Examiner follow-up analyses with edits to raw variables
Mark Sanderson-cimino
2023-05-08
Data based on ~1300 participants. Those with at least one TabCat score. Data was NOT transformed.
Scatterplot Correlation Matrix
## [1] "Corelations for original, non-recoded data"
## [1] "Corelations for Recoded data"
EF Single factor CFA.
fscores_EF_factor<-as.data.frame(read.csv("Fscores_CFA_EF_MIRT.csv"))
#look at scatterplots to see if correlated, want no correlation.
# shows correlation between factors in upper triangle. Want uncorelated.
ggpairs(
data=fscores_EF_factor,
mapping=NULL,
columns=c("ExecutiveComposite_r", "F1","F2"),
title = "Single General EF factor"
)
CFA_EF.eval## AIC SABIC HQ BIC logLik
## CFA_EF.mirt 30645.76 30929.43 30906.1 31345.58 -15191.88CFA_EF.sum## $rotF
## ExecutiveComposite_r F1 F2
## rundots_r 0.5543622 0.0000000 0.0000000
## dotcount_r 0.3818368 0.0000000 0.0000000
## flanker_r 0.6778622 0.0000000 0.0000000
## setshift_r 0.5747140 0.0000000 0.0000000
## match_r 0.7702422 0.0000000 0.0000000
## animals_r 0.9010617 0.0000000 0.1595640
## veg_r 0.7870327 0.0000000 0.2269746
## fwords_r 0.6819228 0.6052398 0.0000000
## lwords_r 0.7106210 0.5821952 0.0000000
##
## $h2
## h2
## rundots_r 0.3073174
## dotcount_r 0.1457993
## flanker_r 0.4594972
## setshift_r 0.3302961
## match_r 0.5932730
## animals_r 0.8373728
## veg_r 0.6709380
## fwords_r 0.8313340
## lwords_r 0.8439334
##
## $fcor
## ExecutiveComposite_r F1 F2
## ExecutiveComposite_r 1 0 0
## F1 0 1 0
## F2 0 0 1coef(CFA_EF.mirt)## $rundots_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7
## par 1.134 0 0 2.545 1.894 0.92 0.104 -0.881 -1.554 -2.501
##
## $dotcount_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8
## par 0.703 0 0 2.879 1.981 1.286 0.37 0.068 -0.639 -1.323 -2.019
##
## $flanker_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8
## par 1.569 0 0 3.646 2.952 2.378 1.7 0.837 -0.079 -1.3 -2.435
##
## $setshift_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8
## par 1.195 0 0 2.315 1.714 0.995 0.43 -0.158 -0.711 -1.676 -2.557
##
## $match_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 2.056 0 0 6.535 5.653 5.189 4.678 4.192 3.962 3.563 3.202 2.617 2.25
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 1.774 1.18 0.469 -0.567 -1.32 -2.19 -3.09 -4.499 -5.316
##
## $animals_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 3.803 0 0.673 10.222 8.151 7.071 6.087 5.05 4.499 3.418 2.344 1.78 0.461
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -0.758 -1.302 -2.281 -3.387 -4.073 -5.125 -6.057 -6.501 -6.955
##
## $veg_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 2.335 0 0.673 6.158 5.268 4.527 3.634 3.011 2.482 1.965 1.36 0.42 -0.058
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -0.67 -1.112 -1.673 -2.198 -2.752 -3.232 -4.508 -5.022 -5.697
##
## $fwords_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 2.826 2.508 0 8.534 7.42 6.083 5.203 4.362 3.092 2.401 1.754 0.992 0.411
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -1.127 -1.959 -2.484 -3.136 -3.832 -5.372 -6.172 -6.956 -8.271
##
## $lwords_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 3.062 2.508 0 8.433 6.111 4.486 3.608 1.966 0.438 -1.071 -1.744 -3.159
## d10 d11 d12 d13
## par -4.735 -6.177 -7.088 -8.304
##
## $GroupPars
## MEAN_1 MEAN_2 MEAN_3 COV_11 COV_21 COV_31 COV_22 COV_32 COV_33
## par 0 0 0 1 0 0 1 0 1CFA_EF.results## ExecutiveComposite_r F1 F2 h2
## rundots_r 0.5543622 0.0000000 0.0000000 0.3073174
## dotcount_r 0.3818368 0.0000000 0.0000000 0.1457993
## flanker_r 0.6778622 0.0000000 0.0000000 0.4594972
## setshift_r 0.5747140 0.0000000 0.0000000 0.3302961
## match_r 0.7702422 0.0000000 0.0000000 0.5932730
## animals_r 0.9010617 0.0000000 0.1595640 0.8373728
## veg_r 0.7870327 0.0000000 0.2269746 0.6709380
## fwords_r 0.6819228 0.6052398 0.0000000 0.8313340
## lwords_r 0.7106210 0.5821952 0.0000000 0.8439334for (i in 1:4) {
plot.itemplot<-itemplot(CFA_EF.mirt, i,
drop.zeros = TRUE, theta_lim = c(-3,3),
)
print(mirt.names[i])
print(plot.itemplot)
}## [1] "rundots_r"
## [1] "dotcount_r"
## [1] "flanker_r"
## [1] "setshift_r"
One factor EFA
fscores_efa_one<-read.csv("Fscores_EFA_one_MIRT.csv")
#look at scatterplots to see if correlated, want no correlation.
# shows correlation between factors in upper triangle. Want uncorelated.
ggpairs(
data=fscores_efa_one,
mapping=NULL,
columns="F1",
title = "Factor scores from one factor exploratory MIRT model"
)
EFA_one.mirt.eval## AIC SABIC HQ BIC logLik
## EFA_one.mirt 31065.36 31344.69 31321.71 31754.49 -15403.68EFA_one.mirt.sum## $rotF
## F1
## rundots_r 0.5425219
## dotcount_r 0.4080029
## flanker_r 0.6392668
## setshift_r 0.5215516
## match_r 0.7208161
## animals_r 0.8616159
## veg_r 0.7823056
## fwords_r 0.8043284
## lwords_r 0.8273162
##
## $h2
## h2
## rundots_r 0.2943300
## dotcount_r 0.1664664
## flanker_r 0.4086621
## setshift_r 0.2720160
## match_r 0.5195758
## animals_r 0.7423820
## veg_r 0.6120021
## fwords_r 0.6469442
## lwords_r 0.6844520
##
## $fcor
## F1
## F1 1coef(EFA_one.mirt)## $rundots_r
## a1 d1 d2 d3 d4 d5 d6 d7
## par 1.099 2.533 1.885 0.919 0.109 -0.87 -1.54 -2.486
##
## $dotcount_r
## a1 d1 d2 d3 d4 d5 d6 d7 d8
## par 0.761 2.906 1.999 1.299 0.37 0.062 -0.659 -1.353 -2.056
##
## $flanker_r
## a1 d1 d2 d3 d4 d5 d6 d7 d8
## par 1.415 3.481 2.81 2.259 1.616 0.798 -0.076 -1.246 -2.34
##
## $setshift_r
## a1 d1 d2 d3 d4 d5 d6 d7 d8
## par 1.04 2.28 1.696 1 0.451 -0.118 -0.652 -1.582 -2.436
##
## $match_r
## a1 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11
## par 1.77 6.031 5.186 4.743 4.255 3.798 3.584 3.217 2.884 2.347 2.013 1.578
## d12 d13 d14 d15 d16 d17 d18 d19
## par 1.039 0.39 -0.56 -1.251 -2.054 -2.892 -4.218 -4.996
##
## $animals_r
## a1 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11
## par 2.889 8.174 6.462 5.593 4.797 3.947 3.492 2.622 1.772 1.329 0.299 -0.66
## d12 d13 d14 d15 d16 d17 d18 d19
## par -1.093 -1.881 -2.779 -3.341 -4.205 -4.989 -5.366 -5.755
##
## $veg_r
## a1 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11
## par 2.138 5.662 4.817 4.133 3.311 2.734 2.247 1.771 1.211 0.347 -0.091 -0.657
## d12 d13 d14 d15 d16 d17 d18 d19
## par -1.069 -1.592 -2.076 -2.585 -3.026 -4.23 -4.735 -5.405
##
## $fwords_r
## a1 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11
## par 2.304 5.863 5.065 4.11 3.493 2.919 2.055 1.587 1.147 0.626 0.221 -0.855
## d12 d13 d14 d15 d16 d17 d18 d19
## par -1.427 -1.783 -2.231 -2.716 -3.827 -4.433 -5.038 -6.063
##
## $lwords_r
## a1 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11
## par 2.507 5.852 4.188 3.036 2.418 1.296 0.234 -0.835 -1.31 -2.299 -3.404 -4.436
## d12 d13
## par -5.112 -6.02
##
## $GroupPars
## MEAN_1 COV_11
## par 0 1EFA_one.mirt.results## F1 h2
## rundots_r 0.5425219 0.2943300
## dotcount_r 0.4080029 0.1664664
## flanker_r 0.6392668 0.4086621
## setshift_r 0.5215516 0.2720160
## match_r 0.7208161 0.5195758
## animals_r 0.8616159 0.7423820
## veg_r 0.7823056 0.6120021
## fwords_r 0.8043284 0.6469442
## lwords_r 0.8273162 0.6844520EFA 3 factor model
## AIC SABIC HQ BIC logLik
## EFA.mirt 30583.79 30895.6 30869.96 31353.06 -15147.9## $rotF
## F1 F2 F3
## rundots_r -0.19469801 0.74959235 0.0807873697
## dotcount_r 0.22095389 0.39665969 -0.1319655499
## flanker_r -0.03781483 0.17142514 0.7359590502
## setshift_r 0.04840455 -0.09916037 0.8540968882
## match_r 0.10592123 0.45095060 0.4048565605
## animals_r 0.29407656 0.64613256 0.0934873114
## veg_r 0.24213588 0.65629539 0.0065679900
## fwords_r 0.95632950 -0.04514308 0.0424672852
## lwords_r 0.80280846 0.14305812 -0.0004998402
##
## $h2
## h2
## rundots_r 0.5044782
## dotcount_r 0.2366421
## flanker_r 0.6861265
## setshift_r 0.6730905
## match_r 0.6695787
## animals_r 0.8078945
## veg_r 0.6674614
## fwords_r 0.9011536
## lwords_r 0.7888536
##
## $fcor
## F1 F2 F3
## F1 1.0000000 0.5410592 0.3893641
## F2 0.5410592 1.0000000 0.5642000
## F3 0.3893641 0.5642000 1.0000000## $rundots_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7
## par -0.798 -1.434 0.506 2.926 2.165 1.019 0.038 -1.161 -1.959 -3.04
##
## $dotcount_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8
## par -0.815 -0.472 -0.104 3.046 2.119 1.389 0.397 0.064 -0.707 -1.441 -2.178
##
## $flanker_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8
## par -1.213 -0.768 2.067 4.665 3.778 3.045 2.156 1 -0.212 -1.815 -3.293
##
## $setshift_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8
## par -1.075 -0.181 2.185 3.087 2.29 1.31 0.506 -0.357 -1.166 -2.538 -3.739
##
## $match_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par -1.709 -1.143 1.282 7.134 6.207 5.717 5.177 4.659 4.411 3.976 3.578 2.929
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 2.519 1.989 1.327 0.531 -0.623 -1.465 -2.433 -3.419 -4.941 -5.817
##
## $animals_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par -2.922 -1.765 0.727 9.421 7.491 6.49 5.585 4.631 4.124 3.133 2.145 1.626
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 0.415 -0.708 -1.209 -2.11 -3.134 -3.774 -4.753 -5.625 -6.044 -6.471
##
## $veg_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par -1.975 -1.341 0.336 6.122 5.24 4.509 3.623 3.004 2.479 1.962 1.356 0.414
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -0.063 -0.673 -1.113 -1.673 -2.196 -2.746 -3.222 -4.49 -5.004 -5.683
##
## $fwords_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par -5.072 0.825 0 11.007 9.583 7.862 6.733 5.652 4.008 3.105 2.255 1.251
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 0.487 -1.527 -2.621 -3.309 -4.158 -5.055 -7.031 -8.061 -9.078 -10.779
##
## $lwords_r
## a1 a2 a3 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par -3.29 0 0 7.202 5.187 3.802 3.055 1.649 0.337 -0.959 -1.538 -2.751 -4.094
## d11 d12 d13
## par -5.341 -6.137 -7.204
##
## $GroupPars
## MEAN_1 MEAN_2 MEAN_3 COV_11 COV_21 COV_31 COV_22 COV_32 COV_33
## par 0 0 0 1 0 0 1 0 1## F1 F2 F3 h2
## rundots_r -0.19469801 0.74959235 0.0807873697 0.5044782
## dotcount_r 0.22095389 0.39665969 -0.1319655499 0.2366421
## flanker_r -0.03781483 0.17142514 0.7359590502 0.6861265
## setshift_r 0.04840455 -0.09916037 0.8540968882 0.6730905
## match_r 0.10592123 0.45095060 0.4048565605 0.6695787
## animals_r 0.29407656 0.64613256 0.0934873114 0.8078945
## veg_r 0.24213588 0.65629539 0.0065679900 0.6674614
## fwords_r 0.95632950 -0.04514308 0.0424672852 0.9011536
## lwords_r 0.80280846 0.14305812 -0.0004998402 0.7888536
CFA with correlations
model = VFr = fwords_r, lwords_r, animals_r,veg_r, CCr = flanker_r,setshift_r,match_r, WMr = rundots_r,dotcount_r, F1 = animals_r,veg_r, F2 = fwords_r,lwords_r, CONSTRAIN = (animals_r,veg_r,a4), CONSTRAIN = (fwords_r, lwords_r,a5), COV = CCrWMr, CCrVFr, WMr*VFr,
## [1] "mirt(data=data.mirt, model=examiner_3factor_mod_r, itemtype = 'graded',technical = list(removeEmptyRows = TRUE), method = 'MHRM')"## AIC SABIC HQ BIC logLik
## test.mirt 31181.18 31467.01 31443.5 31886.34 -15458.59## $rotF
## VFr CCr WMr F1 F2
## rundots_r 0.0000000 0.0000000 0.8822022 0.0000000 0.0000000
## dotcount_r 0.0000000 0.0000000 0.4757506 0.0000000 0.0000000
## flanker_r 0.0000000 0.8687273 0.0000000 0.0000000 0.0000000
## setshift_r 0.0000000 0.7287330 0.0000000 0.0000000 0.0000000
## match_r 0.0000000 0.7628214 0.0000000 0.0000000 0.0000000
## animals_r 0.7923131 0.0000000 0.0000000 0.3976645 0.0000000
## veg_r 0.7082393 0.0000000 0.0000000 0.4601433 0.0000000
## fwords_r 0.7849201 0.0000000 0.0000000 0.0000000 0.4594560
## lwords_r 0.8265254 0.0000000 0.0000000 0.0000000 0.4174124
##
## $h2
## h2
## rundots_r 0.7782807
## dotcount_r 0.2263386
## flanker_r 0.7546872
## setshift_r 0.5310517
## match_r 0.5818965
## animals_r 0.7858972
## veg_r 0.7133348
## fwords_r 0.8271993
## lwords_r 0.8573774
##
## $fcor
## VFr CCr WMr F1 F2
## VFr 1 0.0000000 0.0000000 0 0
## CCr 0 1.0000000 0.5192907 0 0
## WMr 0 0.5192907 1.0000000 0 0
## F1 0 0.0000000 0.0000000 1 0
## F2 0 0.0000000 0.0000000 0 1## $rundots_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7
## par 0 0 3.189 0 0 4.526 3.403 1.632 0.166 -1.61 -2.826 -4.503
##
## $dotcount_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 0 0.921 0 0 3.01 2.086 1.376 0.401 0.073 -0.689 -1.438 -2.184
##
## $flanker_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 2.985 0 0 0 5.195 4.191 3.351 2.335 1.022 -0.342 -2.148 -3.848
##
## $setshift_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 1.811 0 0 0 2.503 1.817 0.987 0.325 -0.373 -1.026 -2.158 -3.181
##
## $match_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 0 2.008 0 0 0 6.23 5.38 4.929 4.435 3.986 3.779 3.415 3.085 2.555 2.222
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 1.786 1.232 0.547 -0.488 -1.263 -2.175 -3.131 -4.635 -5.486
##
## $animals_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 2.914 0 0 1.463 0 8.59 6.813 5.894 5.025 4.114 3.641 2.718 1.796 1.315
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 0.189 -0.867 -1.345 -2.213 -3.214 -3.842 -4.807 -5.684 -6.099 -6.519
##
## $veg_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 2.251 0 0 1.463 0 6.316 5.389 4.605 3.653 2.997 2.449 1.914 1.279 0.287
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -0.221 -0.881 -1.364 -1.981 -2.557 -3.159 -3.678 -5.067 -5.632 -6.371
##
## $fwords_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 3.214 0 0 0 1.881 8.131 7.05 5.749 4.894 4.071 2.829 2.156 1.526 0.781
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 0.21 -1.301 -2.124 -2.643 -3.286 -3.969 -5.489 -6.29 -7.076 -8.394
##
## $lwords_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 3.725 0 0 0 1.881 8.483 6.073 4.408 3.508 1.817 0.232 -1.342 -2.045
## d9 d10 d11 d12 d13
## par -3.523 -5.162 -6.667 -7.622 -8.896
##
## $GroupPars
## MEAN_1 MEAN_2 MEAN_3 MEAN_4 MEAN_5 COV_11 COV_21 COV_31 COV_41 COV_51
## par 0 0 0 0 0 1 0 0 0 0
## COV_22 COV_32 COV_42 COV_52 COV_33 COV_43 COV_53 COV_44 COV_54 COV_55
## par 1 0.519 0 0 1 0 0 1 0 1## VFr CCr WMr F1 F2 h2
## rundots_r 0.0000000 0.0000000 0.8822022 0.0000000 0.0000000 0.7782807
## dotcount_r 0.0000000 0.0000000 0.4757506 0.0000000 0.0000000 0.2263386
## flanker_r 0.0000000 0.8687273 0.0000000 0.0000000 0.0000000 0.7546872
## setshift_r 0.0000000 0.7287330 0.0000000 0.0000000 0.0000000 0.5310517
## match_r 0.0000000 0.7628214 0.0000000 0.0000000 0.0000000 0.5818965
## animals_r 0.7923131 0.0000000 0.0000000 0.3976645 0.0000000 0.7858972
## veg_r 0.7082393 0.0000000 0.0000000 0.4601433 0.0000000 0.7133348
## fwords_r 0.7849201 0.0000000 0.0000000 0.0000000 0.4594560 0.8271993
## lwords_r 0.8265254 0.0000000 0.0000000 0.0000000 0.4174124 0.8573774
## [1] "rundots_r"
## [1] "dotcount_r"
## [1] "flanker_r"
## [1] "setshift_r"
## [1] "match_r"
CFA without Covariance
model = VFr = fwords_r, lwords_r, animals_r,veg_r, CCr = flanker_r,setshift_r,match_r, WMr = rundots_r,dotcount_r, F1 = animals_r,veg_r, F2 = fwords_r,lwords_r, CONSTRAIN = (animals_r,veg_r,a4), CONSTRAIN = (fwords_r, lwords_r,a5), COV = CCrWMr, CCrVFr, WMr*VFr,
## [1] "(data=data.mirt, model=examiner_3factor_nocov_r, itemtype = 'graded', technical = list(removeEmptyRows = TRUE),method = 'MHRM')"
## AIC SABIC HQ BIC logLik
## CFAnocov.mirt 31222.21 31505.87 31482.54 31922.03 -15480.1## $rotF
## VFr CCr WMr F1 F2
## rundots_r 0.0000000 0.0000000 0.6410761 0.0000000 0.0000000
## dotcount_r 0.0000000 0.0000000 0.6185696 0.0000000 0.0000000
## flanker_r 0.0000000 0.8726731 0.0000000 0.0000000 0.0000000
## setshift_r 0.0000000 0.7623777 0.0000000 0.0000000 0.0000000
## match_r 0.0000000 0.7393468 0.0000000 0.0000000 0.0000000
## animals_r 0.8122028 0.0000000 0.0000000 0.3567805 0.0000000
## veg_r 0.7263083 0.0000000 0.0000000 0.4203811 0.0000000
## fwords_r 0.7629279 0.0000000 0.0000000 0.0000000 0.4951982
## lwords_r 0.7994004 0.0000000 0.0000000 0.0000000 0.4602041
##
## $h2
## h2
## rundots_r 0.4109785
## dotcount_r 0.3826284
## flanker_r 0.7615583
## setshift_r 0.5812198
## match_r 0.5466337
## animals_r 0.7869657
## veg_r 0.7042440
## fwords_r 0.8272802
## lwords_r 0.8508288
##
## $fcor
## VFr CCr WMr F1 F2
## VFr 1 0 0 0 0
## CCr 0 1 0 0 0
## WMr 0 0 1 0 0
## F1 0 0 0 1 0
## F2 0 0 0 0 1## $rundots_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7
## par 0 0 1.422 0 0 2.96 2.258 1.183 0.295 -0.8 -1.561 -2.625
##
## $dotcount_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 0 1.34 0 0 3.383 2.382 1.609 0.53 0.159 -0.717 -1.571 -2.402
##
## $flanker_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 3.042 0 0 0 5.282 4.258 3.407 2.392 1.093 -0.27 -2.113 -3.841
##
## $setshift_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 2.005 0 0 0 2.642 1.933 1.07 0.374 -0.364 -1.06 -2.263 -3.335
##
## $match_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 0 1.869 0 0 0 5.991 5.162 4.724 4.245 3.81 3.61 3.261 2.944 2.438 2.121
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 1.705 1.175 0.521 -0.466 -1.207 -2.081 -3.002 -4.46 -5.288
##
## $animals_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 2.995 0 0 1.316 0 8.705 6.919 5.991 5.113 4.192 3.712 2.777 1.845 1.361
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 0.229 -0.833 -1.314 -2.191 -3.204 -3.839 -4.817 -5.705 -6.122 -6.546
##
## $veg_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 2.273 0 0 1.316 0 6.306 5.381 4.593 3.646 2.998 2.457 1.927 1.298 0.317
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -0.186 -0.838 -1.316 -1.929 -2.501 -3.099 -3.613 -4.993 -5.557 -6.291
##
## $fwords_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 3.124 0 0 0 2.028 8.233 7.14 5.822 4.958 4.128 2.882 2.207 1.574 0.822
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 0.247 -1.278 -2.106 -2.628 -3.274 -3.962 -5.49 -6.296 -7.094 -8.433
##
## $lwords_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 3.523 0 0 0 2.028 8.398 6.019 4.379 3.495 1.838 0.28 -1.274 -1.97 -3.429
## d10 d11 d12 d13
## par -5.043 -6.53 -7.47 -8.727
##
## $GroupPars
## MEAN_1 MEAN_2 MEAN_3 MEAN_4 MEAN_5 COV_11 COV_21 COV_31 COV_41 COV_51
## par 0 0 0 0 0 1 0 0 0 0
## COV_22 COV_32 COV_42 COV_52 COV_33 COV_43 COV_53 COV_44 COV_54 COV_55
## par 1 0 0 0 1 0 0 1 0 1## VFr CCr WMr F1 F2 h2
## rundots_r 0.0000000 0.0000000 0.6410761 0.0000000 0.0000000 0.4109785
## dotcount_r 0.0000000 0.0000000 0.6185696 0.0000000 0.0000000 0.3826284
## flanker_r 0.0000000 0.8726731 0.0000000 0.0000000 0.0000000 0.7615583
## setshift_r 0.0000000 0.7623777 0.0000000 0.0000000 0.0000000 0.5812198
## match_r 0.0000000 0.7393468 0.0000000 0.0000000 0.0000000 0.5466337
## animals_r 0.8122028 0.0000000 0.0000000 0.3567805 0.0000000 0.7869657
## veg_r 0.7263083 0.0000000 0.0000000 0.4203811 0.0000000 0.7042440
## fwords_r 0.7629279 0.0000000 0.0000000 0.0000000 0.4951982 0.8272802
## lwords_r 0.7994004 0.0000000 0.0000000 0.0000000 0.4602041 0.8508288## [1] "rundots_r"
## [1] "dotcount_r"
## [1] "flanker_r"
## [1] "setshift_r"
## [1] "match_r"
Fluency CFA
Model = VFr = fwords_r, lwords_r, animals_r,veg_r, CCr = flanker_r,setshift_r,match_r, WMr = rundots_r,dotcount_r, Semantic = animals_r,veg_r CONSTRAIN = (animals_r,veg_r,a1) CONSTRAIN = (fwords_r, lwords_r,a4)
## [1] "(data=data.mirt, model=examiner_3factor_flu_r, itemtype = 'graded', technical = list(removeEmptyRows = TRUE),method = 'MHRM')"
## AIC SABIC HQ BIC logLik
## CFAfluency.mirt 31173.92 31455.42 31432.27 31868.4 -15456.96## $rotF
## VFr CCr WMr Semantic
## rundots_r 0.0000000 0.0000000 0.9156639 0.0000000
## dotcount_r 0.0000000 0.0000000 0.4622106 0.0000000
## flanker_r 0.0000000 0.8619083 0.0000000 0.0000000
## setshift_r 0.0000000 0.7307289 0.0000000 0.0000000
## match_r 0.0000000 0.7746623 0.0000000 0.0000000
## animals_r 0.6912588 0.0000000 0.0000000 0.4979184
## veg_r 0.6174954 0.0000000 0.0000000 0.6323492
## fwords_r 0.9152621 0.0000000 0.0000000 0.0000000
## lwords_r 0.9152621 0.0000000 0.0000000 0.0000000
##
## $h2
## h2
## rundots_r 0.8384404
## dotcount_r 0.2136386
## flanker_r 0.7428859
## setshift_r 0.5339648
## match_r 0.6001017
## animals_r 0.7257615
## veg_r 0.7811661
## fwords_r 0.8377047
## lwords_r 0.8377047
##
## $fcor
## VFr CCr WMr Semantic
## VFr 1 0.0000000 0.0000000 0
## CCr 0 1.0000000 0.5210057 0
## WMr 0 0.5210057 1.0000000 0
## Semantic 0 0.0000000 0.0000000 1## $rundots_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7
## par 0 0 3.877 0 5.351 4.031 1.98 0.284 -1.789 -3.211 -5.156
##
## $dotcount_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 0 0.887 0 2.985 2.065 1.363 0.401 0.078 -0.678 -1.419 -2.157
##
## $flanker_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 2.893 0 0 5.042 4.079 3.274 2.278 0.975 -0.371 -2.147 -3.809
##
## $setshift_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 1.822 0 0 2.516 1.824 0.979 0.306 -0.401 -1.056 -2.189 -3.216
##
## $match_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 0 2.085 0 0 6.344 5.484 5.027 4.525 4.069 3.859 3.491 3.157 2.617 2.277
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 1.831 1.263 0.559 -0.505 -1.301 -2.237 -3.22 -4.764 -5.631
##
## $animals_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 2.247 0 0 1.618 7.77 6.125 5.281 4.496 3.68 3.256 2.433 1.614 1.188 0.191
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -0.745 -1.167 -1.938 -2.83 -3.391 -4.255 -5.043 -5.419 -5.803
##
## $veg_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 2.247 0 0 2.301 7.271 6.225 5.33 4.243 3.49 2.86 2.243 1.512 0.367 -0.222
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -0.985 -1.539 -2.246 -2.906 -3.596 -4.187 -5.76 -6.401 -7.23
##
## $fwords_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 3.867 0 0 0 8.517 7.377 6.015 5.127 4.273 2.982 2.282 1.626 0.847 0.251
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -1.32 -2.171 -2.71 -3.378 -4.09 -5.666 -6.489 -7.307 -8.684
##
## $lwords_r
## a1 a2 a3 a4 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 3.867 0 0 0 8.069 5.792 4.228 3.38 1.779 0.275 -1.218 -1.886 -3.295
## d10 d11 d12 d13
## par -4.858 -6.298 -7.211 -8.434
##
## $GroupPars
## MEAN_1 MEAN_2 MEAN_3 MEAN_4 COV_11 COV_21 COV_31 COV_41 COV_22 COV_32
## par 0 0 0 0 1 0 0 0 1 0.521
## COV_42 COV_33 COV_43 COV_44
## par 0 1 0 1## VFr CCr WMr Semantic h2
## rundots_r 0.0000000 0.0000000 0.9156639 0.0000000 0.8384404
## dotcount_r 0.0000000 0.0000000 0.4622106 0.0000000 0.2136386
## flanker_r 0.0000000 0.8619083 0.0000000 0.0000000 0.7428859
## setshift_r 0.0000000 0.7307289 0.0000000 0.0000000 0.5339648
## match_r 0.0000000 0.7746623 0.0000000 0.0000000 0.6001017
## animals_r 0.6912588 0.0000000 0.0000000 0.4979184 0.7257615
## veg_r 0.6174954 0.0000000 0.0000000 0.6323492 0.7811661
## fwords_r 0.9152621 0.0000000 0.0000000 0.0000000 0.8377047
## lwords_r 0.9152621 0.0000000 0.0000000 0.0000000 0.8377047## [1] "rundots_r"
## [1] "dotcount_r"
## [1] "flanker_r"
## [1] "setshift_r"
## [1] "match_r"
CFA without Dot counting
## AIC SABIC HQ BIC logLik
## CFANoDot.mirt 30256.81 30523.07 30501.22 30913.81 -15005.41## $rotF
## VFr CCr WMr F1 F2
## rundots_r 0.0000000 0.0000000 0.8833749 0.0000000 0.0000000
## flanker_r 0.0000000 0.8873991 0.0000000 0.0000000 0.0000000
## setshift_r 0.0000000 0.7116565 0.0000000 0.0000000 0.0000000
## match_r 0.0000000 0.7500711 0.0000000 0.0000000 0.0000000
## animals_r 0.7851619 0.0000000 0.0000000 0.4142508 0.0000000
## veg_r 0.6913430 0.0000000 0.0000000 0.4833068 0.0000000
## fwords_r 0.7937708 0.0000000 0.0000000 0.0000000 0.4424225
## lwords_r 0.8296047 0.0000000 0.0000000 0.0000000 0.4061496
##
## $h2
## h2
## rundots_r 0.7803511
## flanker_r 0.7874772
## setshift_r 0.5064549
## match_r 0.5626067
## animals_r 0.7880830
## veg_r 0.7115405
## fwords_r 0.8258097
## lwords_r 0.8532015
##
## $fcor
## VFr CCr WMr F1 F2
## VFr 1 0.0000000 0.0000000 0 0
## CCr 0 1.0000000 0.5244592 0 0
## WMr 0 0.5244592 1.0000000 0 0
## F1 0 0.0000000 0.0000000 1 0
## F2 0 0.0000000 0.0000000 0 1## $rundots_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7
## par 0 0 3.208 0 0 4.673 3.549 1.779 0.277 -1.551 -2.795 -4.477
##
## $flanker_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 3.276 0 0 0 5.611 4.543 3.652 2.56 1.137 -0.334 -2.283 -4.113
##
## $setshift_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8
## par 0 1.724 0 0 0 2.509 1.835 1.019 0.369 -0.314 -0.951 -2.063 -3.071
##
## $match_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10
## par 0 1.93 0 0 0 6.09 5.25 4.803 4.314 3.871 3.668 3.313 2.99 2.472 2.149
## d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 1.726 1.189 0.522 -0.487 -1.244 -2.137 -3.073 -4.552 -5.392
##
## $animals_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 2.903 0 0 1.532 0 8.741 6.94 6.003 5.118 4.19 3.707 2.765 1.826 1.339
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 0.203 -0.859 -1.339 -2.208 -3.214 -3.842 -4.806 -5.685 -6.1 -6.521
##
## $veg_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 2.191 0 0 1.532 0 6.367 5.433 4.641 3.68 3.02 2.468 1.929 1.291 0.298
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par -0.209 -0.866 -1.347 -1.961 -2.534 -3.133 -3.649 -5.027 -5.589 -6.326
##
## $fwords_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 3.237 0 0 0 1.804 8.236 7.143 5.827 4.963 4.135 2.889 2.212 1.575 0.82
## d10 d11 d12 d13 d14 d15 d16 d17 d18 d19
## par 0.243 -1.273 -2.094 -2.612 -3.252 -3.932 -5.445 -6.247 -7.041 -8.365
##
## $lwords_r
## a1 a2 a3 a4 a5 d1 d2 d3 d4 d5 d6 d7 d8 d9
## par 3.685 0 0 0 1.804 8.487 6.095 4.44 3.544 1.857 0.28 -1.284 -1.987 -3.453
## d10 d11 d12 d13
## par -5.066 -6.548 -7.499 -8.786
##
## $GroupPars
## MEAN_1 MEAN_2 MEAN_3 MEAN_4 MEAN_5 COV_11 COV_21 COV_31 COV_41 COV_51
## par 0 0 0 0 0 1 0 0 0 0
## COV_22 COV_32 COV_42 COV_52 COV_33 COV_43 COV_53 COV_44 COV_54 COV_55
## par 1 0.524 0 0 1 0 0 1 0 1## VFr CCr WMr F1 F2 h2
## rundots_r 0.0000000 0.0000000 0.8833749 0.0000000 0.0000000 0.7803511
## flanker_r 0.0000000 0.8873991 0.0000000 0.0000000 0.0000000 0.7874772
## setshift_r 0.0000000 0.7116565 0.0000000 0.0000000 0.0000000 0.5064549
## match_r 0.0000000 0.7500711 0.0000000 0.0000000 0.0000000 0.5626067
## animals_r 0.7851619 0.0000000 0.0000000 0.4142508 0.0000000 0.7880830
## veg_r 0.6913430 0.0000000 0.0000000 0.4833068 0.0000000 0.7115405
## fwords_r 0.7937708 0.0000000 0.0000000 0.0000000 0.4424225 0.8258097
## lwords_r 0.8296047 0.0000000 0.0000000 0.0000000 0.4061496 0.8532015## [1] "rundots_r"
## [1] "dotcount_r"
## [1] "flanker_r"
## [1] "setshift_r"
Issues with SE
## [1] "Histogram for General EF factor"
## [1] "Histogram for EGA one factor"
## [1] "Histogram for EGA 3 factor"
## [1] "Histogram for CFA with covarance"
## [1] "Histogram for CFA no dot counting"
## [1] 1460 3## [1] 98 7## [1] 63 11## [1] 0 11## [1] 58 9## [1] 4 11## [1] 1509 7