@ARTICLE{26583223_545349694_2021, 
	author = {А. А. Корнеев and А. Н. Кричевец and К. В. Сугоняев and Д. В. Ушаков}, 
	keywords = {, структура интеллекта, закон убывающей отдачи Спирмена, линейно-структурное моделированиемодерируемый конфирматорный факторный анализ},
	title = {Использование метода модерируемого конфирматорного факторного анализа в исследовании нелинейных эффектов результатов интеллектуального тестирования},
	journal = {Психология. Журнал Высшей школы экономики},
	year = {2021},
	volume = {18},
	number = {4},
	pages = {718-747},
	url = {https://psy-journal.hse.ru/2021-18-4/545349694.html},
	publisher = {},
	abstract = {Статья посвящена возможностям и огра­ни­чениям метода модерированного конфирматорного факторного анализа (MCFA) при исследованиях структуры интеллекта в контексте анализа закона убывающей отдачи Ч. Спир­мена (Spearman’s Law of Diminishing Returns, SLODR). В рамках работы с помощью MCFA проверяется простая однофакторная модель на больших выборках симулированных данных и реальных результатах тестирования интеллекта. Симулированные данные представляют большие наборы (око­ло 10 000 «респондентов» каждый) и моделируют несколько специфических ситуаций: эффект SLODR, гетероскедастичность остатков модели (увеличение ошибки с ростом общего фактора интеллекта), асимметрию распределения общего фактора интеллекта и большую плотность легких заданий в психометрической методике. Реальные данные, используемые в работе, — результаты тестирования 11 388 респондентов. Модель была оценена на каждом из наборов данных, в ка­честве модератора использовались факторные значения, полученные с помощью метода главных компонент, модерировались факторные нагрузки и ошибки модели как по отдельности, так и совместно. Результаты показали, что (1) одновременное модерирование факторных нагрузок и ошибок  в модели может давать в некоторых случаях неадекватные результаты; (2) эффект SLODR может выражаться разными комбинациями асимметрии распределения факторных значений и возрастания дисперсий ошибок вдоль главного фактора; (3) в рамках классической психометрики различение реального эффекта SLODR и ложного, порожденного отбором респондентов, вероятно, невозможно; (4) два известных источника асимметрии распределений в тестировании интеллекта — неравная плотность заданий разной трудности и отбор респондентов — «в чистом виде» легко различаются, однако в реальных данных это сделать нелегко; (5) метод MCFA недостаточно прозрачен для прямых интерпретаций, показано, что модерация дисперсии ошибки может быть заменена анализом регрессионных остатков, а интерпретация модераций факторных нагрузок выигрывает, если сопровождается анализом асимметрий распределений переменных и факторных значений. },
	annote = {Статья посвящена возможностям и огра­ни­чениям метода модерированного конфирматорного факторного анализа (MCFA) при исследованиях структуры интеллекта в контексте анализа закона убывающей отдачи Ч. Спир­мена (Spearman’s Law of Diminishing Returns, SLODR). В рамках работы с помощью MCFA проверяется простая однофакторная модель на больших выборках симулированных данных и реальных результатах тестирования интеллекта. Симулированные данные представляют большие наборы (око­ло 10 000 «респондентов» каждый) и моделируют несколько специфических ситуаций: эффект SLODR, гетероскедастичность остатков модели (увеличение ошибки с ростом общего фактора интеллекта), асимметрию распределения общего фактора интеллекта и большую плотность легких заданий в психометрической методике. Реальные данные, используемые в работе, — результаты тестирования 11 388 респондентов. Модель была оценена на каждом из наборов данных, в ка­честве модератора использовались факторные значения, полученные с помощью метода главных компонент, модерировались факторные нагрузки и ошибки модели как по отдельности, так и совместно. Результаты показали, что (1) одновременное модерирование факторных нагрузок и ошибок  в модели может давать в некоторых случаях неадекватные результаты; (2) эффект SLODR может выражаться разными комбинациями асимметрии распределения факторных значений и возрастания дисперсий ошибок вдоль главного фактора; (3) в рамках классической психометрики различение реального эффекта SLODR и ложного, порожденного отбором респондентов, вероятно, невозможно; (4) два известных источника асимметрии распределений в тестировании интеллекта — неравная плотность заданий разной трудности и отбор респондентов — «в чистом виде» легко различаются, однако в реальных данных это сделать нелегко; (5) метод MCFA недостаточно прозрачен для прямых интерпретаций, показано, что модерация дисперсии ошибки может быть заменена анализом регрессионных остатков, а интерпретация модераций факторных нагрузок выигрывает, если сопровождается анализом асимметрий распределений переменных и факторных значений. }
}