การตั้งค่า CFA

การวิเคราะห์ปัจจัยใน R

Jennifer Brussow

Psychometrician

ทำไมต้องใช้การวิเคราะห์เชิงยืนยัน?

ประโยชน์ของการวิเคราะห์เชิงยืนยัน:

ระบุความสัมพันธ์ระหว่างตัวแปร/ปัจจัยอย่างชัดเจน
ทดสอบทฤษฎีที่กำหนดไว้ล่วงหน้า
เหมาะสมที่สุดสำหรับการเผยแพร่เมื่อพัฒนามาตรวัดใหม่!

ไดอะแกรมเส้นทางจากผลลัพธ์ EFA

ใช้ฟังก์ชัน wrapper เพื่อตั้งค่า CFA

EFA_syn <- structure.sem(EFA_model)

EFA_syn

      Path        Parameter Value
 [1,] "MR5->A1"   "F4A1"    NA   
 [2,] "MR5->A2"   "F4A2"    NA   
 [3,] "MR5->A3"   "F4A3"    NA   
 [4,] "MR5->A4"   "F4A4"    NA   
 [5,] "MR5->A5"   "F4A5"    NA   
 [6,] "MR3->C1"   "F3C1"    NA   
 [7,] "MR3->C2"   "F3C2"    NA   
 [8,] "MR3->C3"   "F3C3"    NA   
 [9,] "MR3->C4"   "F3C4"    NA   
[10,] "MR3->C5"   "F3C5"    NA   
[11,] "MR1->E1"   "F2E1"    NA   
...

ซินแทกซ์ที่สร้างจากฟังก์ชัน wrapper

EFA_syn

      Path        Parameter Value
 [1,] "MR5->A1"   "F4A1"    NA

Factor 4 (F4) = ปัจจัย MR5 จาก EFA
ระดับปัจจัยของผู้ทดสอบเป็นตัวทำนายการตอบสนองต่อข้อ
ฟังก์ชัน wrapper ตั้งชื่อพารามิเตอร์โดยอัตโนมัติ
ค่า NA = ค่าเริ่มต้นที่เลือกแบบสุ่ม

การสร้างซินแทกซ์ CFA จากทฤษฎีของคุณ

# Set up syntax specifying which items load onto each factor
theory_syn_eq <- "
AGE: A1, A2, A3, A4, A5     #Agreeableness
CON: C1, C2, C3, C4, C5     #Conscientiousness
EXT: E1, E2, E3, E4, E5     #Extraversion
NEU: N1, N2, N3, N4, N5     #Neuroticism
OPE: O1, O2, O3, O4, O5     #Openness
"

ชื่อปัจจัยที่สั้น จำง่าย
ชื่อปัจจัยตามด้วยเครื่องหมายโคลอน
รายการข้อคั่นด้วยเครื่องหมายจุลภาค

theory_syn <- cfa(text = theory_syn_eq, reference.indicators = FALSE)

มาฝึกกันเถอะ!

การวิเคราะห์ปัจจัยใน R