验证性因子分析拟合指标说明

爱数据精选
爱数据精选
爱数据精选
449
文章
0
评论
2021-05-2811:12:47 评论 46 1513字
摘要

判断构建模型优劣与否是CFA的重要内容,各类拟合指标的高低又影响着模型的整体评价。然而模型拟合指标有那么多,具体每个指标代表什么意思?它们的判断标准又是什么?往往是一顿操作猛如虎,一看结果啥不懂。别着急现在就跟着SPSSAU一起来学习。

一.模型拟合评价指标

验证性因子分析拟合指标说明

 

建议使用常见的几个指标即可,包括卡方自由度比,GFI,RMSEA,RMR,CFI,NFI:

 

二.卡方自由度比

卡方自由度比小于3时,模型拟合效果良好。

卡方自由度比值是卡方值除以自由度值,卡方值容易受到样本量的影响,样本越大时该值越可能更小,所以小样本时卡方自由度比值容易偏大。

另外,如果是饱和模型则自由度为0,此时模型无法得到卡方自由度值,这是正常现象,如果自由度值为0,SPSSAU默认会以"-"标识出卡方自由度值。除此之外,很多时候还会出现拟合指标数值为1.000的现象,这也是正常现象。

 

三.GFI

GFI始终比1小,一般认为大于0.9时,模型拟合效果良好。

 

四.RMSEA

RMSEA小于0.1表示拟合较好;低于0.05拟合良好。

 

五.RMR

一般RMR小于0.05,说明模型拟合效果良好,越接近0越好。

 

六.CFI

比较拟合指数,其值位于0和1之间。其值大于或等于0.9表示模型可接受。

 

七.NFI

该指标反映了假设模型和独立模型之间的差异。

独立模型是指变量中不存在任何相关关系的一种简单模型。

假设模型和独立模型的差异越大,说明假设模型拟合效果良好。

一般NFI大于0.9,假设模型拟合效果良好。

 

AIC和BIC值用于多次分析时的对比;此两值越低越好;如果多次进行分析,可对比此两个值的变化情况,综合说明模型构建的优化过程。

八.如何提高模型拟合情况

验证性因子分析有着非常多的拟合指标,比如卡方自由度比,RMSEA、CFA、RMR等几十种,但在实际研究中会发现基本上很难所有指标均达标。

如果研究时发现最常用的几个指标在标准范围内(或者多数指标基本均接近或明显在标准范围内),而有其它一些指标并不在标准范围内,相信模型拟合也是较好的,因此不用完全考虑所有的拟合指标均达标,几乎也不可能所有的指标均达标。

而如果研究目的是进行效度验证或者组合信度等,一般对于模型拟合指标的关注度较低,可直接忽略即可。

如果是使用验证性因子分析进行共同方差偏差CMV检查,那么其检查原理就是查看拟合指标不好,用于说明没有CMV问题;

如果说使用验证性因子分析做权重计算时指标拟合不好,可考虑删除项,或者进行MI调整等。

如果说模型拟合出现大面积的不达标,而且明显偏离标准范围内,那么这种模型需要进行调整才行。

 

解决办法1:检查数据质量

样本量会影响拟合指标结果,当样本量偏低时,容易出现拟合指标偏低的情况。建议样本量至少为测量项(量表题)的5倍以上,最好10倍以上,且一般情况下至少需要200个样本。

特别提示:验证性因子分析只能分析量表数据,如果将非量表数据放入,通常结果都不好。

 

解决办法2:检查factor loading值过大或过小

因子载荷系数往往会影响模型的整体拟合结果:

如果说标准化的Factor loading值过大,比如大于1,说明有着很强的共线性问题,建议可分别针对每个因子对应的项,分别做相关分析,将相关关系过强(比如相关系数值大于0.8甚至0.9)的项删除后重新分析,减少共线性问题;

如果说标准化factor loading值过小,比如0.4,那么说明该项应该直接删除掉,删除后拟合指标数值会有提高。

 

解决办法3:梳理分析流程

在进行验证性因子分析之前,最好是先进行探索性因子分析,如果探索性因子分析已经发现问题,比如因子与项之间的对应关系有问题,那么数据继续进行验证性因子分析,一般都会有各种问题,同时也会导致模型指标拟合得非常差。

End.

作者:SPSSAU

转载如果涉及作品、版权其他问题请联系我们第一时间删除微信号:lovedata0520)

更多文章前往首页浏览http://www.itongji.cn/

 

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: