Índices de modificação

Modelagem de Equações Estruturais com lavaan em R

Erin Buchanan

Professor

Atualizando modelos ruins

Modelo do usuário versus modelo de referência:
  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

Atualizando modelos ruins (2)

Variáveis 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

Atualizando modelos ruins (3)

Variâncias:
          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

Índices de modificação

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

Adicione um por vez
Adicione apenas parâmetros que façam sentido

Atualizando o modelo

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)

Modelo do usuário versus modelo de referência:
  Comparative Fit Index (CFI)                    0.976
  Tucker-Lewis Index (TLI)                       0.949

Vamos praticar!

Modelagem de Equações Estruturais com lavaan em R