이 연구는 스파이크 앤 슬랩 사전 확률을 사용한 정규화 변분 근사를 통해 부분 탐색적 요인 분석(PEFA)을 위한 선택 후 평가 프레임워크를 도입합니다. 이 방법은 수렴된 해를 하드 또는 소프트 선택을 통해 공분산 모델로 변환하여 부하 구조와 요인 수를 복원합니다.
- RMSEA, SRMR, CFI, TLI를 포함한 자유도 및 절대 적합도 진단치를 유도합니다.
- 모델 비교를 위한 AIC, BIC, ELBO와 같은 상대적 기준을 계산합니다.
- 요인 수를 결정하기 위해 지속적 감소 가드 기능이 있는 스케일 프리 게인 규칙을 제안합니다.
- 시뮬레이션 결과 절대 지수가 부하 복원을 추적하고 게인 규칙이 참 차원성을 정확하게 복원하는 것으로 나타났습니다.
이 프레임워크는 100개 항목의 PID-5 예제에서 확인적 모델보다 향상된 성능을 보임으로써 사용자가 모델 적합도를 평가하고 요인 수를 더 강건하게 선택할 수 있도록 지원합니다.