Person-Centered Methods: Configural Frequency Analysis (CFA) and Other Methods for the Analysis of Contingency Tables

این کتاب نگاهی آسان و قابل درک به رویکرد آماری به نام روش شخص محور دارد. به جای تحلیل میانگین‌ها، واریانس‌ها و کوواریانس‌های نمرات مقیاس مانند رویکرد متداول متغیرمحور، رویکرد شخص‌محور افراد یا اشیاء را بر اساس الگوهای مشخصه یا پیکربندی‌های آنها در جداول احتمالی گروه‌بندی می‌کند. تمرکز اصلی کتاب بر روی تجزیه و تحلیل فرکانس پیکربندی شده (CFA؛ Lienert و Krauth، 1975) خواهد بود که یک روش آماری است که به دنبال سلول‌ها یا الگوهای بیش از حد و کم‌تکرار می‌گردد. بیش از حد به این معنی است که مشاهدات در این سلول یا پیکربندی بیشتر از حد انتظار مشاهده می شود، کم تکرار به این معنی است که این سلول یا پیکربندی کمتر از حد انتظار مشاهده می شود. در CFA یک الگو یا پیکربندی که شامل موارد مشاهده شده بیشتر از حد انتظار است نوع نامیده می شود. به طور مشابه، یک الگو یا پیکربندی که کمتر از حد انتظار مشاهده شده است anttype نامیده می شود. CFA شبیه مدل‌سازی log-linear است. در مدل‌سازی لگ خطی، هدف ارائه یک مدل برازش شامل همه متغیرهای مهم است. به جای برازش یک مدل، CFA به باقیمانده های قابل توجه یک مدل log-linear نگاه می کند.

این کتاب استفاده از یک بسته R به نام confreq (مشتق شده را توصیف می کند. از Configural Frequency Analysis). استفاده از بسته نرم افزاری با مثال های داده توصیف و نشان داده شده است.

This book takes an easy-to-understand look at the statistical approach called the person-centered method. Instead of analyzing means, variances and covariances of scale scores as in the common variable-centered approach, the person-centered approach analyzes persons or objects grouped according to their characteristic patterns or configurations in contingency tables. The main focus of the book will be on Configural Frequency Analysis (CFA; Lienert and Krauth, 1975) which is a statistical method that looks for over and under-frequented cells or patterns. Over frequented means that the observations in this cell or configuration are observed more often than expected, under-frequented means that this cell or configuration is observed less often than expected. In CFA a pattern or configuration that contains more observed cases than expected is called a type; similarly, a pattern or configuration that is less observed than expected are called an antitype. CFA is similar to log-linear modeling. In log-linear modeling the goal is to come up with a fitting model including all important variables. Instead of fitting a model, CFA looks at the significant residuals of a log-linear model.

The book describes the use of an R-package called confreq (derived from Configural Frequency Analysis). The use of the software package is described and demonstrated with data examples.