Modellanpassning

Faktoranalys i R

Jennifer Brussow

Psychometrician

Absolut vs. relativ modellanpassning

Absoluta anpassningsstatistiker har inneboende mening och föreslagna gränsvärden.

Chi-två-test
Tucker-Lewis Index (TLI)
Root Mean Square Error of Approximation (RMSEA)

Relativa anpassningsstatistiker är bara meningsfulla vid jämförelse av modeller.

Bayesian Information Criterion (BIC)

Absoluta anpassningsstatistiker

Vanliga gränsvärden:

Chi-två-test: Icke-signifikant resultat
Tucker Lewis Index (TLI): > 0,90
Root Mean Square Error of Approximation (RMSEA): < 0,05

Hitta anpassningsstatistikerna

# 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

Relativ modellanpassning

# 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

Sammanfattning: utvärdera anpassning

Se till att din modell har god absolut anpassning (chi-två-test, TLI, RMSEA)
Om du jämför flera modeller, använd relativa anpassningsstatistiker (BIC)

Nu kör vi en övning!

Faktoranalys i R