每周论坛之九 （总第157期）：潘俊豪&张沥今（太阳集团官网），2017年11月20日下午

每周论坛之九 （总第157期）

报告人：潘俊豪 副教授 、张沥今 本科在读

报告人单位：太阳成集团tyc151cc

题目：验证性因素分析模型中指标变量的局部依赖性研究

时间：2017年 11 月 20 日 （周一，14:20-16:00）

地点：太阳集团官网东校园太阳成集团tyc151cc（南学院楼C座）305

报告简介：

    验证性因素分析模型(Confirmatory Factor Analysis，CFA)广泛应用于心理学、社会学等领域的科学研究当中，以研究指标变量(Indicators)和潜变量(Latent Variables)之间的关系。在建模过程中，CFA模型(以及其他潜变量模型)的一个重要前提假设是局部独立性(Local Independence)，违反局部独立性假设的情况称为局部项目依赖。在实际数据分析当中，研究者往往默认局部独立性假设成立从而建立测量模型。然而，错误地假设局部独立性会对研究结果（特别是估算潜变量之间的关系）产生严重的误导。因此，在CFA模型的统计分析中考虑指标变量间的局部依赖程度并研究相应的统计分析方法具有重要的意义。我们研究团队创新地把Lasso算法和CFA模型结合，建立带局部项目依赖的CFA模型，在贝叶斯方法的框架下，成功解决了实际数据分析中出现不满足“局部独立性”假设时应如何建模的问题。该成果已经整理并撰写成学术论文《An Alternative to Post Hoc Model Modification in Confirmatory Factor Analysis: The Bayesian Lasso》，并被学术期刊《Psychological Methods》接收，预计在2017年12月发表。

    《Psychological Methods》是心理统计方法领域的顶级期刊（SSCI收录），2016年影响因子4.667，五年影响因子10.141，在心理学大类587本学术期刊中排名28，位于前5%。期刊副主编对该成果的评价为“The paper has the potential to make a valuable contribution by introducing the Bayesian Lasso as a prior choice in fitting confirmatory factor analysis (CFA) models to a broader psychological audience”，“this article has clear merits”；文章评审者对其评价为“This paper is generally well-written and definitely makes a great contribution to the CFA”，“The manuscript proposes an original approach to CFA by incorporating Bayesian Lasso prior. This is a very great idea and the paper clearly contributes to the field”，“The manuscript describes a Bayesian method for improving the model fit of initially poorly fitting confirmatory factor analysis (CFA) models. It relaxes the local independence assumption by allowing residuals to be correlated. The manuscript addresses an important issue in application of CFA.

       本次报告除了介绍我们研究团队上述在《Psychological Methods》发表的研究成果外，还会介绍最近我们团队的一些研究进展。

报告人简介：

潘俊豪，太阳成集团tyc151cc副教授，硕士生导师。

张沥今，太阳成集团tyc151cc2015级本科生，曾参加第二十届全国心理学学术大会（2017年11月3日-5日，重庆），并以《含有序分类数据的贝叶斯Lasso 因子分析模型》为题作小组口头报告。