모델 적합도

R로 배우는 요인분석

Jennifer Brussow

Psychometrician

절대적 vs. 상대적 모델 적합도

절대적 적합도 통계량은 고유한 의미와 권장 기준값을 가집니다.

카이제곱 검정
Tucker-Lewis 지수 (TLI)
근사 오차 제곱 평균의 제곱근 (RMSEA)

상대적 적합도 통계량은 모델 비교 시에만 의미가 있습니다.

베이지안 정보 기준 (BIC)

절대적 적합도 통계량

일반적으로 사용되는 기준값:

카이제곱 검정: 비유의적 결과
Tucker Lewis 지수 (TLI): > 0.90
근사 오차 제곱 평균의 제곱근 (RMSEA): < 0.05

적합도 통계량 확인

# Run the EFA with six factors (as indicated by your scree plot)
EFA_model <- fa(bfi_EFA, nfactors = 6)

# View results from the model object
EFA_model

The total number of observations was  1400  
    with Likelihood Chi Square =  618.43  with prob <  1.2e-53

Tucker Lewis Index of factoring reliability =  0.916
RMSEA index =  0.045  and the 90 % confidence intervals are  0.041 0.048

BIC =  -576.87

상대적 모델 적합도

# Run each theorized EFA on your dataset
bfi_theory <- fa(bfi_EFA, nfactors = 5)
bfi_eigen <- fa(bfi_EFA, nfactors = 6)

# Compare the BIC values
bfi_theory$BIC
bfi_eigen$BIC

bfi_theory$BIC
bfi_eigen$BIC

-381.5326
-576.8658

요약: 적합도 평가

모델의 절대적 적합도를 확인합니다 (카이제곱 검정, TLI, RMSEA)
여러 모델을 비교할 경우, 상대적 적합도 통계량을 사용합니다 (BIC)

연습해 봅시다!

R로 배우는 요인분석