용암 생산량을 어떻게 해석합니까?


11

를 사용하여 확인 요인 분석 (CFA)을 시도하고 lavaan있습니다. 에 의해 생성 된 출력을 해석하는 데 어려움을 겪고 lavaan있습니다.

수집 된 설문 조사 데이터의 항목이 지원하는 4 가지 요소가있는 간단한 모델이 있습니다. 요인은 유효한 측정의 역할을 할 가능성이있는 것처럼 항목에 의해 측정 된 것과 일치합니다.

도움 나에 의해 생성 된 다음과 같은 출력을 양해 해 주시기 바랍니다 lavaan'들 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

다음과 같은 질문이 있습니다.

  1. 기준 모델은 어떻게 정의됩니까?
  2. 지정된 자유도에 대해 계산 된 카이-제곱 통계량이 예상했던 것보다 큽니다. p- 값에 대한 해석이 0.000과 같습니까?
  3. CFI와 TLI에 따르면 거의 합리적인 모델이있는 것 같습니다. 이것이 공정한 해석입니까?

Lavaan Google 그룹에 가입하도록 권유하겠습니다. 훌륭한 자료이며 Lavaan을 개발 한 Yves는 많은 질문에 적극적으로 답변하고 있습니다.
robin.datadrivers

두 번째 질문에서 무엇을 의미합니까? P는 0.000의 -value 그냥 의미 P는 - 값은 <0.0005이 (통상적으로 당신은 아마로보고 것입니다 P <0.001).
Patrick Coulombe

답변:


13

1) 기준선은 null 모델로, 일반적으로 관측 된 모든 변수가 다른 변수없이 공존하도록 제한됩니다 (다른 방법으로 공분산은 0으로 고정됨). 개별 분산 만 추정됩니다. 이것은 종종 '합리적인'최악의 피팅 모델로 간주되며, 모델 피팅의 상대 인덱스 (예 : CFI / TLI)를 계산하기 위해 피팅 모델을 비교합니다.

2) 카이 제곱 통계량 (최소 함수 검정 통계량으로 표시)은 지정된 모형과 널 / 기준선 모형 모두에 대해 완벽한 모형 적합 검정을 수행하는 데 사용됩니다. 이는 본질적으로 모형에 포함 된 분산 / 공분산 행렬과 관측 된 분산 / 공분산 행렬 간의 편차를 측정 한 것입니다. 두 경우 모두 완벽하게 맞는 null이 거부됩니다 ( p베이스 라인 / 널 모델의 경우 의도적으로 설계된 것이지만 <.001). 일부 통계 학자 (예 : Klein, 2010)는 모형 적합에 대한 카이 제곱 검정이 모형의 품질을 평가하는 데 유용하지만 대부분의 경우 개념 (예 : 완벽한 적합은 불합리한) 실용적 (즉, 카이-제곱 검정은 표본 크기에 민감 함) 이유입니다 (예 : Brown, 2015; Little, 2013 참조). 그러나 모델 정보에 대한 더 많은 정보를 제공하는 다른 인덱스를 계산하는 데 유용합니다.

3) 모델 수용 수준이 "허용 가능"한 것으로 간주되는 표준은 분야마다 다르지만 최소한 Hu & Bentler (1999)에 따르면 "허용 가능"으로 간주되는 영역 내에 있습니다. .955의 CFI는 종종 "좋은"것으로 간주됩니다. 그러나 TLI와 CFI는 모두 모형 적합의 상대적 색인이며 모형의 적합을 (최악의 적합) 널 모형의 적합과 비교합니다. Hu & Bentler (1999) 는 모형 적합 의 상대 지수 와 절대 지수를 모두 해석 /보고 할 것을 제안했습니다 . 절대 모형 적합 지수는 모형의 적합도를 완벽한 적합 모형과 비교합니다 .RMSEA와 SRMR은 좋은 후보입니다 (이는 신뢰 구간과 함께 계산되는 경우가 많습니다).

참고 문헌

브라운, TA (2015). 응용 연구에 대한 확인 요인 분석 (2 판) . 뉴욕, 뉴욕 : 길 포드 출판사.

Hu, L., & Bentler, PM (1999). 공분산 구조 분석에서 적합 지수에 대한 컷오프 기준 : 기존 기준과 새로운 대안. 구조 방정식 모델링 , 6 , 1-55.

클라인, RB (2010). 구조 방정식 모델링의 원리와 실습 (제 3 판) . 뉴욕, 뉴욕 : 길 포드 출판사.

Little, TD (2013). 종 방향 구조식 모델링 . 뉴욕, 뉴욕 : 길 포드 출판사.


참조 해 주셔서 감사합니다. 이것은 정말 도움이되었습니다!
Judy

1
문제 없습니다, @Judy. Brown (2015), Little (2013-- 종종 모델링을 계획하지 않더라도) 및 Beaujean (2014)은 모두 SEM에 대해 실제로 접근 가능한 소개를 제공합니다. R / 용암 패키지를 주로 사용하려는 경우 Beaujean (2014)을 가장 권장합니다. 그러나 개념적으로는 모두 훌륭한 입문 리소스입니다.
jsakaluk

@jsakaluk 종단 컨텍스트에서 기준선 null 모델을 어떻게 지정 하시겠습니까? 세로 형 SEM (2013)에 관한 Little 's book의 일부를 읽었지만 null 모델에 요인 간 공분산이 포함되어 있는지 확실하지 않습니다.
Amonet

지정하려는 널 모델에 따라 다릅니다. 기존의 null 모델을 수동으로 지정하는 경우가 가끔씩 사용되지만 Little (2013)은 종단 모델에 대해 지정할 수있는 대체 null 모델에 대해서도 논의했습니다 (다른 모델이 있으면 놀라지 않을 것입니다). 이것은 여기서 논의하기에 약간 벗어난 것처럼 보이지만 새로운 질문이 가치가있을 수 있습니다.
jsakaluk
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.