Analyser l'ajustement du modèle

Analyse factorielle avec R

Jennifer Brussow

Psychometrician

Statistiques d'ajustement par défaut

Le test du chi carré (aussi appelé test de log-vraisemblance) est le seul par défaut

summary(theory_CFA)

 Model Chisquare =  2231.647   Df =  265 Pr(>Chisq) = 1.695873e-307

Souvent significatif à cause de la taille de l'échantillon
L'idéal est l'absence de signification

Modifier les options

options(fit.indices = c("CFI", "GFI", "RMSEA", "BIC"))

RMSEA < 0,05
GFI (Goodness of Fit Index) > 0,90
CFI (Comparative Fit Index) > 0,90

Ajustement absolu du modèle

summary(theory_CFA)

 Model Chisquare =  2305.159   Df =  271 Pr(>Chisq) = 0

 Goodness-of-fit index =  0.8527977

 RMSEA index =  0.07815051   90% CI: (NA, NA)

 Bentler CFI =  0.7754574

Ajustement relatif

summary(theory_CFA)

 Model Chisquare =  2305.159   Df =  271 Pr(>Chisq) = 8.422189e-319
 Goodness-of-fit index =  0.8527977
 RMSEA index =  0.07815051   90% CI: (NA, NA)
 Bentler CFI =  0.7754574
 BIC =  377.0563

summary(theory_CFA)$BIC

326.618

Ajustement relatif : comparer des modèles

summary(theory_CFA)$BIC

326.618

# Run a CFA using the EFA syntax you created earlier
EFA_CFA <- sem(EFA_syn, data = bfi_CFA)
summary(EFA_CFA)$BIC

377.0563

Utile pour des modèles emboîtés ajustés au même ensemble de données
À éviter si ces conditions ne sont pas respectées !

Passons à la pratique !

Analyse factorielle avec R