Качество подгонки модели

Факторный анализ в R

Jennifer Brussow

Psychometrician

Абсолютное и относительное качество модели

Абсолютные статистики качества имеют самостоятельное значение и рекомендуемые пороговые значения.

Критерий хи-квадрат
Индекс Такера–Льюиса (TLI)
Среднеквадратическая ошибка аппроксимации (RMSEA)

Относительные статистики имеют смысл только при сравнении моделей.

Байесовский информационный критерий (BIC)

Абсолютные статистики качества

Часто используемые пороговые значения:

Критерий хи-квадрат: незначимый результат
Индекс Такера–Льюиса (TLI): > 0.90
Среднеквадратическая ошибка аппроксимации (RMSEA): < 0.05

Получение статистик качества

# 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

Относительное качество модели

# 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

Итог: оценка качества подгонки

Убедитесь, что модель обладает хорошим абсолютным качеством подгонки (критерий хи-квадрат, TLI, RMSEA).
При сравнении нескольких моделей используйте относительные статистики качества (BIC).

Давайте потренируемся!

Факторный анализ в R