Indices de modification

Modélisation par équations structurelles avec lavaan en R

Erin Buchanan

Professor

Mettre à jour les mauvais modèles

Modèle utilisateur vs. modèle de base :
  Comparative Fit Index (CFI)                    0.879
  Tucker-Lewis Index (TLI)                       0.774

Root Mean Square Error of Approximation :
  RMSEA                                          0.128
  90 Percent Confidence Interval          0.094  0.164
  P-value RMSEA <= 0.05                          0.000

Standardized Root Mean Square Residual :
  SRMR                                           0.079

Mettre à jour les mauvais modèles (2)

Variables latentes :
          Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
  visual =~                                                             
    x1       1.000                               0.777    0.667
    x2       0.690    0.124    5.585    0.000    0.536    0.456
    x3       0.985    0.160    6.157    0.000    0.766    0.678
  speed =~                                                              
    x7       1.000                               0.622    0.572
    x8       1.204    0.170    7.090    0.000    0.749    0.741
    x9       1.052    0.147    7.142    0.000    0.654    0.649

Mettre à jour les mauvais modèles (3)

Variances :
          Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .x1      0.754    0.110    6.838    0.000    0.754    0.555
   .x2      1.094    0.103   10.661    0.000    1.094    0.792
   .x3      0.688    0.105    6.557    0.000    0.688    0.540
   .x7      0.796    0.082    9.756    0.000    0.796    0.673
   .x8      0.461    0.077    6.002    0.000    0.461    0.451
   .x9      0.587    0.071    8.273    0.000    0.587    0.578

var(HolzingerSwineford1939$x1)

1.362898

Indices de modification

modificationindices(twofactor.fit, sort = TRUE)

      lhs op rhs     mi    epc sepc.lv sepc.all sepc.nox
34     x7 ~~  x8 35.521  0.624   0.624    0.568    0.568
18 visual =~  x9 35.521  0.659   0.512    0.508    0.508
36     x8 ~~  x9 19.041 -0.527  -0.527   -0.517   -0.517
16 visual =~  x7 19.041 -0.503  -0.391   -0.359   -0.359
26     x1 ~~  x9 11.428  0.177   0.177    0.151    0.151

Ajouter un paramètre à la fois
N'ajouter que des paramètres pertinents

Mise à jour du modèle

34     x7 ~~  x8 35.521  0.624   0.624    0.568    0.568

twofactor.model <- 'visual =~ x1 + x2 + x3 
                        speed =~ x7 + x8 + x9 
                        x7 ~~ x8'
twofactor.fit <- cfa(model = twofactor.model,
                     data = HolzingerSwineford1939)
summary(twofactor.fit, standardized = TRUE, 
        fit.measures = TRUE)

Modèle utilisateur vs. modèle de base :
  Comparative Fit Index (CFI)                    0.976
  Tucker-Lewis Index (TLI)                       0.949

Passons à la pratique !

Modélisation par équations structurelles avec lavaan en R