510701301834

CrossRef Полный текст | Google Scholar

Чен, Ф., Карран, П. Дж., Боллен, К. А., Кирби, Дж., И Пакстон, П. (2008). Эмпирическая оценка использования фиксированных точек отсечки в тестовой статистике RMSEA в моделях структурных уравнений. Sociol. Метод Res . 36, 462–494. DOI: 10.1177 / 0049124108314720

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Cheong, Y.Ф. и Камата А. (2013). Определение центрирования, масштабной неопределенности и дифференциального функционирования объекта в иерархических обобщенных линейных и обобщенных линейных смешанных моделях. Прил. Измер. Educ . 26, 233–252. DOI: 10.1080 / 08957347.2013.824453

CrossRef Полный текст | Google Scholar

Cheung, G. W., and Rensvold, R. B. (1999). Проверка факториальной инвариантности между группами: переосмысление и предложенный новый метод. J. Manage. 25, 1–27. DOI: 10.1177 / 0149206390101

CrossRef Полный текст | Google Scholar

Чунг, Г.У. и Ренсволд Р. Б. (2002). Оценка показателей согласия для проверки инвариантности измерений. Struct. Equat. Модель. 9, 233–255. DOI: 10.1207 / S15328007SEM0902_5

CrossRef Полный текст | Google Scholar

Коул Д. А., Цесла Дж. А. и Стейгер Дж. Х. (2007). Коварные эффекты отсутствия включения коррелированных остатков, обусловленных разработкой, в анализ ковариационной структуры скрытых переменных. Psychol. Методы . 12, 381–398. DOI: 10.1037 / 1082-989X.12.4.381

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Комри, А. Л., и Ли, Х. Б. (2013). Первый курс факторного анализа . Нью-Йорк, Нью-Йорк: Психология Пресс.

Google Scholar

Карран, Т., Хилл, А. П., Эпплтон, П. Р., Валлеран, Р. Дж., И Стандидж, М. (2015). Психология страсти: метааналитический обзор десятилетних исследований внутриличностных результатов. Motiv. Эмот. 39, 631–655. DOI: 10.1007 / s11031-015-9503-0

CrossRef Полный текст | Google Scholar

Деси, Э.Л. и Райан Р. М. (1985). Внутренняя мотивация и самоопределение в поведении человека . Нью-Йорк, штат Нью-Йорк: Plenum Press.

Google Scholar

Фадда, Д., Скалас, Л. Ф., Меледду, М., и Морин, А. Дж. С. (2017). Бифакторное представление анкеты Eudaimonic Wellbeing в ESEM. чел. Индив. Отличие . 116, 216–222. DOI: 10.1016 / j.paid.2017.04.062

CrossRef Полный текст | Google Scholar

Гуай, Ф., Морин, А. Дж. С., Литалиен, Д., Валуа П. и Валлеран Р. Дж. (2015). Применение исследовательского моделирования структурных уравнений для оценки шкалы академической мотивации. J. Exp. Educ. 83, 51–82. DOI: 10.1080 / 00220973.2013.876231

CrossRef Полный текст | Google Scholar

Hambleton, R., and Kanjee, A. (1995). Повышение достоверности межкультурных оценок: улучшенные методы адаптации тестов. Eur. J. Psychol. Оценивать. 11, 147–157. DOI: 10.1027 / 1015-5759.11.3.147

CrossRef Полный текст | Google Scholar

Heene, M., Гильберт, С., Дракслер, К., Зиглер, М., и Бюнер, М. (2011). Маскирование несоответствия в подтверждающем факторном анализе за счет увеличения уникальных дисперсий: предостережение о полезности значений отсечения индексов соответствия. Psychol. Методы 16, 319–336. DOI: 10.1037 / a0024917

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ховард, Дж. Л., Ганье, М., Морин, А. Дж. С., и Форест, Дж. (2017). Использование двухфакторного исследовательского моделирования структурных уравнений для проверки непрерывной структуры мотивации. J. Manage. DOI: 10,1177 / 0149206316645653. [Epub перед печатью].

CrossRef Полный текст | Google Scholar

Ху, Л., и Бентлер, П. М. (1999). Критерии отсечения для индексов соответствия в анализе ковариационной структуры: традиционные критерии по сравнению с новыми альтернативами. Struct. Equat. Модель. 6, 1–55. DOI: 10.1080 / 107055190118

CrossRef Полный текст | Google Scholar

Йореског, К. Г. (1969). Общий подход к подтверждающему анализу факторов максимального правдоподобия. Психометрика 34, 183–202. DOI: 10.1007 / BF02289343

CrossRef Полный текст | Google Scholar

Лафреньер, М.А.К., Беланже, Дж. Дж., Седикидес, К., и Валлеран, Р. Дж. (2011). Самоуважение и страсть к занятиям. чел. Индив. Отличие . 51, 541–544. DOI: 10.1016 / j.paid.2011.04.017

CrossRef Полный текст | Google Scholar

Литалиен, Д., Морин, А. Дж. С., Ганье, М., Валлеран, Р. Дж., Лозье, Г. Ф., и Райан, Р. М. (2017). Доказательства непрерывной структуры академического самоопределения: тест с двумя исследованиями, использующий двухфакторное представление академической мотивации. Contemp. Educ. Psychol. 51, 67–82. DOI: 10.1016 / j.cedpsych.2017.06.010

CrossRef Полный текст | Google Scholar

МакКаллум, Р. К., Чжан, С., Проповедник, К. Дж., И Ракер, Д. Д. (2002). О практике дихотомизации количественных переменных. Psychol. Методы 7, 19–40. DOI: 10.1037 / 1082-989X.7.1.19

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Maïano, C., Morin, A. J. S., Lanfranchi, M. C., and Therme, P.(2013). Пересмотрен тест на отношение к еде-26 с использованием исследовательского моделирования структурных уравнений. J. Abnorm. Ребенок. Психол . 41, 775–788. DOI: 10.1007 / s10802-013-9718-z

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Марш, Х. У. (2007). «Применение подтверждающего факторного анализа и моделирования структурных уравнений в психологии спорта / физических упражнений», в справочнике по спортивной психологии , ред. Г. Тененбаум и Р. К. Эклунд (Нью-Йорк, Нью-Йорк: Wiley), 774–798.

Google Scholar

Марш, Х. В., Хау, К. Т., и Вэнь, З. (2004). В поисках золотых правил: прокомментируйте подходы к проверке гипотез для определения пороговых значений для индексов соответствия и опасности чрезмерного обобщения выводов Ху и Бентлера (1999). Struct. Equat. Модель. 11, 320–341. DOI: 10.1207 / s15328007sem1103_2

CrossRef Полный текст | Google Scholar

Марш, Х. В., Хау, К.-Т., и Грейсон, Д. (2005). «Оценка согласия в моделировании структурных уравнений», в Contemporary Psychometrics.Festschrift for Roderick , eds P. McDonald, A. Maydeu-Olivares и J. McArdle (Mahwah, NJ: Erlbaum), 275–334.

Marsh, H. W., Lüdtke, O., Muthén, B., Asparouhov, T., Morin, A. J. S., Trautwein, U., et al. (2010). Новый взгляд на факторную структуру большой пятерки посредством исследовательского моделирования структурными уравнениями. Psychol. Оценивать. 22, 471–491. DOI: 10.1037 / a0019227

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Марш, Х.В., Морен, А.Дж. С., Паркер П. и Каур Г. (2014). Исследовательское моделирование структурным уравнением: интеграция лучших возможностей исследовательского и подтверждающего факторного анализа. Annu. Преподобный Clin. Психол . 10, 85–110. DOI: 10.1146 / annurev-Clinpsy-032813-153700

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Marsh, H. W., Muthén, B., Asparouhov, T., Lüdtke, O., Robitzsch, A., Morin, A.J.S., et al. (2009). Исследовательское моделирование структурных уравнений, интеграция CFA и EFA: приложение к оценке студентами преподавания в университете. Struct. Equat. Модель. 16, 439–476. DOI: 10.1080 / 107055108220

CrossRef Полный текст | Google Scholar

Марш, Х. В., Нагенгаст, Б., и Морин, А. Дж. С. (2013). Инвариантность измерения факторов большой пятерки на протяжении жизни: тесты ESEM для определения пола, возраста, пластичности, зрелости и эффектов сладкой жизни. Dev. Psychol. 49, 1194–1218. DOI: 10.1037 / a0026913

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Марш, Х.В., Трейси, Д. К., Крейвен, Р. Г. (2006). Многомерная структура Я-концепции для подростков с умеренными интеллектуальными нарушениями: гибридный многогрупповой подход MIMC к факторной инвариантности и скрытым средним различиям. Educ. Psychol. Измер. 66, 795–818. DOI: 10.1177 / 0013164405285910

CrossRef Полный текст | Google Scholar

Marsh, H. W., Vallerand, R.J., Lafreniere, M. A. K., Parker, P., Morin, A. J. S., Carbonneau, N., et al. (2013). Страсть: всем ли подходит одна шкала? Построить валидность двухфакторной шкалы увлечений и психометрическую инвариантность для разных занятий и языков. Psychol. Оценивать. 25, 796–809. DOI: 10.1037 / a0032573

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Макдональд Р. П. (1970). Теоретические основы анализа главных факторов, канонического факторного анализа и альфа-факторного анализа. Brit. J. Math. Стат. Psy . 23, 1–21. DOI: 10.1111 / j.2044-8317.1970.tb00432.x

CrossRef Полный текст | Google Scholar

Мередит У. (1993). Инвариантность измерений, факторный анализ и факторная инвариантность. Психометрика 58, 525–543. DOI: 10.1007 / BF02294825

CrossRef Полный текст | Google Scholar

Миллсап Р. Э. (2011). Статистические подходы к измерению инвариантности . Нью-Йорк, Нью-Йорк: Тейлор и Фрэнсис.

Google Scholar

Морин, А. Дж. С., Майано, К. (2011). Перекрестная проверка краткой формы физической самооценки (PSI-S) с использованием исследовательского моделирования структурных уравнений (ESEM). Psychol. Спортивные упражнения. 12, 540–554.DOI: 10.1016 / j.psychsport.2011.04.003

CrossRef Полный текст | Google Scholar

Морин, А. Дж. С., Аренс, А., и Марш, Х. У. (2016a). Структура двухфакторного исследовательского моделирования структурных уравнений для выявления отдельных источников релевантной конструкту психометрической многомерности. Struct. Equat. Модель. 23, 116–139. DOI: 10.1080 / 10705511.2014.961800

CrossRef Полный текст | Google Scholar

Морин, А.Дж.С., Аренс, К., Тран, А., и Качи, Х. (2016b). Изучение источников конструкт-релевантной многомерности в психиатрических измерениях: учебное пособие и иллюстрация с использованием составной шкалы утренности. Внутр. J. Methods Psychiatr. Res . 25, 277–288. DOI: 10.1002 / mpr 1485

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Морин, А. Дж. С., Майяно, К., Уайт, Р. Л., Оуэн, К. Б., Трейси, Д., Маскрет, Н. и др. (2016). Подтверждение на английском языке краткой формы Physical Self-Inventory (PSI-S). Psychol. Спортивные упражнения. 27, 180–194. DOI: 10.1016 / j.psychsport.2016.08.016

CrossRef Полный текст | Google Scholar

Морин, А. Дж. С., Марш, Х. У., и Нагенгаст, Б. (2013). «Исследовательское моделирование структурным уравнением», в Моделирование структурным уравнением: Второй курс , ред. Г. Р. Хэнкок и Р. О. Мюллер (Шарлотта, Северная Каролина: информационная эпоха), 395–436.

Google Scholar

Muthén, B., and Asparouhov, T. (2012). Байесовское моделирование структурным уравнением: более гибкое представление основной теории. Psychol. Методы 17, 313–335. DOI: 10.1037 / a0026802

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Muthén, B., and Kaplan, D. (1985). Сравнение некоторых методологий факторного анализа ненормальных переменных Лайкерта. Br. J. Math. Стат. Psy . 38, 171–189. DOI: 10.1111 / j.2044-8317.1985.tb00832.x

CrossRef Полный текст | Google Scholar

Мутен, Л. К., и Мутен, Б. О. (1998–2015 гг.). Руководство пользователя Mplus, 7-е изд. .Лос-Анджелес, Калифорния: Muthén and Muthén.

Оорт, Ф. Дж. (1998). Имитационное исследование обнаружения систематической ошибки задания с ограниченным факторным анализом. Struct. Equat. Модель. 5, 107–124. DOI: 10.1080 / 10705519809540095

CrossRef Полный текст | Google Scholar

Перера, Х. Н. (2015). Внутренняя структура ответов на краткую анкету по чертам эмоционального интеллекта: исследовательский подход к моделированию структурных уравнений. J. Pers. Оценивать. 97, 411–423.DOI: 10.1080 / 00223891.2015.1014042

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Перри, Дж. Л., Николлс, А. Р., Клаф, П. Дж., И Краст, Л. (2015). Оценка соответствия модели: предостережения и рекомендации для подтверждающего факторного анализа и исследовательского моделирования структурных уравнений. Измер. Phys. Educ. Упражнение. Sci. 19, 12–21. DOI: 10.1080 / 1091367X.2014.952370

CrossRef Полный текст | Google Scholar

Rhemtulla, M., Brosseau-Liard, P.Э., Савалей В. (2012). Когда можно рассматривать категориальные переменные как непрерывные? Сравнение робастных непрерывных и категориальных методов оценки SEM в субоптимальных условиях. Psychol. Методы 17, 354–373. DOI: 10.1037 / a0029315

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Рис, Э. (2011). Экономичный стартап: как современные предприниматели используют непрерывные инновации для создания радикально успешного бизнеса . Нью-Йорк, штат Нью-Йорк: Random House, LLC.

Родригес А., Рейз С. П. и Хэвиленд М. Г. (2016). Оценка бифакторных моделей: расчет и интерпретация статистических показателей. Psychol. Методы 21, 137–150. DOI: 10.1037 / met0000045

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Райан, Р. М., Деси, Э. Л. (2017). Теория самоопределения. Основные психологические потребности в мотивации, развитии и благополучии . Нью-Йорк, Нью-Йорк: Guildford Press.

Санчес-Олива, Д., Морин, А. Дж. С., Тейшейра, П. Дж., Карраса, Э. В., Палмейра, А. Л., и Сильва, М. Н. (2017). Двухфакторно-исследовательское структурное уравнение, моделирующее структуру основных психологических потребностей в рабочем масштабе. J. Vocat. Behav. 98, 173–187. DOI: 10.1016 / j.jvb.2016.12.001

CrossRef Полный текст | Google Scholar

Шелленберг, Б. Дж., Ганнелл, К. Э., Мозвич, А. Д., и Бейлис, Д. С. (2014). Неизменность измерения шкалы страстей по трем выборкам: подход ESEM. Измер. Phys. Educ. Упражнение. Sci. 18, 242–258. DOI: 10.1080 / 1091367X.2014.942453

CrossRef Полный текст | Google Scholar

Стромейер, У. Р., Миллер, Дж. У., Шрирамачандрамурти, Р., и Де Мартино, Р. (2015). Мастерство и подводные камни байесовского моделирования структурных уравнений: важные соображения для исследований в области управления. J. Manage. 41, 491–520. DOI: 10.1177 / 0149206314551962

CrossRef Полный текст | Google Scholar

Тот-Кирали, I., Боте, Б., и Орос, Г. (2017a). Исследовательское моделирование структурным уравнением, анализ шкалы самосострадания. Внимательность 8, 881–892. DOI: 10.1007 / s12671-016-0662-1

CrossRef Полный текст | Google Scholar

Тот-Кирали И., Морин А. Дж. С., Боте Б., Орос Г. и Риго А. (2017b). Исследование многомерности выполнения потребности: двухфакторное исследовательское моделирование структурным уравнением. Struct. Equat. Модель. 8, 1–20. DOI: 10.1080 / 10705511.2017.1374867

CrossRef Полный текст | Google Scholar

Тот-Кирали, И., Орос, Г., Домби, Э., Ягодич, Б., Фаркас, Д., и Амура, К. (2017c). Межкультурное сравнительное исследование шкалы академической мотивации с использованием исследовательского моделирования структурных уравнений. чел. Индив. Отличие . 106, 130–135. DOI: 10.1016 / j.paid.2016.10.048

CrossRef Полный текст | Google Scholar

Валлеран Р. Дж. (2015). Психология страсти: дуалистическая модель. Нью-Йорк, Нью-Йорк: Издательство Оксфордского университета.

Google Scholar

Валлеран Р. Дж., Бланшар К., Маго Г. А., Кестнер Р., Ратель К., Леонар М. и др. (2003). Les Passions de l’âme: о навязчивой и гармоничной страсти. J. Pers. Soc. Psychol. 85, 756–767. DOI: 10.1037 / 0022-3514.85.4.756

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ванденберг, Р. Дж., И Лэнс, К. Э. (2000). Обзор и синтез литературы по инвариантности измерений: предложения, практики и рекомендации для организационных исследований. Орган. Res. Методы 3, 4–70. DOI: 10.1177 / 109442810031002

CrossRef Полный текст | Google Scholar

Ван Дж. И Ван Х. (2012). Моделирование структурных уравнений: Приложения с использованием Mplus. Западный Сассекс, Великобритания: Джон Вили и сыновья.

Google Scholar

Ван, В. К. (2004). Влияние методов якорных элементов на обнаружение дифференциальных элементов, функционирующих в семействе моделей Раша. J. Exp. Educ. 72, 221–261. DOI: 10.3200 / JEXE.72.3.221-261

CrossRef Полный текст | Google Scholar

Йегер, Д. С., Ромеро, К., Паунеску, Д., Хуллеман, К. С., Шнайдер, Б., Инохоса, К., и др. (2016). Использование дизайн-мышления для улучшения психологического вмешательства: пример установки на рост при переходе в среднюю школу. J. Educ. Психол . 108, 374–391. DOI: 10.1037 / edu0000098

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Чжао, Ю., Сент-Луи, А., и Валлеран, Р.J. (2015). Об утверждении шкалы страсти на китайском языке. Psychol. Благополучие 5, 1–12. DOI: 10.1186 / s13612-015-0031-1

CrossRef Полный текст | Google Scholar

дипломов в области иллюстрации — степень бакалавра иллюстрации, специализация в области иллюстрации в Kendall College of Art and Design, Гранд-Рапидс, штат Мичиган,

Как студент-иллюстратор, у вас будет возможность подключиться к сплоченной творческое сообщество KCAD Illustration Society, студенческой организации, которая занимается потенциал сотрудничества и способствует мощному обмену идеями между художниками работаю в самых разных стилях и сферах.

Вы будете учиться и экспериментировать в просторных классах с хорошим естественным освещением и обширное студийное оборудование, включая специализированную компьютерную лабораторию, содержащую мощные Башни Mac Pro.

В другом месте на территории кампуса у вас будет доступ к The Dow Center FlexLab , современному цифровому производственному предприятию KCAD с 3D-принтерами и сканерами, станки для лазерной резки и резки винила, широкоформатные принтеры и др .; Спутниковая библиотека KCAD Material ConneXion , которая предлагает прямой доступ к более чем 1000 физических образцов передовых, инновационных, и экологически чистые материалы, а также онлайн-доступ к более чем 7000 других; Библиотека KCAD , которая обеспечивает доступ к миллионам книг через каталог общей библиотеки MeLCat а также доступ к специализированным исследовательским базам данных и подписки на научные журналы; Городской институт современного искусства (UICA) KCAD, инновационное культурное учреждение, проводящее выставки таких современных художников. и дизайнеры, такие как Ник Кейв, Кехинде Вили, Кара Уокер, Нари Уорд, Кэрри Мэй Уимс, и Джуди Вертейн; и многое другое.

KCAD также предлагает ряд летних путешествий / учебы, а также стажировки. в течение учебного года и летом. У вас будет возможность продолжить работу в различных условиях, например в профессиональных студиях, музеях и общественных местах. организаций, чтобы назвать несколько.

Иллюстрация в предложении (особенно хорошее предложение, например, цитата, пословица …)

(1) На иллюстрации было слишком много повторяющихся деталей.

(2) Иллюстрация на примере лучше, чем объяснение словами.