Factor Analysis with Ordinal Indicators: A Monte Carlo Study Comparing DWLS and ULS Estimation

Forero, Carlos G.; Maydeu-Olivares, Alberto; Gallardo-Pujol, David

doi:10.1080/10705510903203573

Cited by 506 publications

(438 citation statements)

References 24 publications

Supporting

Mentioning

362

Contrasting

Unclassified

Order By: Relevance

“…Como en otras ocasiones, la aproximación a la normalidad que se exige a las variables politómicos es mayor o menor dependiendo del autor que consultemos.Algunos autores recomiendan las distribuciones con coeficientes de asimetría y curtosis en el rango (-1,1) (e.g., Ferrando y Anguiano-Carrasco, 2010; , 1992. Otros en cambio consideran aceptable valores en el rango (-1.5, 1.5) (Forero et al, 2009), o incluso el rango [-2, 2] (Muthén y Kaplan, , 1992Bandalos y Finney, 2010). En lo que sí hay acuerdo, como comentamos con anterioridad, es en que el impacto negativo de la asimetría interactúa con otros factores como el tamaño de la muestra o el número de ítems que definen cada factor (West, et al, 1995;Forero et al, 2009) de modo que la exigencia debe crecer a medida que el resto de condiciones se vuelven más desfavorables.…”

Section: Recomendación Actualunclassified

“…Otros en cambio consideran aceptable valores en el rango (-1.5, 1.5) (Forero et al, 2009), o incluso el rango [-2, 2] (Muthén y Kaplan, , 1992Bandalos y Finney, 2010). En lo que sí hay acuerdo, como comentamos con anterioridad, es en que el impacto negativo de la asimetría interactúa con otros factores como el tamaño de la muestra o el número de ítems que definen cada factor (West, et al, 1995;Forero et al, 2009) de modo que la exigencia debe crecer a medida que el resto de condiciones se vuelven más desfavorables.…”

Section: Recomendación Actualunclassified

“…Yuan y Bentler (1998) son menos estrictos, y sugieren que este supuesto es poco realista en psicología. En cualquier caso, existe abundante literatura basada en estudios de simulación que muestra que el método de MV es robusto al incumplimiento de este supuesto cuando las variables tienen una distribución univariada aproximadamente normal (e.g., , 1992West et al, 1995;Forero, Maydeu-Olivares, y Gallardo-Pujol, 2009). Otra de las desventajas de este método de estimación es que el índice referido a la distribución jicuadrado es muy sensible al tamaño muestral, (Tabachnick y Fidell, 2001;Brown, 2006).…”

Section: ¿Cuál Es El Método De Estimación De Factores Más Adecuado?unclassified

See 2 more Smart Citations

El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada

et al. 2014

View full text Add to dashboard Cite

Resumen: El Análisis Factorial Exploratorio es una de las técnicas más usadas en el desarrollo, validación y adaptación de instrumentos de medida psicológicos. Su uso se extendió durante los años 60 y ha ido creciendo de forma exponencial al ritmo que el avance de la informática ha permitido. Los criterios empleados en su uso, como es natural, también han evolucionado. Pero los investigadores interesados en asuntos sustantivos que utilizan rutinariamente esta técnica permanecen en muchos casos ignorantes de todo ello. En las últimas décadas numerosos trabajos han denunciado esta situación. La necesidad de actualizar los criterios clásicos para incorporar aquellos más adecuados es una necesidad urgente para hacer investigación de calidad. En este trabajo se revisan los criterios clásicos y, según el caso, se sustituyen o se complementan con otros más actuales. El objetivo es ofrecer al investigador aplicado interesado una guía actualizada acerca de cómo realizar un Análisis Factorial Exploratorio consonante con la psicometría post-Little Jiffy. Esta revisión y la guía con las recomendaciones correspondientes se han articulado en cuatro grandes bloques: 1) el tipo de datos y la matriz de asociación, 2) el método de estimación de factores, 3) el número de factores a retener, y 4) el método de rotación y asignación de ítems. Al final del artículo hemos incluido una versión breve de la guía. Palabras clave: AFE; ACP; matriz de asociación; estimación de factores; número de factores; rotación de factores.Title: Exploratory Item Factor Analysis: A practical guide revised and updated. Abstract: Exploratory Factor analysis is one of the techniques used in the development, validation and adaptation of psychological measurement instruments. Its use spread during the 1960s and has been growing exponentially thanks to the advancement of information technology. The criteria used, of course, have also evolved. But the applied researchers, who use this technique as a routine, remain often ignorant of all this. In the last few decades numerous studies have denounced this situation. There is an urgent need to update the classic criteria. The incorporation of the most suitable criteria will improve the quality of our research. In this work we review the classic criteria and, depending on the case, we also propose current criteria to replace or complement the former. Our objective is to offer the interested applied researcher updated guidance on how to perform an Exploratory Item Factor Analysis, according to the "post-Little Jiffy" psychometrics. This review and the guide with the corresponding recommendations have been articulated in four large blocks: 1) the data type and the matrix of association, 2) the method of factor estimation, 3) the number of factors to be retained, and 4) the method of rotation and allocation of items. An abridged version of the complete guide is provided at the end of the article. Key words: AFE; PCA; matrix of association; factors' estimation; number of factors; factors' rotation. IntroducciónEl Anális...

show abstract

Section: Recomendación Actualunclassified

Section: ¿Cuál Es El Método De Estimación De Factores Más Adecuado?unclassified

See 1 more Smart Citation

El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada

et al. 2014

View full text Add to dashboard Cite

show abstract

“…In WLS, the weight matrix is an estimate of the inverse of the asymptotic covariance matrix of polychoric correlations, while DWLS involves only the diagonal elements of that weight matrix. Recent studies confirm (Forero, Maydeu-Olivares, & Gallardo-Pujol, 2009;Yang-Wallentin, Jöreskog, & Luo, 2010) that the WLS estimator converges very slowly to its asymptotic properties and therefore does not perform well in small sample sizes. DWLS and ULS are preferable to WLS and they seem to perform similarly well in finite samples.…”

Section: Discussionmentioning

confidence: 93%

Analysis of Multivariate Longitudinal Data Subject to Nonrandom Dropout

Hafez

Moustaki

Kuha

2014

Structural Equation Modeling: A Multidisciplinary Journal

View full text Add to dashboard Cite

Longitudinal data are collected for studying changes across time. We consider multivariate longitudinal data where multiple observed variables, measured at each time point, are used as indicators for theoretical constructs (latent variables) of interest. A common problem in longitudinal studies is dropout, where subjects exit the study prematurely. Ignoring the dropout mechanism can lead to biased estimates, especially when the dropout is nonrandom. Our proposed approach uses latent variable models to capture the evolution of the latent phenomenon over time while also accounting for possibly nonrandom dropout. The dropout mechanism is modeled with a hazard function that depends on the latent variables and observed covariates. Different relationships among these variables and the dropout mechanism are studied via two model specifications. The proposed models are used to study people's perceptions on women's work using three questions from five waves from the British Household Panel Survey.

show abstract

“…In the other hand, and also in view of those ordinal responses, a free asymptotic estimation methodweighted least squares (WLS) -was the proper way to proceed. It should be noted that while the application of this statistic procedure allows processing a greater number of variables and minimizing errors of convergence and infringing equations as well (Forero, Maydeu & Gallardo, 2009;Jӧreskog & Sӧrbom, 1999;Yuan, Wu & Bentler, 2011), it also requires a wide enough sample (n ≥ 800) when the number of variables in analysis will be higher than 15, also possessing a polytomous response (Boomsma, 2000).…”

Section: Confirmatory Factorial Studymentioning

confidence: 99%

Paradoxical personality scale: its development and construct validity analysis

Hoffmann

Iglesia

Stover

et al. 2014

Int. j. psychol. res.

View full text Add to dashboard Cite

The development and construct validation process of the Paradoxical Personality Scale is presented in this paper. The concept assessed has been posed by Csikszentmihalyi (1996) and was described as related to creative individuals. Following his guidelines, 150 items were designed and judged by five experts, and later analysed from a facies standpoint. The resulting version was used in a sample of college students (n=473; 50.5% males, 49.5% females) from 18 to 35 years ( = 21.82; DT= 3.14), to explore underlying dimensions. A 30item/6-factor solution was firstly isolated and after confirmed by a confirmatory factor analysis developed with 800 college students (44.4% males, 55.6% females), between18 and 35 years ( = 23.47; DT= 3.30). Both samples were selected from the population of college students from Buenos Aires, Argentina. Internal consistency and temporal stability of scores were also tested, obtaining adequate coefficients in both cases, in view of the composition of the dimensions underlying the construct analysed. Results show acceptable psychometric properties as well as shortness and simplicity for data gathering, which are discussed taking into account theoretical models and new research lines. RESUMENSe presenta el proceso de construcción y validación de la Escala de Personalidad Paradójica, diseñada a partir de la propuesta de Csikszentmihalyi (1996), quien describiera el concepto evaluado en relación a los individuos creativos. Se redactaron 150 reactivos que fueron sometidos a juicio experto y a examen de validez aparente en un estudio piloto. La versión resultante fue usada en un estudio factorial exploratorio (473 estudiantes; 50.5% varones, 49.5% mujeres; 18 a 35 años; = 21.82; DT= 3.14). La estructura resultante, de 6 dimensiones y 30 ítems, fue

show abstract

Factor Analysis with Ordinal Indicators: A Monte Carlo Study Comparing DWLS and ULS Estimation

Cited by 506 publications

References 24 publications

El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada

El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada

Analysis of Multivariate Longitudinal Data Subject to Nonrandom Dropout

Paradoxical personality scale: its development and construct validity analysis

Contact Info

Product

Resources

About