Dopasowanie modelu

Analiza czynnikowa w R

Jennifer Brussow

Psychometrician

Dopasowanie bezwzględne a względne

Statystyki dopasowania bezwzględnego mają wartości graniczne i wewnętrzne znaczenie.

Test chi-kwadrat
Indeks Tuckera-Lewisa (TLI)
Pierwiastek średniego kwadratu błędu aproksymacji (RMSEA)

Statystyki dopasowania względnego mają znaczenie tylko przy porównywaniu modeli.

Bayesowski kryterium informacyjne (BIC)

Statystyki dopasowania bezwzględnego

Często stosowane wartości graniczne:

Test chi-kwadrat: wynik nieistotny statystycznie
Indeks Tuckera-Lewisa (TLI): > 0,90
Pierwiastek średniego kwadratu błędu aproksymacji (RMSEA): < 0,05

Odczytywanie statystyk dopasowania

# 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

Dopasowanie względne modelu

# 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

Podsumowanie: ocena dopasowania

Upewnij się, że model ma dobre dopasowanie bezwzględne (test chi-kwadrat, TLI, RMSEA)
Jeśli porównujesz wiele modeli, użyj statystyk dopasowania względnego (BIC)

Czas na ćwiczenia!

Analiza czynnikowa w R