PSWQ – kwestionariusz zamartwiania się: jak policzyć wynik

Autor: Konrad Hryniewicz · Opublikowano: 1 listopada 2026

Czym jest PSWQ

Kwestionariusz zamartwiania się PSWQ (Penn State Worry Questionnaire) opublikowali Meyer, Miller, Metzger i Borkovec (1990). Mierzy zamartwianie się jako cechę, czyli skłonność do częstego, trudnego do opanowania martwienia się. Ma 16 pozycji wyłonionych w analizie czynnikowej dużej puli pytań. Autorzy podali wysoką spójność wewnętrzną, dobrą rzetelność test–retest i brak związku z aprobatą społeczną. Wynik odróżniał osoby spełniające kryteria uogólnionego zaburzenia lękowego (GAD) od pozostałych i spadał po terapii poznawczo-behawioralnej.

PSWQ pojawia się najczęściej w pracach z psychologii (klinicznej, zdrowia, osobowości) i psychiatrii, zwykle obok miar lęku i depresji. Ogólne wskazówki analityczne znajdziesz we wpisach statystyka dla psychologa i statystyka dla lekarza. PSWQ nie jest tym samym co GAD-7. GAD-7 to krótki przesiew objawów z ostatnich tygodni, który opisuje wpis GAD-7 i PHQ-9 – jak policzyć wynik. PSWQ dotyczy stałej skłonności do zamartwiania się.

Budowa i stan weryfikacji klucza

Treści pozycji nie przytaczamy. Artykuł Meyera i in. (1990) jest płatny i go nie czytaliśmy. Autorzy nie prowadzą oficjalnej strony z kluczem. Dlatego tabela rozdziela to, co potwierdziliśmy, od tego, co musisz sprawdzić sam(a).

Zakres 16–80 pasuje do 16 odpowiedzi ocenianych od 1 do 5, ale format sprawdź w formularzu, którego używasz. W sieci krążą arkusze z „kluczem PSWQ”. Nie przepisuj ich bez sprawdzenia, skąd pochodzą. Numery pozycji odwróconych weź z artykułu źródłowego i zacytuj go.

Jak policzyć wynik krok po kroku

1. Sprawdź kodowanie. Wszystkie odpowiedzi muszą mieć ten sam zakres co formularz. Formularze online zapisują je czasem jako 0–4 albo jako tekst etykiety. Wtedy najpierw przekoduj zmienne.
2. Zaznacz pozycje odwrócone według źródła. Zapisz w książce kodowej, z jakiej publikacji pochodzi lista.
3. Sprawdź kierunek przed odwróceniem. Surowe pozycje sformułowane odwrotnie powinny korelować ujemnie z resztą skali. Jeśli któraś koreluje dodatnio, lista pozycji jest zła albo dane zakodowano inaczej.
4. Odwróć wskazane pozycje. Przy odpowiedziach 1–5 wartość odwrócona to 6 − x.
5. Zsumuj 16 pozycji. Wyższy wynik oznacza silniejszą skłonność do zamartwiania się.
6. Ustal regułę dla braków. Sprawdzone źródła jej nie podają. W przykładzie przy jednym braku liczymy średnią z 15 pozycji i mnożymy ją przez 16. To decyzja badacza i trzeba ją opisać w pracy.

Przekodowanie w różnych programach pokazuje poradnik jak policzyć wynik kwestionariusza. Sumę i średnią porównuje hasło wynik skali: średnia czy suma. Pojedynczy wynik policzysz w kalkulatorze wyniku skali.

Jeden czynnik czy efekt metody

PSWQ zaprojektowano jako miarę jednego konstruktu. W kolejnych badaniach pozycje sformułowane odwrotnie zachowywały się jednak inaczej niż pozostałe. Ten spór dobrze pokazuje, czym jest jednowymiarowość skali i dlaczego zła struktura czynnikowa nie zawsze oznacza dwa konstrukty.

• Dwa czynniki. Fresco, Heimberg, Mennin i Turk (2002) przebadali 788 studentów. Model dwuczynnikowy pasował lepiej niż jednoczynnikowy. Pierwszy czynnik nazwali zaangażowaniem w zamartwianie się (Worry Engagement), a drugi brakiem zamartwiania się (Absence of Worry). Znaleźli też czynnik wyższego rzędu. Drugi czynnik słabo korelował z depresją i lękiem.
• Jeden czynnik i efekt metody. Brown (2003) przebadał 1200 pacjentów z zaburzeniami lękowymi i nastroju. Model jednego czynnika z efektami metody pięciu pozycji sformułowanych odwrotnie okazał się lepszy niż model dwuczynnikowy. Wynik powtórzył się w dwóch połowach próby, a pomiar był niezmienny u kobiet i mężczyzn.
• Równie dobre dopasowanie. U studentów model z czynnikiem metody pasował tak samo dobrze jak model dwuczynnikowy. Sam czynnik metody nie przewidywał rozpoznania GAD. Autorzy wnioskują, że PSWQ mierzy jeden konstrukt, a różni się tylko sposób odpowiadania na pozycje odwrócone (Hazlett-Stevens i in., 2004).
• Wersje skrócone. Hazlett-Stevens i in. (2004) sprawdzili skalę złożoną tylko z pozycji sformułowanych w kierunku zamartwiania się. Hopko i in. (2003) zaproponowali dla starszych dorosłych z GAD model po usunięciu 8 pozycji i zaznaczyli, że wymaga on dalszych badań. Jeśli używasz takiej wersji, opisz ją jako osobne narzędzie.

Efekty metody przy pozycjach negatywnych są znane także z innych skal. DiStefano i Motl (2006) traktują je jako styl odpowiadania, związany z cechami osobowości. Pokrewne zjawiska opisują hasła tendencja do zgadzania się i wspólna wariancja metody. Technikę modelowania czynnika ogólnego z czynnikiem dodatkowym pokazuje wpis model bifactor i ESEM.

Co z tego wynika dla pracy? Liczy się suma 16 pozycji, bo tak zaprojektowano narzędzie, a modele z efektem metody tego nie podważają. Jeśli sprawdzasz strukturę w CFA, porównaj model jednoczynnikowy z modelem z czynnikiem metody. Nie traktuj dwóch czynników jako dwóch wyników PSWQ bez źródła, które takie wyniki uzasadnia.

Licencja i polska wersja

Nie znaleźliśmy oficjalnej strony autorów PSWQ z warunkami użycia (stan na 1 listopada 2026 r.). Narzędzie opublikowano w artykule w czasopiśmie, którego tekst jest płatny. W katalogu narzędzi badawczych oznaczamy to jako brak jasnych warunków. W praktyce zacytuj artykuł Meyera i in. (1990), weź formularz ze źródła, które możesz wskazać, i nie przedrukowuj pozycji w aneksie bez sprawdzenia praw. Ogólne zasady opisuje hasło licencja narzędzia badawczego. Ten wpis nie jest poradą prawną.

Polskiej adaptacji PSWQ nie weryfikowaliśmy, dlatego jej nie opisujemy. Jeśli z niej korzystasz, podaj w pracy autorów i rok publikacji, z której pochodzi wersja językowa. Wskazówki o szukaniu narzędzi znajdziesz w poradniku gdzie znaleźć kwestionariusze psychologiczne, a o przekładzie – w haśle tłumaczenie zwrotne i adaptacja kulturowa.

Przykład: 380 osób studiujących

Dane są symulowane i możesz je pobrać jako plik CSV. Kolumny z1–z11 to pozycje sformułowane w kierunku zamartwiania się. Kolumny o1–o5 to pozycje sformułowane odwrotnie, w surowej postaci. Ten podział to założenie symulacji, a nie numeracja formularza. Odpowiedzi zapisano jako 1–5. Plik zawiera też wynik GAD-7 jako drugą miarę lęku. Jedna osoba miała trzy braki i nie dostała wyniku, a cztery osoby miały po jednym braku. Do analizy weszło 379 osób.

Przed odwróceniem pięć surowych pozycji odwrotnych korelowało z sumą pozostałych pozycji od −.49 do −.60. Tak powinno być. Po odwróceniu średni wynik wyniósł M = 49.99 (SD = 13.61, Me = 51) przy zakresie od 16 do 80 i skośności −0.07 (rysunek 1). Alfa wyniosła .94, 95% CI [.93, .95]. Korelacje pozycja–reszta skali wyniosły .64–.75 dla pozycji zgodnych i .56–.67 dla odwróconych.

Trzy modele struktury

W danych zapisaliśmy jeden czynnik zamartwiania się i dodatkową wspólną wariancję pozycji odwróconych. Porównaliśmy trzy modele CFA (estymator MLR).

Model jednoczynnikowy pasował wyraźnie gorzej. Dwa pozostałe pasowały równie dobrze, a BIC lekko faworyzował model dwuczynnikowy. To ten sam impas, który opisali Hazlett-Stevens i in. (2004). Korelacja dwóch czynników wyniosła .80, więc „brak zamartwiania się” to w dużej mierze ten sam konstrukt widziany przez odwrotne sformułowanie. Między tymi modelami nie rozstrzyga samo dopasowanie, tylko teoria. Wskaźniki opisują hasła CFI i RMSEA.

W modelu z czynnikiem metody pozycje odwrócone miały ładunki ogólne .51–.62 i ładunki czynnika metody .42–.48 (rysunek 2). Omega całkowita wyniosła .95, a omega hierarchiczna, czyli udział samego czynnika ogólnego, .91. Ta wartość mówi, że suma 16 pozycji odzwierciedla głównie jeden konstrukt. Interpretację omegi hierarchicznej opisują Rodriguez, Reise i Haviland (2016), a podstawy – hasło omega McDonalda.

Suma 16 a suma 11 pozycji

Suma wszystkich pozycji korelowała z GAD-7 na poziomie r = .73, 95% CI [.68, .78]. Suma samych 11 pozycji zgodnych dała ten sam wynik, a obie sumy korelowały ze sobą na poziomie .97. W tych danych pozycje odwrócone nie zmieniają więc wniosków o trafności. Tak wynika jednak z naszej symulacji. W Twojej próbie może być inaczej, dlatego taką analizę warto pokazać.

Jak opisać PSWQ w pracy

Wzory zawierają liczby z przykładu. W nawiasach kwadratowych uzupełnij dane swojej wersji.

Ogólny schemat opisu znajdziesz w poradniku opis narzędzia badawczego – wzór, a zdania o wynikach przygotujesz w generatorze opisu wyników APA.

# B302 – PSWQ: odwracanie pozycji, suma 16 pozycji, braki, rzetelność, jeden czynnik a efekt metody
# (dane symulowane, set.seed(3021)). Treści pozycji ani numerów pozycji z formularza nie podajemy.
# 380 osób studiujących; odpowiedzi zapisane jako 1–5 (sprawdź format w swojej wersji formularza).
# Kolumny z1–z11 to pozycje sformułowane w kierunku zamartwiania się, o1–o5 – pozycje sformułowane odwrotnie,
# w surowej postaci (jeszcze NIE odwrócone). Które numery formularza są odwrócone, sprawdź w Meyer i in. (1990);
# liczba pięciu takich pozycji pochodzi z opisu modelu u Browna (2003), a podział kolumn to założenie symulacji.
suppressPackageStartupMessages({ library(psych); library(lavaan) })
set.seed(3021)
n <- 380
W <- rnorm(n)                                                      # skłonność do zamartwiania się (cecha latentna)
M <- rnorm(n)                                                      # czynnik metody: reakcja na odwrotne sformułowanie
progi <- c(-1.3, -0.45, 0.35, 1.15)
z <- sapply(c(.78, .74, .80, .70, .76, .72, .79, .68, .75, .73, .77),
            function(l) 1 + findInterval(l * W + rnorm(n, 0, sqrt(1 - l^2)), progi))
o <- sapply(c(.58, .55, .60, .52, .56),                            # surowo: wysoka odpowiedź = MAŁO zamartwiania się
            function(l) 1 + findInterval(-l * W + 0.45 * M + rnorm(n, 0, sqrt(1 - l^2 - 0.45^2)), -rev(progi)))
colnames(z) <- paste0("z", 1:11); colnames(o) <- paste0("o", 1:5)
gad7 <- pmin(21, pmax(0, round(6 + 3.6 * W + rnorm(n, 0, 3))))    # inna miara lęku jako kryterium (suma 0–21)
dane <- data.frame(id = 1:n, z, o, gad7)
dane$z4[c(23, 181)] <- NA; dane$o2[c(97, 181, 305)] <- NA; dane$z9[c(181, 266)] <- NA   # braki
write.csv(dane, "../pswq-dane-przyklad.csv", row.names = FALSE, na = "")   # plik do pobrania
Z <- paste0("z", 1:11); O <- paste0("o", 1:5)

# Krok 1. Kontrola kodowania: tylko 1–5 albo brak; braki na osobę
all(as.matrix(dane[, c(Z, O)]) %in% c(1:5, NA))
table(braki = rowSums(is.na(dane[, c(Z, O)])))

# Krok 2. Przed odwróceniem: pozycje odwrotne korelują ujemnie z resztą skali
round(cor(rowSums(dane[, Z], na.rm = TRUE), dane[, O], use = "pairwise"), 2)

# Krok 3. Odwrócenie na skali 1–5: 6 − x (tylko pozycje wskazane w kluczu)
odwroc <- function(x, min, max) min + max - x
dane[, paste0(O, "_odw")] <- lapply(dane[, O], odwroc, min = 1, max = 5)
OO <- paste0(O, "_odw"); V <- c(Z, OO)

# Krok 4. Wynik = suma 16 pozycji (16–80); przy 1 braku – średnia z 15 pozycji × 16 (decyzja badacza)
suma_16 <- function(x) ifelse(rowSums(is.na(x)) <= 1, rowMeans(x, na.rm = TRUE) * 16, NA)
dane$pswq <- suma_16(dane[, V])
sum(is.na(dane$pswq))
d <- dane[!is.na(dane$pswq), ]
round(c(n = nrow(d), M = mean(d$pswq), SD = sd(d$pswq), Me = median(d$pswq), min = min(d$pswq),
        max = max(d$pswq), skosnosc = skew(d$pswq)), 2)

# Krok 5. Rzetelność: alfa z 95% CI Feldta, korelacje pozycja–reszta w dwóch grupach pozycji
a <- psych::alpha(d[, V], warnings = FALSE)
round(c(alfa = a$total$raw_alpha, lo = a$feldt$lower.ci[[1]], hi = a$feldt$upper.ci[[1]]), 2)
round(rbind(zgodne = range(a$item.stats[Z, "r.drop"]), odwrocone = range(a$item.stats[OO, "r.drop"])), 2)

# Krok 6. Struktura (estymator MLR, FIML dla braków): jeden czynnik, dwa czynniki, jeden czynnik + czynnik metody
m1 <- paste("ZM =~", paste(V, collapse = " + "))
m2 <- paste("ZG =~", paste(Z, collapse = " + "), "\n BRAK =~", paste(OO, collapse = " + "))
m3 <- paste(m1, "\n METODA =~", paste(OO, collapse = " + "), "\n ZM ~~ 0*METODA")
g <- lapply(list(jeden_czynnik = m1, dwa_czynniki = m2, czynnik_plus_metoda = m3), cfa, data = d,
            estimator = "MLR", std.lv = TRUE, missing = "fiml")
ind <- c("chisq.scaled", "df.scaled", "cfi.robust", "rmsea.robust", "srmr", "bic")
round(t(sapply(g, fitMeasures, fit.measures = ind)), 3)
round(lavInspect(g$dwa_czynniki, "std")$psi["ZG", "BRAK"], 2)    # korelacja dwóch czynników

# Krok 7. Omega: całkowita i hierarchiczna (tylko czynnik ogólny) z modelu z czynnikiem metody
st <- standardizedSolution(g$czynnik_plus_metoda)
lg <- st$est.std[st$op == "=~" & st$lhs == "ZM"]; lm_ <- st$est.std[st$op == "=~" & st$lhs == "METODA"]
th <- st$est.std[st$op == "~~" & st$lhs %in% V & st$lhs == st$rhs]
calosc <- sum(lg)^2 + sum(lm_)^2 + sum(th)
round(c(omega_calkowita = (sum(lg)^2 + sum(lm_)^2) / calosc, omega_h = sum(lg)^2 / calosc), 2)
round(rbind(ogolny_odwrocone = lg[12:16], metoda = lm_), 2)

# Krok 8. Trafność: suma 16 pozycji i suma 11 pozycji zgodnych a inna miara lęku (r Pearsona)
d$suma_11 <- ifelse(rowSums(is.na(d[, Z])) == 0, rowSums(d[, Z]), NA)
ct16 <- cor.test(d$pswq, d$gad7); ct11 <- cor.test(d$suma_11, d$gad7)
wsp <- function(ct) c(r = unname(ct$estimate), lo = ct$conf.int[1], hi = ct$conf.int[2])
round(rbind(suma_16 = wsp(ct16), suma_11 = wsp(ct11)), 2)
round(cor(d$pswq, d$suma_11, use = "complete.obs"), 2)

[1] TRUE
braki
  0   1   3 
375   4   1 
       o1    o2   o3    o4    o5
[1,] -0.6 -0.54 -0.6 -0.49 -0.57
[1] 1
       n        M       SD       Me      min      max skosnosc 
  379.00    49.99    13.61    51.00    16.00    80.00    -0.07 
alfa   lo   hi 
0.94 0.93 0.95 
          [,1] [,2]
zgodne    0.64 0.75
odwrocone 0.56 0.67
                    chisq.scaled df.scaled cfi.robust rmsea.robust  srmr      bic
jeden_czynnik            266.241       104      0.949        0.065 0.044 16327.57
dwa_czynniki              87.935       103      1.000        0.000 0.021 16150.37
czynnik_plus_metoda       83.746        99      1.000        0.000 0.019 16170.02
[1] 0.8
omega_calkowita         omega_h 
           0.95            0.91 
                 [,1] [,2] [,3] [,4] [,5]
ogolny_odwrocone 0.62 0.56 0.62 0.51 0.59
metoda           0.42 0.46 0.43 0.48 0.42
           r   lo   hi
suma_16 0.73 0.68 0.78
suma_11 0.73 0.68 0.78
[1] 0.97

Najczęstsze błędy przy PSWQ

• Brak odwrócenia pozycji. Surowe pozycje odwrotne obniżają alfę i zaniżają sumę. Ujemna korelacja pozycji z resztą skali to typowy sygnał tego błędu.
• Lista pozycji odwróconych z nieznanego arkusza. Weź ją z artykułu Meyera i in. (1990) i zacytuj źródło.
• Dwa wyniki zamiast jednego. Dwa czynniki w CFA nie dają automatycznie dwóch podskal. Brown (2003) i Hazlett-Stevens i in. (2004) tłumaczą je efektem metody.
• Próg „patologicznego zamartwiania się” bez źródła. Analizuj sumę jako zmienną ciągłą. Jeśli potrzebujesz progu, zacytuj publikację z analizą ROC i opisz jej próbę (zob. krzywa ROC i punkt odcięcia).
• Wersja skrócona opisana jako PSWQ. Wersja z 8 albo 11 pozycjami to inne narzędzie o innym zakresie wyniku.

Całą ścieżkę od kodowania po rzetelność porządkuje przewodnik po analizie kwestionariusza. Jeśli chcesz, żeby ktoś sprawdził liczenie PSWQ w Twojej bazie, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Które pozycje PSWQ są odwrócone?

Numery pozycji odwróconych podaje artykuł Meyera i in. (1990), który jest płatny i którego nie czytaliśmy. Dlatego ich tu nie wymieniamy. Brown (2003) opisał model z efektami metody pięciu pozycji sformułowanych odwrotnie. Po odwróceniu sprawdź korelacje pozycji z resztą skali: wartość ujemna zwykle oznacza błąd w kluczu.

Czy PSWQ ma dwie podskale?

Nie w wersji autorów, która daje jeden wynik. Fresco i in. (2002) uzyskali lepsze dopasowanie modelu dwuczynnikowego, ale Brown (2003) pokazał, że lepszy jest jeden czynnik z efektem metody pozycji odwróconych, a Hazlett-Stevens i in. (2004) – że oba modele pasują równie dobrze. Drugi czynnik odzwierciedla raczej sposób sformułowania pozycji niż osobny konstrukt.

Od ilu punktów PSWQ wskazuje na patologiczne zamartwianie się?

Ten wpis nie podaje progu. Behar i in. (2003), w pracy z udziałem twórcy PSWQ, badali przesiewową trafność narzędzia analizą ROC, ale abstrakt nie podaje wartości. Analizuj sumę jako zmienną ciągłą, a jeśli potrzebujesz progu, zacytuj publikację, z której go bierzesz, i opisz jej próbę.

Czy PSWQ można bez opłat użyć w pracy magisterskiej?

Nie znaleźliśmy oficjalnej strony autorów z warunkami użycia (stan na 1 listopada 2026 r.). Narzędzie opublikowano w płatnym artykule w czasopiśmie. Zacytuj Meyera i in. (1990), weź formularz ze źródła, które możesz wskazać, a przed przedrukiem pozycji w aneksie sprawdź prawa albo zapytaj promotora.

Czy wersję PSWQ bez pozycji odwróconych można porównywać z pełną?

Nie wprost. Skale złożone tylko z pozycji sformułowanych w kierunku zamartwiania się badali Hazlett-Stevens i in. (2004), a 8-pozycyjny model dla starszych dorosłych Hopko i in. (2003). To inne narzędzia o innym zakresie wyniku. W pracy opisz dokładnie, której wersji użyłeś(-aś), i nie porównuj sum z wynikami pełnej skali.

Powiązane hasła

Przeczytaj też

@article{behar2003screening, author={Behar, Evelyn and Alcaine, Oscar and Zuellig, Andrea R. and Borkovec, T. D.}, title={{Screening for generalized anxiety disorder using the Penn State Worry Questionnaire: A receiver operating characteristic analysis}}, journal={Journal of Behavior Therapy and Experimental Psychiatry}, year={2003}, volume={34}, number={1}, pages={25--43}, doi={10.1016/s0005-7916(03)00004-1}}

@article{behar2012concreteness, author={Behar, Evelyn and McGowan, Sarah Kate and McLaughlin, Katie A. and Borkovec, T. D. and Goldwin, Michelle and Bjorkquist, Olivia}, title={{Concreteness of positive, negative, and neutral repetitive thinking about the future}}, journal={Behavior Therapy}, year={2012}, volume={43}, number={2}, pages={300--312}, doi={10.1016/j.beth.2011.07.002}}

@article{brown2003confirmatory, author={Brown, Timothy A.}, title={{Confirmatory factor analysis of the Penn State Worry Questionnaire: Multiple factors or method effects?}}, journal={Behaviour Research and Therapy}, year={2003}, volume={41}, number={12}, pages={1411--1426}, doi={10.1016/s0005-7967(03)00059-7}}

@article{distefano2006further, author={DiStefano, Christine and Motl, Robert W.}, title={{Further investigating method effects associated with negatively worded items on self-report surveys}}, journal={Structural Equation Modeling: A Multidisciplinary Journal}, year={2006}, volume={13}, number={3}, pages={440--464}, doi={10.1207/s15328007sem1303_6}}

@article{fresco2002confirmatory, author={Fresco, David M. and Heimberg, Richard G. and Mennin, Douglas S. and Turk, Cynthia L.}, title={{Confirmatory factor analysis of the Penn State Worry Questionnaire}}, journal={Behaviour Research and Therapy}, year={2002}, volume={40}, number={3}, pages={313--323}, doi={10.1016/s0005-7967(00)00113-3}}

@article{hazlettstevens2004factor, author={Hazlett-Stevens, Holly and Ullman, Jodie B. and Craske, Michelle G.}, title={{Factor structure of the Penn State Worry Questionnaire}}, journal={Assessment}, year={2004}, volume={11}, number={4}, pages={361--370}, doi={10.1177/1073191104269872}}

@article{hopko2003assessing, author={Hopko, Derek R. and Reas, Deborah L. and Beck, J. Gayle and Stanley, Melinda A. and Wetherell, Julie Loebach and Novy, Diane M. and Averill, Patricia M.}, title={{Assessing worry in older adults: Confirmatory factor analysis of the Penn State Worry Questionnaire and psychometric properties of an abbreviated model}}, journal={Psychological Assessment}, year={2003}, volume={15}, number={2}, pages={173--183}, doi={10.1037/1040-3590.15.2.173}}

@article{meyer1990development, author={Meyer, T. J. and Miller, M. L. and Metzger, R. L. and Borkovec, Thomas D.}, title={{Development and validation of the Penn State Worry Questionnaire}}, journal={Behaviour Research and Therapy}, year={1990}, volume={28}, number={6}, pages={487--495}, doi={10.1016/0005-7967(90)90135-6}}

@article{rodriguez2016evaluating, author={Rodriguez, Anthony and Reise, Steven P. and Haviland, Mark G.}, title={{Evaluating bifactor models: Calculating and interpreting statistical indices}}, journal={Psychological Methods}, year={2016}, volume={21}, number={2}, pages={137--150}, doi={10.1037/met0000045}}