Das beste Modell auswählen
Nutze jetzt dein Wissen über das Finden und Interpretieren von absoluten und relativen Modell-Fit-Statistiken, um das beste Modell für deine Daten auszuwählen. Als ich diesen Datensatz eingeführt habe, habe ich gesagt, dass die Items theoretisch auf fünf Faktoren laden sollten, aber dir ist vielleicht aufgefallen, dass dein Scree-Plot sechs Faktoren zeigte. Du fragst dich vielleicht, welchem Hinweis du trauen sollst. Kein Problem – mit Fit-Statistiken kannst du eine empirische Entscheidung darüber treffen, wie viele Faktoren du verwenden solltest.
Zuerst führst du mit dem Datensatz bfi_EFA EFAs mit jeweils der angenommenen Faktorzahl durch. Danach kannst du dir den BIC ansehen, eine relative Fit-Statistik, um die Modelle zu vergleichen. Denk daran: Der niedrigste BIC ist vorzuziehen!
Diese Übung ist Teil des Kurses
Faktorenanalyse in R
Anleitung zur Übung
- Führe zwei EFAs auf dem Datensatz
bfi_EFAaus – eine mit fünf Faktoren gemäß der Theorie und eine mit sechs Faktoren gemäß den Eigenwerten. - Sieh dir den BIC-Wert für jedes der Modelle an. Der BIC ist im Listenelement
BICdes Ergebnisobjekts gespeichert.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Run each theorized EFA on your dataset
bfi_theory <- ___(___, nfactors = ___)
bfi_eigen <- ___(___, nfactors = ___)
# Compare the BIC values
___
___