EFA สนับสนุนปัจจัยหนึ่งอย่างชัดเจนการวัดมีความสอดคล้องกันภายใน แต่ CFA นั้นเหมาะสมหรือไม่

ฉันกำลังสำรวจคุณสมบัติไซโครเมทของการวัดรายงานตนเอง 10 ข้อ ฉันมีประมาณ 400 รายในสองตัวอย่างอิสระ รายการจะแล้วเสร็จในสเกล Likert 4 จุด EFA สนับสนุนการแก้ปัญหาปัจจัยเดียวอย่างชัดเจน (เช่นค่าเริ่มต้นแรกที่มากกว่า 6 ค่าอื่น ๆ ทั้งหมดต่ำกว่า 1) และค่าอัลฟาของ Cronbach นั้นดี (เช่น. 90) ไม่มีรายการใดที่มีความสัมพันธ์กับผลรวมรายการต่ำ

เดิมทีฉันต้องการทำ CFA (EFA เป็นเพียงการติดตามหลังจากที่ฉันเห็น CFA ไม่ดี) ทดสอบแบบจำลองปัจจัยเดียว สำหรับความประหลาดใจของฉันแบบสำหรับรุ่นนั้นค่อนข้างแย่:

CFI=.91
TLI=.88
RMSEA=.13

ยิ่งไปกว่านั้นการโหลดสำหรับแต่ละรายการค่อนข้างดี (.65+)

ผิดปกติSRMR=.05ซึ่งเป็นที่ยอมรับ / ดี

ดัชนีการปรับเปลี่ยนแนะนำให้ฉันเชื่อมโยงข้อผิดพลาดทั่วทุกที่ หากมีเหตุผลที่ชัดเจนในการทำเช่น (บางรายการมีถ้อยคำที่คล้ายกันมาก) ฉันจะทำเช่นนี้; แม้กระนั้นมาตรการทั้งหมดจะถูกพูดในทำนองเดียวกันและความสัมพันธ์ข้อผิดพลาดทั้งหมดจะแปลกและเจ็บปวด

ฉันไม่เคยเห็นกรณีเช่นนี้ มาตรการดังกล่าวมีความสอดคล้องกันภายในและประกอบด้วยปัจจัยหนึ่งใน EFA อย่างชัดเจน แต่แสดงให้เห็นถึงความพอดีใน CFA ผลลัพธ์มีความสอดคล้องกันทั้งในตัวอย่างอิสระ (จากทวีปต่าง ๆ ) ฉันลอง CFA สองปัจจัย (จัดกลุ่ม 5 รายการแบบสุ่ม) และแบบเต็มนั้นเหมือนกันหรือดีกว่าเล็กน้อย

นี่คือคำถามของฉัน:

1. เหตุใดความพอดีตาม CFI / TLI / RMSEA จึงไม่ดีนักเมื่อรับ EFA / Cronbach alpha / factor load
2. ทำไม SRMR ถึงดีในขณะที่ดัชนีอื่น ๆ ไม่ได้? ฉันรู้ว่าพวกเขาวัดสิ่งต่าง ๆ แต่จากประสบการณ์ของฉันพวกเขาเกือบจะมาบรรจบกัน
3. ฉันควรเชื่อมโยงข้อผิดพลาดบางอย่างหรือไม่

รายการตัวอย่าง:

• คุณมีความคิดเกี่ยวกับข้อบกพร่องของคุณ
• คุณมีความคิดที่ยากจะลืม
• คุณคิดถึงสถานการณ์ตลอดเวลา

นั่นเป็นเรื่องปกติ

CFA เป็นเกณฑ์ที่เข้มงวดมากกว่า EFA EFA พยายามอธิบายข้อมูลของคุณ แต่ CFA จะทดสอบว่าแบบจำลองนั้นถูกต้องหรือไม่

เหตุผลข้อหนึ่งสำหรับการไม่คอนเวอร์เจนซ์คือความสัมพันธ์เฉลี่ยต่ำ (แต่ฉันคาดว่า RMSEA จะดีกว่า) การทดสอบไคสแควร์เป็นการทดสอบที่เหลืออยู่ของคุณเท่ากับศูนย์และ RMSEA, TLI และ CFI เป็นการแปลงรูปแบบการทดสอบ

พอดีจะดีกว่าเสมอในการแก้ปัญหาสองปัจจัยกว่าการแก้ปัญหาปัจจัยเดียว (พวกเขาซ้อนกัน)

บางคำถามเพิ่มเติม: ขนาดตัวอย่างของคุณคืออะไร ความสัมพันธ์เฉลี่ยคืออะไร ไคสแควร์และ df คืออะไร, ไคสแควร์ของโมเดลว่างคืออะไร?

คุณควรเพิ่มข้อผิดพลาดที่สัมพันธ์กันหรือไม่ บางที แต่เมื่อคุณทำเช่นนั้นคุณกำลังแนะนำปัจจัยเพิ่มเติม ด้วยความพอดีเช่นนี้คุณอาจต้องเพิ่มจำนวนมากและจากนั้นคุณก็จบลงด้วยความยุ่งเหยิง - วิธีที่ดีที่สุดคือถ้าพวกเขาได้รับการพิสูจน์ในทางใดทางหนึ่ง ตัวอย่างเช่นรายการที่สองและสามของคุณเกี่ยวกับความคิดที่ล่วงล้ำซึ่งอาจเป็นเหตุผล