Thiết lập một CFA

Phân tích Nhân tố trong R

Jennifer Brussow

Psychometrician

Vì sao cần phân tích xác nhận?

Lợi ích của phân tích xác nhận:

Chỉ định rõ ràng mối quan hệ biến/nhân tố
Kiểm định một lý thuyết bạn đã biết trước
Đây là thứ nên công bố khi bạn phát triển thang đo mới!

Sơ đồ đường dẫn của kết quả EFA

Dùng hàm bao để thiết lập CFA

EFA_syn <- structure.sem(EFA_model)

EFA_syn

      Path        Parameter Value
 [1,] "MR5->A1"   "F4A1"    NA   
 [2,] "MR5->A2"   "F4A2"    NA   
 [3,] "MR5->A3"   "F4A3"    NA   
 [4,] "MR5->A4"   "F4A4"    NA   
 [5,] "MR5->A5"   "F4A5"    NA   
 [6,] "MR3->C1"   "F3C1"    NA   
 [7,] "MR3->C2"   "F3C2"    NA   
 [8,] "MR3->C3"   "F3C3"    NA   
 [9,] "MR3->C4"   "F3C4"    NA   
[10,] "MR3->C5"   "F3C5"    NA   
[11,] "MR1->E1"   "F2E1"    NA   
...

Cú pháp tạo bởi hàm bao

EFA_syn

      Path        Parameter Value
 [1,] "MR5->A1"   "F4A1"    NA

Nhân tố 4 (F4) = nhân tố MR5 từ EFA
Mức độ nhân tố của người làm bài dự đoán phản hồi từng mục
Hàm bao tự động đặt tên tham số
Giá trị NA = giá trị khởi tạo được chọn ngẫu nhiên

Tạo cú pháp CFA từ lý thuyết của bạn

# Set up syntax specifying which items load onto each factor
theory_syn_eq <- "
AGE: A1, A2, A3, A4, A5     #Agreeableness
CON: C1, C2, C3, C4, C5     #Conscientiousness
EXT: E1, E2, E3, E4, E5     #Extraversion
NEU: N1, N2, N3, N4, N5     #Neuroticism
OPE: O1, O2, O3, O4, O5     #Openness
"

Tên nhân tố ngắn, dễ nhớ
Tên nhân tố theo sau bởi dấu hai chấm
Liệt kê mục, cách nhau bằng dấu phẩy

theory_syn <- cfa(text = theory_syn_eq, reference.indicators = FALSE)

Hãy tạo một ít cú pháp!

Phân tích Nhân tố trong R