Scaling Binary Data Using a Factor Model
使用因子模型对二元响应进行量表评分AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究二元量表的因子评分，未明确涉及经济选择行为、宏观因子或金融因子模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
使用因子模型对二元响应进行量表评分
- 研究问题
- 研究如何在 logit 因子模型下，用二元响应为个体进行排序，并减少原有评分方法所要求的大量数值积分计算。
- 方法与思路
- 作者以适当因子载荷为权重，对个体的二元响应作线性组合，并据此排序，从而避免计算既有方法中的特定评分量。
- 材料陈述的贡献
- 摘要称这种排序方法完全避开原评分计算所涉及的大量数值积分；未声称加权总分与原评分的数值完全相同。
- 阅读关注点
- 核对因子模型及载荷的条件、排序等价性的准确含义、载荷如何估计，以及多因子或缺失响应情况下的适用范围。
- 阅读边界
- 仅据 Crossref 摘要。摘要未说明载荷估计误差、模型维数或排序稳定性，不能将计算简化等同于统计效率提升或推断其他版本变化。
原文摘要
SUMMARY A simple method for scaling a set of binary responses is proposed using the logit factor model of Bartholomew (1980). It is shown that individuals may be ranked on the basis of a linear combination, ∑αi x i of the responses (xi = 0 or 1) where the αi's are the appropriate factor loadings. This completely avoids the need to calculate the y-scores suggested in Bartholomew (1980) and hence the heavy numerical integration which that method involves.