加入載荷以改善模型擬合

R 中的因素分析

Jennifer Brussow

Psychometrician

何時進行調整

複習：

  • EFA 會估計所有題項／因子載荷
  • CFA 只估計指定的載荷
  • 擬合不佳可能是因為排除了關鍵載荷
R 中的因素分析

在語法中加入載荷

兩個值得加入的題項／因子關係：

  • Extraversion → 題項 N4
  • Neuroticism → 題項 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
...
R 中的因素分析

在 bfi 因子圖上新增載荷

R 中的因素分析

在語法中新增載荷

# 在語法中加入幾個合理的題項／因子載荷
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 "

# 如前，將等式轉為相容 sem 的語法
theory_syn2 <- cfa(text = theory_syn_add, reference.indicators = FALSE)

# 以修訂後語法執行 CFA
theory_CFA_add <- sem(model = theory_syn2, data = bfi_CFA)
R 中的因素分析

比較原始與修訂模型

# 進行概似比檢定
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
R 中的因素分析

比較原始與修訂模型

# 比較 CFI（越高越好）
summary(theory_CFA)$CFI

0.785075

summary(theory_CFA_add)$CFI

0.7974694
R 中的因素分析

比較原始與修訂模型

# 比較 RMSEA（越低越好）
summary(theory_CFA)$RMSEA

0.07731925         NA         NA 0.90

summary(theory_CFA_add)$RMSEA

0.07534156         NA         NA 0.90
R 中的因素分析

一起來練習吧！

R 中的因素分析

Preparing Video For Download...