EFA는 분명히 단일 요소를 지원하고 측정은 내부적으로 일관성이 있지만 CFA가 적합하지 않습니까?


9

10 개 항목 자체보고 측정의 심리적 속성을 탐색하고 있습니다. 두 개의 독립 샘플에 약 400 건이 있습니다. 아이템은 4 점 리 커트 스케일로 완성됩니다. EFA는 단일 요인 솔루션 (예를 들어, 첫 번째 고유 값은 6보다 높고 1은 다른 모든 것)을 분명히 지원하며 Cronbach의 알파는 양호합니다 (예 : .90). 항목 간 상관 관계가 낮은 항목은 없습니다.

원래는 단일 요인 모델을 테스트하는 CFA (EFA는 CFA가 좋지 않은 것을 추적 한 후속 조치였습니다)를 수행하고 싶었습니다. 놀랍게도 모델에 대한 적합성은 상대적으로 열악했습니다.

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

또한 각 항목에 대한 하중은 상당히 좋습니다 (.65+).

이상하게도 SRMR=.05허용되는 / 좋습니다.

수정 지수는 모든 곳에서 오류를 연관시키는 것을 제안합니다. 분명한 합리적 근거가 있다면 (예를 들어, 일부 품목은 매우 유사한 문구가 있음)이 작업을 수행합니다. 그러나 모든 측정 값은 비슷하게 표시되며 모든 오류 조건을 상관시키는 것은 이상하고 고통 스럽습니다.

나는 이런 경우를 본 적이 없다. 이 측정은 내부적으로 일관성이 있으며 EFA의 한 가지 요소로 명확하게 구성되어 있지만 CFA에는 적합하지 않습니다. 결과는 서로 다른 대륙의 두 독립 샘플에서 합치됩니다. 나는 2 단계 CFA (5 개의 무작위 항목 그룹화)를 시도했으며 적합도는 같거나 조금 더 우수했습니다.

내 질문은 다음과 같습니다.

  1. EFA / Cronbach 알파 / 인자 부하를 고려할 때 CFI / TLI / RMSEA에 따른 맞춤이 왜 그렇게 열악합니까?
  2. SRMR이 좋은 반면 다른 지수는 좋지 않은 이유는 무엇입니까? 나는 그들이 다른 것들을 측정한다는 것을 알고 있지만, 내 경험상 그들은 거의 항상 수렴합니다.
  3. 일부 오류를 연관시켜야합니까?

예시 품목 :

  • 당신은 당신의 단점에 대한 생각을 가지고 있습니다
  • 잊기 어려운 생각이 있습니다
  • 당신은 항상 상황에 대해 생각합니다

답변:


9

꽤 정상입니다.

CFA는 EFA보다 훨씬 엄격한 기준입니다. EFA는 데이터를 설명하려고 시도하지만 CFA는 모델이 올바른지 테스트합니다.

비 수렴의 한 가지 이유는 낮은 평균 상관 관계입니다 (그러나 RMSEA가 더 나을 것으로 기대합니다). 카이-제곱 검정은 본질적으로 잔차가 0 인 검정이며 RMSEA, TLI 및 CFI는 검정의 변환입니다.

적합은 항상 단일 요인 솔루션 (중첩 된 것)보다 2 요인 솔루션에서 더 나을 것입니다.

몇 가지 추가 질문 : 샘플 크기는 얼마입니까? 평균 상관 관계는 무엇입니까? 카이-제곱과 df는 무엇이며 널 모델의 카이-제곱은 무엇입니까?

상관 된 오류를 추가해야합니까? 아마도, 그러나 그렇게 할 때 추가 요소를 도입하고 있습니다. 이런 식으로 많이 추가해야 할 수도 있습니다. 그런 다음 혼란스러워집니다. 어떻게 든 정당화되는 것이 가장 좋습니다. 예를 들어, 두 번째와 세 번째 항목은 관입적인 생각에 관한 것입니다.


1
샘플 크기는 각 샘플에서 약 400입니다. 무슨 평균 상관 관계를 말하는거야? 모델의 카이-제곱은 262.9, df = 35입니다.
Behacad

또한, 단일 요인 솔루션의 대안은 무엇입니까? EFA는 분명히 한 가지 요소를 제안하므로 대체 솔루션을 찾는 것은 드문 것 같습니다. 항목이 10 개 밖에 없으므로 항목을 추가 할 수 없습니다. 항목을 제거 할 수 있지만 모든로드 / 상관은 강력합니다!
Behacad

평균 상관 관계는 행렬의 상관 관계 평균입니다. 상관 관계가 모두 0.3이면 모두 0.8 인 경우와 다릅니다. 당신이 잘 맞는 필사적 인 경우, 나는 항목을 제거합니다. Mplus를 사용하고 있습니까? 당신이 있다면 당신은 esem을 할 수 있습니다.
Jeremy Miles

AMOS를 사용하고 있습니다.
Behacad

SPSS에서 최대 가능성 추출을 시도해보십시오. 단일 요인에 대해 동일한 (또는 매우 유사한) 카이 제곱을 제공해야합니다.
Jeremy Miles
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.