アイテムレベルの欠落データを備えた複合スコアの因数分解モデル

複合スコアは、行動科学研究アプリケーションにとって非常に重要な心理測定ツールです。プロトタイプの例は、自己報告データで発生します。そこでは、研究者はターゲットコンストラクトの異なる機能を活用する複数のアイテムを使用してアンケートを定期的に使用します。アイテムレベルの欠落データは、複合スコアアプリケーションに固有のものです。多くの研究がこの問題を調査しており、ほぼ普遍的なテーマは、アイテムレベルの欠落データ処理が精度とパワーを最大化するため優れているということです。ただし、欠損データモデルが非常に複雑になり、心理測定モデルの推定を悩ませる同じ「次元の呪い」の問題に苦しむため、アイテムレベルの欠落データ処理は困難になる可能性があります。最近の欠落データの文献のかなりの部分は、一連の回帰モデルを使用して、不完全な変数のセットの多変量分布を表す、因数分解仕様の進歩に焦点を当てています。このペーパーの目的は、不完全なアイテム応答を伴う複合スコアの因数分解仕様を説明および評価することです。一連のコンピューターシミュレーションを使用して、提案されたアプローチをゴールドスタンダードの複数の代入と潜在変数モデリングアプローチと比較しました。全体として、シミュレーションの結果は、この新しいアプローチが非常に効果的であることを示唆しています。これは、アイテムの数がサンプルサイズを非常に大きく（または超えている）極端な条件下であってもです。実際のデータ分析は、インターネットで利用可能なソフトウェアを使用したメソッドのアプリケーションを示しています。（PSYINFOデータベースレコード（c）2023 APA、All Rights Reserved）。

Composite scores are an exceptionally important psychometric tool for behavioral science research applications. A prototypical example occurs with self-report data, where researchers routinely use questionnaires with multiple items that tap into different features of a target construct. Item-level missing data are endemic to composite score applications. Many studies have investigated this issue, and the near-universal theme is that item-level missing data treatment is superior because it maximizes precision and power. However, item-level missing data handling can be challenging because missing data models become very complex and suffer from the same "curse of dimensionality" problem that plagues the estimation of psychometric models. A good deal of recent missing data literature has focused on advancing factored regression specifications that use a sequence of regression models to represent the multivariate distribution of a set of incomplete variables. The purpose of this paper is to describe and evaluate a factored specification for composite scores with incomplete item responses. We used a series of computer simulations to compare the proposed approach to gold standard multiple imputation and latent variable modeling approaches. Overall, the simulation results suggest that this new approach can be very effective, even under extreme conditions where the number of items is very large (or even exceeds) the sample size. A real data analysis illustrates the application of the method using software available on the internet. (PsycInfo Database Record (c) 2023 APA, all rights reserved).