Indici di modifica

Modeli di equazioni strutturali con lavaan in R

Erin Buchanan

Professor

Aggiornare modelli deboli

Modello utente vs modello di base:
  Comparative Fit Index (CFI)                    0.879
  Tucker-Lewis Index (TLI)                       0.774

Root Mean Square Error of Approximation:
  RMSEA                                          0.128
  Intervallo di confidenza al 90%          0.094  0.164
  P-value RMSEA <= 0.05                          0.000

Standardized Root Mean Square Residual:
  SRMR                                           0.079

Aggiornare modelli deboli (2)

Variabili latenti:
          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

Aggiornare modelli deboli (3)

Varianze:
          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

Indici di modifica

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

Aggiungi un parametro alla volta
Aggiungi solo parametri sensati

Aggiornare il modello

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)

Modello utente vs modello di base:
  Comparative Fit Index (CFI)                    0.976
  Tucker-Lewis Index (TLI)                       0.949

Esercitiamoci!

Modeli di equazioni strutturali con lavaan in R