Nested Cross-Validation for Model Selection in Structural Equation Modeling

doi:10.1080/10705511.2026.2731583

Nested Cross-Validation for Model Selection in Structural Equation Modeling

2026-10-20

0

PRE

AI

DOI：10.1080/10705511.2026.2731583

原文链接

原文求助

摘要

En 中文

结构方程模型（SEM）中的模型选择通常依赖样本内拟合指数，这些指数使用相同数据用于估计和评估，因此容易受到过拟合的影响。尽管交叉验证提供了替代方法，但标准的K折交叉验证在模型选择和评估使用相同程序时仍可能受到选择偏差的影响。本研究将嵌套交叉验证（NCV）作为SEM的模型选择框架，以分离这些阶段。基于Hu和Bentler（1999）设计的模拟比较了NCV与5折和10折CV以及传统的样本内拟合指数在不同样本量和因子载荷条件下的表现。NCV通常实现了更高的真实模型选择率，尤其是在候选模型集包含过度指定替代模型时。然而，在低因子载荷与小型样本（N≤250）相结合的情况下，NCV内部循环中的高非收敛率使其选择率低于两种K折CV变体的对应率。这些发现支持NCV作为SEM模型选择的有用方法，同时强调了样本量、测量强度和收敛性的重要性。需要进一步研究以检验基于NCV的模型评估性能。

Keyword:

Fit indices

generalizability

model selection

Nested cross-validation

overfitting

Nested Cross-Validation for Model Selection in Structural Equation Modeling

摘要

期刊

机构

引用论文