潜变量分析(latentvariableanalysis)

近年来提出一种新的研究方法，即潜变量分析。传统研究方法认为一个执行测验的成绩就能够代表一种执行功能，而潜变量分析采用多个执行测验对同一执行功能进行测量，并从中提取它们的共性，形成该执行功能的潜变量。对测量同一执行功能的多个任务应涉及不同的实验刺激和实验程序，以避免在潜变量提取后的执行结构中仍含有非执行的成分。潜变量提取的方法在很大程度上缓解了诸如纯度，结构有效性等问题，有助于进一步探讨各执行功能间，以及执行功能与其他一些认知结构间的关系。Miyake等报告的一项研究表明，虽然三项执行功能(对优势反应的抑制，注意转换和记忆刷新)间存在一定的相关，但也清晰地表现出相互可分离性;并且，这三种执行功能在一系列复杂执行任务(包括神经心理学测验)中的贡献是不一样的。然而，由于潜变量提取需要进行多项测验，结构方程建模还需要较大的样本量，使得这种研究方法在实施的过程中存在较大的困难。