Marco de evaluación post-selección para análisis factorial parcialmente exploratorio

Esta investigación presenta un marco de evaluación post-selección para el análisis factorial parcialmente exploratorio (PEFA) utilizando aproximación variacional regularizada con priors de spike and slab. El método recupera estructuras de carga y números de factores convirtiendo soluciones convergentes en modelos de covarianza mediante selección dura o blanda.

• Deriva grados de libertad y diagnósticos de ajuste absoluto que incluyen RMSEA, SRMR, CFI y TLI.
• Calcula criterios relativos como AIC, BIC y ELBO para la comparación de modelos.
• Propone una regla de ganancia libre de escala con una guardia de caída sostenida para determinar el número de factores.
• Las simulaciones muestran que los índices absolutos rastrean la recuperación de carga mientras que la regla de ganancia recupera con precisión la dimensionalidad verdadera.

El marco ayuda a los usuarios a evaluar el ajuste del modelo y seleccionar números de factores de manera más robusta, como se demuestra por el rendimiento mejorado sobre modelos confirmatorios en un ejemplo de PID-5 de 100 elementos.