Многоуровневые модели интеллекта

Мой вопрос касается математики многослойных моделей, о которых я не нашел много количественных данных, так что извините, что я изобрел собственные обозначения, чтобы объяснить свои мысли.

В таких моделях, как Кеттелл-Хорн-Кэрролл, компоненты интеллекта расположены, скажем, в 3-4 слоя. Я собираюсь инвертировать обычную нумерацию этих страт, чтобы обобщить свое текущее понимание этих моделей, независимо от общего количества страт. Другими словами:

  • я кладу грамм самостоятельно в «Stratum 1». (Я понимаю, что обычно это уровень III в трехслойной модели.)
  • Тогда компоненты слоя 2 являются функциями грамм и условия шума; например, они могут быть аппроксимированы в факторном анализе как Икс я знак равно л я грамм + ε я .
  • Компоненты страты 3 выражаются через компоненты страты 2 аналогичным образом, т.е. у Дж знак равно л Дж я Икс я + η Дж знак равно л Дж я л я грамм + л Дж я ε я + η Дж с неявным суммированием по повторяющимся индексам. (Думаю, теперь вы понимаете, почему я инвертировал порядок слоев.) Член шума по-прежнему будет Нормальным, если ε я и η Дж являются нормальными и независимыми. Это большое если, ум.
  • Мы можем повторить это в четвертой страте, если этого требует модель (как, например, происходит в g-VPR), а именно. г к знак равно м к Дж у Дж + θ к знак равно м к Дж л Дж я л я грамм + м к Дж л Дж я ε я + м к Дж η Дж + θ к .

Мой вопрос таков: что отличает содержание различных слоев? В приведенном выше линейном частном случае Икс я , у Дж , г к все имеют практически одинаковую форму, кратную грамм плюс шумовой член (и в более сложной модели каждый из них по-прежнему сводился бы к шумовой функции от грамм ). Я подозреваю, что разграничение слоев сводится к вложению нелинейных преобразований и/или шумовых членов, которые не имеют стабильного распределения.

Ответы (1)

Вы делаете две ошибки, одну в отношении идентификации факторов или того, что они представляют (а факторный анализ нужно много изучать по корреляциям с задачами, которые представляет каждый фактор). Во-вторых, отношения между факторами.

Вы не принимаете во внимание, что каждый фактор будет представлять очень разные способности или процессы (например, скорость закрытия и последовательные рассуждения очень разные), факторы могут быть независимыми таким образом, не обязательно должна быть линейная зависимость и в случае, если корреляция существует, это будет корреляция для конкретной задачи , что заставляет меня указать, что она предлагает неправильные отношения о совершенно разных способностях или процессах. Это должно прояснить и является моделью для начала изучения факторного анализа:

x1 = a1.F1 + a2.F2 ... + b1.S1 + c1.E1

х2=...

х3=...

x1 (балл по заданию конкретного человека) = a1 (факторный вес общего фактора). F1 (общий фактор) + a2.F2 .... + b1 .S (специфический фактор) + c (факторный вес фактора ошибки) + E1 (ошибка)

(В большинстве анализов ошибка по конкретному фактору не изучается)

Можете ли вы порекомендовать какие-либо ссылки, в которых подробно рассматривается эта математика?
Книга, которую я бы больше всего порекомендовал, на испанском языке, является частью коллекции редакционной книги по статистике, очень интересной, но я уверен, что в библиотеке вашего факультета у вас есть отличные книги.
@hexadecimal - Какую книгу вы рекомендуете?