MARC

 008250123s2024        us                              c    eng  d
■001000017163140
■00520250211152139
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384015994
■035    ▼a(MiAaPQ)AAI31484679
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a157
■1001  ▼aWilliams,  Alexander  Lane.▼0(orcid)0000-0002-9684-7542
■24510▼aTesting  Criterion  Validity  Within  Hierarchical  Models  of  Psychopathology:  A  Simulation  Study
■260    ▼a[Sl]▼bNorthwestern  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a125  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-02,  Section:  B.
■500    ▼aAdvisor:  Zinbarg,  Richard  E.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2024.
■520    ▼aThe  Hierarchical  Taxonomy  of  Psychopathology  (HiTOP)  is  a  quantitative  diagnostic  system  that  is  gaining  traction  as  a  framework  for  studying  the  correlates  of  mental  health  problems.  However,  it  remains  unknown  how  best  to  operationalize  hierarchically  related  psychopathology  dimensions  during  criterion  validity  tests.  In  a  series  of  simulations,  I  evaluated  the  performance  of  latent  variable  (i.e.,  structural  equation  modeling;  SEM)  and  factor  score  representations  of  hierarchical  psychopathology  constructs  in  criterion  validity  analyses.  In  models  based  on  continuously  distributed  psychopathology  indicators  (e.g.,  symptom  composites),  SEM  and  factor  score  estimate  methods  both  tended  to  yield  unbiased  estimates  of  criterion  validity  coefficients.  In  contrast,  for  models  based  on  dichotomous  indicators  (e.g.,  categorical  diagnoses),  SEM  led  to  more  accurate  estimates  than  factor  scores  in  most  cases.  Across  both  types  of  input  data,  I  observed  elevated  false  positive  rates  in  the  factor  score  estimate  approaches,  relative  to  SEM.  Coverage  was  also  more  favorable  in  SEM,  irrespective  of  input  data  type.  Power  and  precision  results  were  essentially  equivalent  across  analytic  method.  Model  misspecification  (e.g.,  fitting  a  higher-order  model  to  data  generated  from  a  bifactor  population  model)  exerted  no  systematic  bias  on  parameter  estimates.  I  offer  recommendations  for  psychopathology  researchers  based  on  these  results  and  provide  an  R  function  (https://osf.io/u3j5d/)  that  investigators  can  use  to  apply  the  approaches  studied  here  in  real-world  datasets.
■590    ▼aSchool  code:  0163.
■650  4▼aClinical  psychology
■650  4▼aPsychology
■650  4▼aMental  health
■653    ▼aHierarchical  Taxonomy  of  Psychopathology
■653    ▼aStructural  equation  modeling
■653    ▼aDichotomous  indicators
■653    ▼aPsychopathology
■690    ▼a0622
■690    ▼a0621
■690    ▼a0347
■71020▼aNorthwestern  University▼bPsychology.
■7730  ▼tDissertations  Abstracts  International▼g86-02B.
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163140▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books