部分的探索的因子分析のための選択後評価フレームワーク

本研究は、スパイクアンドスラブ事前分布を用いた正則化変分近似により、部分的探索的因子分析（PEFA）のための選択後評価フレームワークを導入する。本手法は、収束した解をハードまたはソフトな選択を通じて共分散モデルに変換することで、負荷構造と因子数を復元する。

• RMSEA、SRMR、CFI、TLIを含む自由度と絶対適合度診断値を導出する。
• モデル比較のためのAIC、BIC、ELBOなどの相対基準を計算する。
• 因子数決定のために持続的な低下ガード付きのスケールフリーゲイン則を提案する。
• シミュレーションにより、絶対指標が負荷復元を追跡し、ゲイン則が真の次元性を正確に復元することが示された。

このフレームワークは、100項目のPID-5例題において確認的モデルを上回るパフォーマンスを示すように、ユーザーがモデル適合度を評価し、因子数をより堅牢に選択することを支援する。