ฉันจะตีความเอาต์พุตลาวาได้อย่างไร

ฉันกำลังพยายามวิเคราะห์องค์ประกอบเชิงยืนยัน (CFA) lavaanโดยใช้ lavaanฉันมีช่วงเวลาที่ยากตีความการส่งออกที่ผลิตโดย

ฉันมีรูปแบบง่าย ๆ - 4 ปัจจัยแต่ละรายการได้รับการสนับสนุนจากข้อมูลการสำรวจที่เก็บรวบรวม ปัจจัยที่สอดคล้องกับสิ่งที่วัดได้โดยรายการเท่าที่ดูเหมือนว่าพวกเขาสามารถทำหน้าที่เป็นวัดที่ถูกต้อง

โปรดช่วยฉันเข้าใจผลลัพธ์ต่อไปนี้ผลิตโดยlavaan's cfa():

 Number of observations                          1730

  Estimator                                         ML
  Minimum Function Test Statistic              196.634
  Degrees of freedom                                21
  P-value (Chi-square)                           0.000

Model test baseline model:

  Minimum Function Test Statistic             3957.231
  Degrees of freedom                                36
  P-value                                        0.000

User model versus baseline model:

  Comparative Fit Index (CFI)                    0.955
  Tucker-Lewis Index (TLI)                       0.923

ฉันมีคำถามเหล่านี้:

1. แบบจำลองพื้นฐานกำหนดไว้อย่างไร?
2. เมื่อพิจารณาจากระดับความเป็นอิสระที่ระบุสถิติ Chi-Sq ที่คำนวณได้มีขนาดใหญ่กว่าที่คาดไว้มีการตีความใด ๆ สำหรับค่า p ที่มีค่าเท่ากับ 0.000 หรือไม่
3. จาก CFI และ TLI ดูเหมือนว่าฉันเกือบจะมีรูปแบบที่สมเหตุสมผล นี่เป็นการตีความที่ยุติธรรมหรือไม่?

1) พื้นฐานคือโมเดลที่เป็นโมฆะซึ่งโดยทั่วไปแล้วตัวแปรที่คุณสังเกตเห็นทั้งหมดจะถูก จำกัด ให้อยู่ในรูปแบบโควารีโดยไม่มีตัวแปรอื่น ๆ (กล่าวอีกนัยหนึ่งคือค่าความแปรปรวนร่วมคงที่เป็น 0) นี่คือสิ่งที่มักจะถูกนำมาใช้เป็นแบบจำลองที่เหมาะสมที่สุดที่เป็นไปได้ 'สมเหตุสมผล' ซึ่งเทียบกับแบบจำลองที่คุณติดตั้งไว้เพื่อคำนวณดัชนีสัมพัทธ์ของแบบจำลองที่พอดี

2) สถิติไคสแควร์ (ระบุว่าเป็นสถิติการทดสอบฟังก์ชั่นขั้นต่ำ) ใช้ในการทดสอบแบบจำลองที่สมบูรณ์แบบทั้งสำหรับแบบจำลองที่ระบุและแบบ null / แบบพื้นฐาน โดยพื้นฐานแล้วเป็นการวัดความเบี่ยงเบนระหว่างเมทริกซ์ความแปรปรวน / ความแปรปรวนร่วมโดยโมเดลของคุณและเมทริกซ์ความแปรปรวน / แปรปรวนร่วมที่สังเกตได้ของคุณ ในทั้งสองกรณีค่าว่างที่สมบูรณ์แบบถูกปฏิเสธ ( p<.001) แม้ว่าจะเป็นการออกแบบในกรณีของโมเดลพื้นฐาน / null นักสถิติบางคน (เช่น Klein, 2010) ให้เหตุผลว่าการทดสอบไคสแควร์ของแบบจำลองนั้นมีประโยชน์ในการประเมินคุณภาพของแบบจำลอง แต่คนอื่น ๆ ส่วนใหญ่ไม่สนับสนุนให้มีการตีความหุ้นจำนวนมากทั้งในเชิงแนวคิด พอดีที่สมบูรณ์ไม่มีเหตุผล) และการปฏิบัติ (เช่นการทดสอบไคสแควร์มีความไวต่อขนาดตัวอย่าง) เหตุผล (ดู Brown, 2015; Little, 2013, เป็นต้น) อย่างไรก็ตามมันมีประโยชน์สำหรับการคำนวณดัชนีอื่น ๆ อีกมากมายซึ่งเป็นข้อมูลที่มากกว่า

3) มาตรฐานสำหรับระดับของแบบจำลองที่ถือว่า "ยอมรับได้" อาจแตกต่างจากระเบียบวินัยถึงวินัย แต่อย่างน้อยตาม Hu & Bentler (1999) คุณอยู่ในขอบเขตของสิ่งที่ถือว่า "ยอมรับ" CFI ที่. 955 นั้นมักจะถือว่า "ดี" อย่างไรก็ตามโปรดทราบว่าทั้ง TLI และ CFI เป็นดัชนีที่สัมพันธ์กันของแบบจำลอง - พวกเขาเปรียบเทียบความพอดีของแบบจำลองของคุณกับความพอดีของแบบจำลอง null (ที่แย่ที่สุด) Hu & Bentler (1999) แนะนำให้คุณตีความ / รายงานทั้งความสัมพันธ์และดัชนีสมบูรณ์ของแบบจำลอง ดัชนีสัมบูรณ์ของแบบจำลองเปรียบเทียบความพอดีของแบบจำลองของคุณกับแบบจำลองที่สมบูรณ์แบบ - RMSEA และ SRMR เป็นตัวเลือกที่ดีสองประการ (อดีตมักคำนวณพร้อมกับช่วงความมั่นใจซึ่งเป็นเรื่องที่ดี)

อ้างอิง

บราวน์, TA (2015) การวิเคราะห์องค์ประกอบเชิงยืนยันสำหรับการวิจัยประยุกต์ (ฉบับที่ 2) นิวยอร์กนิวยอร์ก: Guilford กด

Hu, L. , & Bentler, PM (1999) เกณฑ์การตัดสำหรับดัชนีที่พอดีในการวิเคราะห์โครงสร้างความแปรปรวนร่วม: เกณฑ์ทั่วไปกับทางเลือกใหม่ แบบจำลองสมการโครงสร้าง , 6 , 1-55

Kline, RB (2010) หลักการและการปฏิบัติของการสร้างแบบจำลองสมการโครงสร้าง (ฉบับที่ 3) นิวยอร์กนิวยอร์ก: Guilford กด

เล็กน้อย, TD (2013) ระยะยาวการสร้างแบบจำลองสมการโครงสร้าง นิวยอร์กนิวยอร์ก: Guilford กด