修正指標
Rで学ぶlavaanによる構造方程式モデリング
Erin Buchanan
Professor
不適合モデルの改善
User model versus baseline model:
Comparative Fit Index (CFI) 0.879
Tucker-Lewis Index (TLI) 0.774
Root Mean Square Error of Approximation:
RMSEA 0.128
90 Percent Confidence Interval 0.094 0.164
P-value RMSEA <= 0.05 0.000
Standardized Root Mean Square Residual:
SRMR 0.079
不適合モデルの改善 (2)
Latent Variables:
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
不適合モデルの改善 (3)
Variances:
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
修正指標
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
- 1つずつ追加する
- 意味のあるパラメータを追加する
モデルの更新
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)
User model versus baseline model:
Comparative Fit Index (CFI) 0.976
Tucker-Lewis Index (TLI) 0.949
練習しましょう！
Rで学ぶlavaanによる構造方程式モデリング
