Mi pregunta se refiere a las matemáticas de los modelos de múltiples estratos, sobre los cuales no he encontrado mucho que sea cuantitativo, así que disculpe si inventé mi propia notación para explicar mis pensamientos.
En modelos como Cattell-Horn-Carroll, los componentes de inteligencia se organizan en, digamos, 3 o 4 estratos. Voy a invertir la numeración habitual de estos estratos para poder resumir mi comprensión actual de estos modelos, independientemente del número total de estratos. En otras palabras:
Mi pregunta es esta: ¿qué distingue los contenidos de los diversos estratos? En el caso especial lineal anterior, la todos tienen esencialmente la misma forma, un múltiplo de más un término de ruido (y un modelo más complicado todavía haría que cada uno se redujera a una función ruidosa de ). Mi sospecha es que la delimitación del estrato se reduce a anidar transformaciones no lineales y/o términos de ruido que no tienen distribuciones estables .
Estás cometiendo dos errores, uno en relación a la identificación de los factores o lo que representan (y hay que estudiar mucho los análisis factoriales por correlaciones con las tareas que representa cada factor). Y dos, las relaciones entre los factores.
No se tiene en cuenta que cada factor representaría habilidades o procesos muy diferentes (por ejemplo, la velocidad de cierre y el razonamiento secuencial es muy diferente), los factores pueden ser independientes de esta manera, no tiene por qué haber una relación lineal y en caso de que exista correlación, será correlación para una tarea específica , lo que me lleva a indicar que está proponiendo relaciones erróneas sobre habilidades o procesos completamente distintos. Esto debe aclararse y es el modelo para empezar a estudiar el análisis factorial:
x1 = a1.F1 + a2.F2 ... + b1.S1 + c1.E1
x2=...
x3=...
x1 (puntuación en la tarea de una persona específica) = a1 (peso factorial del factor común). F1 (factor común) + a2.F2 .... + b1 .S (factor específico) + c (peso factorial del factor de error) + E1 (error)
(En la mayoría de los análisis no se estudia un error para un factor específico)
JG
hexadecimal
cris rogers