多层数据中组内组的多重组分析：多层因子混合建模与多层多指标多原因建模的比较

本研究的目的是评估当比较组在多层数据的组内水平时，多重组分析的方法，采用多层因子混合模型（ML FMM）和多层多指标多原因（ML MIMIC）模型。通过一系列程序评估这些方法的性能，这些程序测试弱不变和强不变模型，并在控制因子不变性后进行潜在组均值差异测试。在以下条件下进行了两次蒙特卡罗模拟研究：聚类数、聚类大小和组内的设计类型。在研究1中，调查了多层单因子确认性因子分析（CFA）模型作为研究模型，以比较不同条件下的结果与先前研究的结果。在研究2中，通过拟合替代模型来评估多层双因子CFA模型作为研究模型，当模型复杂时可应用。结果表明，这两种方法在组内多层多组分析中是合理的。然而，发现这两种方法之间有优缺点。在多层单因子CFA模型中，当样本量较小时，ML MIMIC模型略优。在多层复杂模型中，推荐使用ML FMM的两个替代模型，因为ML MIMIC的弱不变性测试相当耗时。最后，显示出用于确定因子不变性是否确立的信息标准需要根据样本大小情况进行不同的应用。提供了这种情况的指导方针。