探索性和证明性因素分析的全样本和分样本策略之间的选择：心理测量量表开发指南

强大的心理测量量表的开发需要仔细考虑样本量和分析策略。该模拟比较了全样本、自举和分样本方法，用于八种现实样本量的探索性和验证性因素分析（EFA/CFA）。我们没有询问小样本是否有问题（这个问题已经得到充分证实），而是检查了拆分可用样本时会损害因子模式恢复和CFA稳定性。使用合成数据和重新采样，我们评估了对模型匹配、可靠性和因子结构重现性的影响。结果表明，当每一半独立满足最低充分性条件时，分样本验证变得最有说服力;否则，全样本分析加上基于重新采样的稳定性检查可以提供更一致的证据。基于这些发现，我们提出了一个实用的应用规模开发决策框架。作为下限指导，我们的结果支持至少200个EFA和CFA病例，并且病例与项目比例至少为10：1，以确保可复制性。当不满足这些条件时，全样本或基于引导的方法可能会提供更稳定的解决方案。研究人员还应该考虑特定于型号和设计的要求，这可能需要比这些最低建议大得多的样本。总之，这些基于经验的建议为研究人员提供了可操作的指导，以优化样本量和分析方法，增强心理教育测量中心理测量工具的有效性和普遍性。