模型拟合

R 中的因子分析

Jennifer Brussow

Psychometrician

绝对拟合 vs. 相对拟合

绝对拟合统计量具有自身含义和建议阈值。

卡方检验
Tucker–Lewis 指数（TLI）
近似均方根误差（RMSEA）

相对拟合统计量仅在比较模型时有意义。

贝叶斯信息准则（BIC）

绝对拟合统计量

常用阈值：

卡方检验：结果不显著
Tucker–Lewis 指数（TLI）：> 0.90
近似均方根误差（RMSEA）：< 0.05

查找拟合统计量

# 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

相对拟合

# 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

小结：评估拟合

先确保模型绝对拟合良好（卡方检验、TLI、RMSEA）
比较多个模型时，使用相对拟合统计量（BIC）

Passons à la pratique !

R 中的因子分析