मॉडल फिट सुधारने के लिए लोडिंग्स जोड़ना
R में Factor Analysis
Jennifer Brussow
Psychometrician
कब समायोजन करें
याद रखें:
- EFA सभी item/factor लोडिंग्स का अनुमान लगाते हैं
- CFA केवल बताई गई लोडिंग्स का अनुमान लगाते हैं
- खराब मॉडल फिट छोड़ी गई लोडिंग्स के कारण हो सकता है
सिंटैक्स में लोडिंग्स जोड़ना
जोड़ने के लिए दो संभावित item/factor रिश्ते:
- Extraversion → Item N4
- Neuroticism → Item E3
summary(theory_CFA)
...
Parameter Estimates
Estimate Std Error z value Pr(>|z|)
C[EXT,NEU] 0.2362614 0.03364096 7.023029 2.171093e-12 NEU <--> EXT
...
सिंटैक्स में नई लोडिंग्स जोड़ना
# सिंटैक्स में कुछ संभव item/factor लोडिंग्स जोड़ें theory_syn_add <- " AGE: A1, A2, A3, A4, A5 CON: C1, C2, C3, C4, C5 EXT: E1, E2, E3, E4, E5, N4 NEU: N1, N2, N3, N4, N5, E3 OPE: O1, O2, O3, O4, O5 "# पहले की तरह, अपनी equations को sem-compatible सिंटैक्स में बदलें theory_syn2 <- cfa(text = theory_syn_add, reference.indicators = FALSE)# संशोधित सिंटैक्स के साथ CFA चलाएँ theory_CFA_add <- sem(model = theory_syn2, data = bfi_CFA)
मूल और संशोधित मॉडलों की तुलना
# likelihood ratio टेस्ट करें
anova(theory_CFA, theory_CFA_add)
LR Test for Difference Between Models
Model Df Model Chisq Df LR Chisq Pr(>Chisq)
theory_CFA 265 2212.0
theory_CFA_rev 263 2097.8 2 114.28 < 2.2e-16 ***
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
मूल और संशोधित मॉडलों की तुलना
# comparative fit indices की तुलना करें - अधिक होना बेहतर!
summary(theory_CFA)$CFI
0.785075
summary(theory_CFA_add)$CFI
0.7974694
मूल और संशोधित मॉडलों की तुलना
# RMSEA मानों की तुलना करें - कम होना बेहतर!
summary(theory_CFA)$RMSEA
0.07731925 NA NA 0.90
summary(theory_CFA_add)$RMSEA
0.07534156 NA NA 0.90
- फिट इंडेक्स के बारे में अधिक जानकारी: http://davidakenny.net/cm/fit.htm
अभ्यास करते हैं!
R में Factor Analysis
