Investigando o ajuste do modelo

Análise Fatorial em R

Jennifer Brussow

Psychometrician

Estatísticas de ajuste padrão

O teste qui-quadrado (também chamado de teste de log-likelihood) é o único padrão

summary(theory_CFA)

 Model Chisquare =  2231.647   Df =  265 Pr(>Chisq) = 1.695873e-307

Geralmente significativo por causa do tamanho da amostra
O ideal é não haver significância

Alterando as opções

options(fit.indices = c("CFI", "GFI", "RMSEA", "BIC"))

RMSEA < 0,05
GFI (Goodness of Fit Index) > 0,90
CFI (Comparative Fit Index) > 0,90

Ajuste absoluto do modelo

summary(theory_CFA)

 Model Chisquare =  2305.159   Df =  271 Pr(>Chisq) = 0

 Goodness-of-fit index =  0.8527977

 RMSEA index =  0.07815051   90% CI: (NA, NA)

 Bentler CFI =  0.7754574

Ajuste relativo

summary(theory_CFA)

 Model Chisquare =  2305.159   Df =  271 Pr(>Chisq) = 8.422189e-319
 Goodness-of-fit index =  0.8527977
 RMSEA index =  0.07815051   90% CI: (NA, NA)
 Bentler CFI =  0.7754574
 BIC =  377.0563

summary(theory_CFA)$BIC

326.618

Ajuste relativo: comparando modelos

summary(theory_CFA)$BIC

326.618

# Run a CFA using the EFA syntax you created earlier
EFA_CFA <- sem(EFA_syn, data = bfi_CFA)
summary(EFA_CFA)$BIC

377.0563

Útil para modelos aninhados ajustados ao mesmo conjunto de dados
Não use se essas condições não forem atendidas!

Vamos praticar!

Análise Fatorial em R