A New Fit Assessment Framework for Common Factor Models Using Generalized Residuals
利用广义残差评估共同因子模型拟合的新框架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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要中的共同因子属于一般测量模型，未提供宏观因子模型或金融因子研究的文本依据。
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
利用广义残差评估共同因子模型拟合的新框架
- 研究问题
- 传统共同因子模型拟合检验主要关注均值和协方差时，如何识别潜变量分布及观测变量函数形式等方面被掩盖的模型误设？
- 方法与思路
- 作者将原用于分类数据模型的广义残差理论扩展至更一般的测量模型，构造检验不同参数假设的统计量，并开展模拟与实证分析。
- 材料陈述的贡献
- 摘要称该框架可检验潜变量分布与观测变量函数形式，模拟和实证结果提示广义残差有助于发现传统拟合检验可能遗漏的偏离。
- 阅读关注点
- 应核对广义残差的构造、参数估计对检验分布的影响，以及不同误设类型的检测能力和与传统检验比较时的尺寸控制。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明模型条件、校准方法及数值表现，不能认定该框架在所有测量模型中占优。
原文摘要
Assessing fit in common factor models solely through the lens of mean and covariance structures, as is commonly done with conventional goodness-of-fit (GOF) assessments, may overlook critical aspects of misfit, potentially leading to misleading conclusions. To achieve more flexible fit assessment, we extend the theory of generalized residuals (Haberman & Sinharay, 2013), originally developed for models with categorical data, to encompass more general measurement models. Within this extended framework, we propose several fit test statistics designed to evaluate various parametric assumptions involved in common factor models. The examples include assessing the distributional assumptions of latent variables and functional form assumptions of individual manifest variables. The performance of the proposed statistics is examined through simulation studies and an empirical data analysis. Our findings suggest that generalized residuals are promising tools for detecting misfit in measurement models, often masked when assessed by conventional GOF testing methods.