Fit-Indizes erkunden

Nachdem du in der vorherigen Übung die standardisierten Ladungen überprüft hast, haben wir festgestellt, dass mehrere manifeste Variablen unsere latente Variable möglicherweise nicht gut abbilden. Als zweite Kennzahl für unser Modell kannst du die Fit-Indizes prüfen, um zu sehen, ob das Modell gut zu den Daten passt. Du kannst sowohl Goodness-of-Fit- als auch Badness-of-Fit-Statistiken betrachten, indem du das Argument fit.measures innerhalb der Funktion summary() verwendest.

Denk daran: Goodness-of-Fit-Statistiken wie CFI und TLI sollten groß (über .90) und nahe bei 1 sein, während Badness-of-Fit-Maße wie RMSEA und SRMR klein (unter .10) und nahe bei 0 sein sollten.

Diese Übung ist Teil des Kurses

<Kurs>Strukturgleichungsmodellierung mit lavaan in R</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende die Funktion summary() auf deinem text.fit-Modell.
Füge das Argument hinzu, um die Fit-Indizes anzuzeigen.
Füge die standardisierten Ladungen nicht ein.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Load the lavaan library
library(lavaan)

# Load the data and define model
data(HolzingerSwineford1939)
text.model <- 'textspeed =~ x4 + x5 + x6 + x7 + x8 + x9'

# Analyze the model with cfa()
text.fit <- cfa(model = text.model, data = HolzingerSwineford1939)

# Summarize the model

Code bearbeiten und ausführen