Thêm hệ số tải để cải thiện độ phù hợp mô hình

Phân tích Nhân tố trong R

Jennifer Brussow

Psychometrician

Khi nào nên điều chỉnh

Ghi nhớ:

EFA ước lượng tất cả hệ số tải của biến/quy tắc tiềm ẩn
CFA chỉ ước lượng các hệ số tải được chỉ định
Mô hình fit kém có thể do bỏ sót hệ số tải

Thêm hệ số tải vào cú pháp

Hai mối quan hệ biến/mặt tiềm ẩn nên thêm:

Extraversion → Mục N4
Neuroticism → Mục E3

summary(theory_CFA)

...

Parameter Estimates
            Estimate   Std Error  z value    Pr(>|z|)                  
C[EXT,NEU]   0.2362614 0.03364096   7.023029  2.171093e-12 NEU <--> EXT
...

Thêm hệ số tải

Thêm hệ số tải mới vào cú pháp

# Thêm một số hệ số tải biến/mặt tiềm ẩn hợp lý vào cú pháp
theory_syn_add <- "
AGE: A1, A2, A3, A4, A5
CON: C1, C2, C3, C4, C5
EXT: E1, E2, E3, E4, E5, N4
NEU: N1, N2, N3, N4, N5, E3
OPE: O1, O2, O3, O4, O5 "

# Như trước, chuyển phương trình sang cú pháp tương thích sem
theory_syn2 <- cfa(text = theory_syn_add, reference.indicators = FALSE)

# Chạy CFA với cú pháp đã sửa
theory_CFA_add <- sem(model = theory_syn2, data = bfi_CFA)

So sánh mô hình gốc và mô hình sửa đổi

# Thực hiện kiểm định tỷ số hợp lý (likelihood ratio)
anova(theory_CFA, theory_CFA_add)

LR Test for Difference Between Models

               Model Df Model Chisq Df LR Chisq Pr(>Chisq)    
theory_CFA          265      2212.0                           
theory_CFA_rev      263      2097.8  2   114.28  < 2.2e-16 ***

Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

So sánh mô hình gốc và mô hình sửa đổi

# So sánh CFI - cao hơn là tốt hơn!
summary(theory_CFA)$CFI

0.785075

summary(theory_CFA_add)$CFI

0.7974694

So sánh mô hình gốc và mô hình sửa đổi

# So sánh RMSEA - thấp hơn là tốt hơn!
summary(theory_CFA)$RMSEA

0.07731925         NA         NA 0.90

summary(theory_CFA_add)$RMSEA

0.07534156         NA         NA 0.90

Thông tin thêm về chỉ số phù hợp: http://davidakenny.net/cm/fit.htm

Cùng luyện tập nào!

Phân tích Nhân tố trong R