विभक्त प्रतिक्रियाओं के आयाम निर्धारित करने के लिए अन्वेषणात्मक कारक विश्लेषण का उपयोग

अन्वेषणात्मक कारक विश्लेषण (EFA) का उपयोग सामान्यतः निरंतर डेटा के आयाम निर्धारित करने के लिए किया जाता है। एक अनुकरण अध्ययन में हम इसके उपयोगिता की जांच करते हैं जिससे वह विभक्त डेटा के साथ हो। हम प्रतिक्रिया स्केल (निरंतर, द्विआधारी, बहु-आधारी), कारक लोडिंग (मध्यम, उच्च), नमूना आकार (छोटा, बड़ा), और कारक संरचना (सरल, जटिल) को भिन्न करते हैं। हर परिस्थिति के लिए, हम 1,000 डेटा सेट उत्पन्न करते हैं और EFA को 5 अनुमानों की विधियों (संभाव्यता का अधिकतम ML सहसंबंधों के लिए, पॉलिचोरिक सहसंबंधों के लिए ML, मजबूत ML, भारित न्यूनतम वर्ग WLS, और मजबूत WLS) और 3 फिट मानदंडों (ची-स्क्वायर परीक्षण, अनुमान की गणना की वर्गमूल त्रुटि, और अवशेष का वर्गमूल) के साथ लागू करते हैं। विभिन्न EFA प्रक्रियाएँ तब अधिक कारकों को प्राप्त करती हैं जब नमूना आकार बड़ा होता है, कारक लोडिंग उच्च होती है, कारक संरचना सरल होती है और प्रतिक्रिया स्केल में अधिक विकल्प होते हैं। पॉलिचोरिक सहसंबंधों के लिए मजबूत WLS वांछित विधि है, क्योंकि यह सिद्धांतिक रूप से उचित है और अन्य अनुमानों की तुलना में कम समागम समस्याएँ दिखाती है।