CFAの設定

Rで学ぶ因子分析

Jennifer Brussow

Psychometrician

なぜ確認的分析を行うのか？

確認的分析のメリット:

変数・因子の関係を明示的に指定
事前に設定した理論を検証
新しい尺度を開発する際に適切な手法！

EFA結果のパス図

ラッパー関数を使ったCFAの設定

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   
...

ラッパー関数が生成する構文

EFA_syn

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

因子4（F4）= EFAの因子MR5
因子の水準が項目の回答を予測
ラッパー関数がパラメータを自動命名
NA値 = 開始値はランダムに選択

理論に基づくCFA構文の作成

# 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
"

短くて覚えやすい因子名
因子名の後にコロンを記述
項目をカンマ区切りのリストで指定

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

構文を作成しましょう！

Rで学ぶ因子分析