Data Analytic ProcedureAll analyses

Data Analytic Procedure
All analyses were conducted using Mplus (Version 6.12; L. K.
Muthén & Muthén, 2010). As the items of the OEQ-II are orderedcategorical
measures, we used a weighted least squares mean and
variance adjusted (WLSMV) estimator (Flora & Curran, 2004; B.
Muthén & Kaplan, 1985), which is an estimator specifically designed
for models involving ordinal, nonnormally distributed
data.1
To examine the factorial validity of the OEQ-II scores, both
an ICM and an ESEM were tested. Students’ scores on the OE
items were modeled as indicators of the five OE factors. Because
these factors are predicted to covary according to Dabrowski’s
(1972) theory, factors were allowed to correlate in the
ICM analysis. For purposes of comparability, in the ESEM
analysis we used an oblique target rotation in which we rotated
the solution toward a simple structure (i.e., the structure proposed
by the ICM model). The fit of our ICM- and ESEM-models
was not only assessed with the 2 statistic (with 0
2
2df
indicating good fit and 2df
2
3df indicating acceptable fit) but
also with the CFI, the Tucker–Lewis index (TLI), and the RMSEA.
For the CFI and TLI, values above .90 reflect acceptable fit and values
above .95 reflect excellent fit to the data. For the RMSEA, values less
than .05 indicate good model fit (Hu & Bentler, 1999; Marsh et al.,
2010).
To test for measurement invariance, we first refitted the ESEM
model in a CFA framework (i.e., ESEM-Within-CFA; Marsh,
Nagengast, & Morin, 2013). The reason is that, despite the flexibility
of the ESEM model, some aspects of traditional SEM models
cannot readily be implemented. One such aspect, which is of
particular relevance to the present study, is that ESEM does not
allow for partial invariance of the factor loadings. For this reason,
we build a CFA model with the same df and, within rounding error,
the same chi-square value, fit statistics, and parameter estimates of
the ESEM model. This was done by adding m2 constraints to the
ESEM-Within-CFA model (with m being the number of factors).
To do so, we fixed the m factor variances to 1 and fixed the
cross-loadings of m anchor items (i.e., items with a large loading
on the factor that they are designed to measure and small crossloadings
on the other factors) to the values of the ESEM solution
(see the supplemental material of Marsh et al., 2013). This procedure
yields an ESEM-Within-CFA solution that is equivalent to
the ESEM solution and that is comparable to traditional SEM in
terms of possible parameter constraints (Marsh et al., 2013). Subsequently,
invariance of the ESEM-Within-CFA model was evaluated
by estimating a series of nested ESEM-Within-CFA models
using the Theta parameterization of MPlus (Millsap & Yun-Tein,
2004). In the Theta parameterization, residual variances for continuous
latent response variables of observed categorical dependent
variables are parameterized in the model, but scale factors for
continuous latent response variables are not (L. K. Muthén &
Muthén, 2010).2

Results (Russian) 1:

Процедура аналитических данныхВсе анализы были проведены с использованием Mplus (версия 6.12; Л. К.Muthén и Muthén, 2010). Как элементы OEQ-II, orderedcategoricalмеры, мы использовали среднее взвешенное наименьших квадратов идисперсия скорректирована оценщик (WLSMV) (флора и Каран, 2004; Б.Muthén и Каплан, 1985), которая является специально оценщикдля моделей с участием порядковый номер nonnormally распределеныданных.1Для изучения факториал действительность OEQ-II партитуры, обаICM и ESEM были протестированы. Оценки студентов на OEэлементы были смоделированы как показатели пяти факторов OE. Потому чтоЭти факторы, по прогнозам, covary по словам ДомбровскогоТеория (1972), факторы позволили соотнести вАнализ ICM. Для целей сопоставимости, в ESEMанализа мы использовали наклонный целевой ротации, в котором мы повернулирешение к простой структуре (т.е. Предлагаемая структураICM-модели). Fit нашей ICM - и ESEM-моделиоценивалась не только с 2 Статистика (с 0 2 2dfуказанием хорошо подходят и 2df 2 3df указанием приемлемых подходят), нотакже с CFI, Такер — Льюис (РГИ), индекс и индекс RMSEA.CFI и TLI значения выше.90 отражают приемлемой форме и ценностивыше.95 отражают отлично подходит для данных. Для RMSEA значения, меньшиечем.05 показывают хорошую модель fit (Hu & Бентлер, 1999; Марш et al.,2010 года).Для тестирования для измерения инвариантность, мы сначала переоборудованы ESEMмодель в рамках CFA (то есть, ESEM-в пределах-CFA; Марш,Nagengast и Морин, 2013). Причина в том, что, несмотря на гибкостьESEM модели, некоторые аспекты традиционных моделей, SEMне могут быть легко реализованы. Один аспект, который имеетособое значение для настоящего исследования, заключается в том, что ESEM неРазрешить для частичного инвариантность фактор нагрузки. По этой причине,Мы строим модель CFA с же df и, в пределах округление ошибка,то же значение хи-квадрат, подходят статистики и оценки параметров изESEM модель. Это было сделано путем добавления ограничений м2ESEM-в пределах-CFA модель (с m количество факторов).Чтобы сделать это, мы фиксированной м фактор отклонения 1 и фиксированнойкросс нагрузок м опорные элементы (т.е., с большой загрузкойна фактор, что они предназначены для измерения и малых crossloadingsна других факторов) к значениям ESEM решения(см. Дополнительные материалы Марш et al., 2013). Эта процедурадает решение ESEM-в пределах-CFA, что эквивалентноESEM решение и что сопоставимы с традиционными SEM вусловия ограничения возможных параметров (Марш et al., 2013). Впоследствии,инвариантность ESEM-в пределах-CFA модели оцениваласьоценивая серию вложенных моделей ESEM-в пределах-CFAТета параметризации MPlus (Millsap и Юн-Тейн,2004). в тета параметризации, остаточных отклонений для непрерывноголатентной ответ переменные наблюдаемым категорическое зависимыхПараметризация переменных в модели, но масштабные коэффициенты длянепрерывное латентной ответ переменных не являются (L. K. Muthén &Muthén, 2010).2

Results (Russian) 2:

Процедура Аналитические данные
Все анализы были проведены с использованием Mplus (Version 6.12; LK
Muthén & Muthén, 2010). По мере того как товар œq-II являются orderedcategorical
меры, мы использовали метод взвешенных наименьших квадратов среднее и
дисперсия скорректированы (WLSMV) оценщик (Флора & Керрэн, 2004; Б.
Muthén & Kaplan, 1985), что является оценщик специально разработан
для моделей с участием порядковое, необычно распределяемые
данными.1
Для изучения факториала обоснованность оценки œq-II, как
были протестировали ИВМ и ESEM. Оценки студентов на OE
пунктов были смоделированы в качестве индикаторов пяти ОЕ факторов. Поскольку
эти факторы, по прогнозам covary согласно Домбровского
(1972) теории, факторы позволили коррелируют в
анализе ИВМ. Для целей сопоставимости в ESEM
анализе мы использовали наклонную мишень вращения , в котором мы повернутый
решение к простой структуре (т.е., предложенная структура
моделью ИВМ). Подгонка нашего ICM- и ESEM-моделей
не только оценивали с помощью статистики? 2 (с 0? 2? 2dF
указывает на хорошую подгонку и 2df? 2? 3df с указанием приемлемой форме) , но
и с CFI, Tucker- индекс Льюис (ИТУ) и RMSEA.
Для CFI и TLI, значения выше .90 отражают приемлемую посадку и значения
выше .95 отражают отличную посадку к данным. Для RMSEA, значения меньше ,
чем +0,05 показывают хорошую модель Fit (Hu & Бентлер, 1999;. Marsh и др
2010).
Для проверки измерения инвариантности, мы сначала переоборудованы в ESEM
модель в рамках CFA (т.е. ESEM-Within -CFA; Marsh,
Nagengast, & Morin, 2013). Причина заключается в том, что, несмотря на гибкость ,
модели ESEM, некоторые аспекты традиционных моделей SEM
не могут быть легко реализованы. Одним из таких аспектов, который имеет
особое значение для настоящего исследования, является то , что ESEM не
допускают частичной инвариантности факторных нагрузок. По этой причине,
мы строим модель CFA с тем же ДФ и, в пределах погрешности округления,
то же значение хи-квадрат, Fit статистики и оценок параметров
модели ESEM. Это было сделано путем добавления м2 ограничений к
модели ESEM-Within-CFA (с м представляет собой число факторов).
Чтобы сделать это, мы зафиксировали множитель м дисперсиями 1 и установил
поперечные загрузками м элементов якоря (то есть, элементы с большой нагрузкой
на тот фактор , что они предназначены для измерения и малые crossloadings
на других факторов) к значениям решения ESEM
(см дополнительный материал Marsh и др., 2013). Эта процедура
дает решение ESEM-Внутристрановые CFA , что эквивалентно
решению ESEM и что сравнимо с традиционными SEM в
терминах возможных ограничений параметров (Marsh и др., 2013). Впоследствии
инвариантность модели ESEM-В-CFA оценивали
путем оценки ряда вложенных друг в друга моделей ESEM-В-CFA с
использованием Theta параметризацию Mplus (Millsap & Юн-Тейн,
2004). В параметризации Theta, остаточные дисперсии для непрерывных
скрытых переменных отклика наблюдаемых категорических зависимых
переменных параметрируются в модели, но коэффициенты масштабирования для
непрерывных переменных латентных ответа не (LK Muthén &
Muthén, 2010) .2

Results (Russian) 3:

данные аналитические процедурывсе анализы были проведены с использованием mplus (версия 6.12; л. к.муф "N & муф" n, 2010).в качестве пунктов повестки oeq-ii являются orderedcategoricalмеры, мы использовали взвешенного наименьших квадратов?разница с (wlsmv) оценка (флоры и Curran, 2004; б.муф "N & каплан, 1985), который является оценка специальнодля моделей с участием числительное, nonnormally распространены1 данные.для изучения факториал действия oeq-ii десятки, какна мкс и esem были проверены.десятки студентов на видеопункты были смоделированы в качестве показателей пяти OE факторов.потому чтоэти факторы, по прогнозам, covary согласно добровская -(1972) теории, факторов было разрешено коррелировать смкс анализа.для целей сопоставления, в esemанализ мы использовали вкосую целевой показатель ротации, в котором мы ротациирешение по отношению к простой структурой (например, структуру, предложеннуюна мкс модели).соответствие нашей мкс - и esem моделейне только оценивать с 2 статистика (с 0 - 2 2dfо том, подходит и 2df 2 3df с указанием приемлемых подходит), нотакже с CFI, такер – льюис Index (тли), и rmsea.по первой инстанции и тли, ценности выше 90 отражают приемлемым подходит и ценностей.выше. 95 отражают отличную форму в данных.для rmsea, ценности меньшечем. 05 свидетельствуют о хорошей моделью для (ху и bentler, 1999; марш и др.в 2010 году).для испытания для измерения инвариантность, мы, во - первых, переоборудованным в esemмодель в кфа в рамках (например, esem в кфа; маршnagengast & морен, 2013).причина в том, что, несмотря на гибкостьиз esem модели, некоторые аспекты традиционных SEM моделейне легко быть выполнены.один такой аспект, который имеетособое значение для настоящего исследования заключается в том, что esem недопускается частичная инвариантность коэффициента нагрузки.по этой причинемы строим CFA модели с тем же пу и, в рамках 1 ошибка,то же значение хи - квадрат, для статистики, и параметров оценкив esem модели.это было сделано путем добавления м2, препятствующихesem в цфо модель (с м, число факторов).для этого мы починили м коэффициент разницы - 1 и установилкрест, составляет м якорь предметов (например, средства с большой нагрузкина фактор, что они предназначены для измерения и малых crossloadingsо других факторов) величины esem решения(см. также дополнительные материалы, марш, et al., 2013).эта процедураведет esem в цфо, которое эквивалентнов esem решения, что сопоставимо с традиционной SEM вкруг возможных параметров ограничений (марш et al., 2013).впоследствииинвариантность из esem в цфо модель была оценкапо оценке ряда вложенные esem в цфо моделейиспользуя тета параметризации mplus (миллсэп & юн tein,в 2004 году).в тета параметризации, остаточные разницы для непрерывногоскрытые ответ переменных наблюдаемых категорически зависимыхпеременным параметризованный в модели, но в масштабах факторынепрерывное скрытые ответ переменные не "N & муф (л. к.муф "n, 2010) 2.