Penelitian ini memperkenalkan kerangka penilaian pasca-seleksi untuk analisis faktor sebagian eksploratori (PEFA) menggunakan aproksimasi variasional terregularisasi dengan prior spike and slab. Metode ini memulihkan struktur beban dan jumlah faktor dengan mengonversi solusi yang konvergen menjadi model kovarians melalui seleksi keras atau lunak.
- Menurunkan derajat kebebasan dan diagnostik kecocokan absolut termasuk RMSEA, SRMR, CFI, dan TLI.
- Menghitung kriteria relatif seperti AIC, BIC, dan ELBO untuk perbandingan model.
- Menganjurkan aturan gain bebas skala dengan penjaga penurunan berkelanjutan untuk menentukan jumlah faktor.
- Simulasi menunjukkan bahwa indeks absolut mengikuti pemulihan beban sementara aturan gain memulihkan dimensi sejajar secara akurat.
Kerangka ini membantu pengguna menilai kecocokan model dan memilih jumlah faktor lebih robust, sebagaimana ditunjukkan oleh kinerja yang meningkat dibandingkan model konfirmasi dalam contoh PID-5 100 item.