Choisir le meilleur modèle
Mettez maintenant à profit vos connaissances sur la recherche et l'interprétation des indices d'ajustement absolus et relatifs pour choisir le meilleur modèle pour vos données. Lorsque j'ai présenté cet ensemble de données, j'ai indiqué que les items étaient censés se charger sur cinq facteurs, mais vous avez peut-être remarqué que votre diagramme des éboulis indiquait six facteurs. Vous vous demandez peut-être lequel privilégier. Pas d'inquiétude : vous pouvez utiliser les indices d'ajustement pour prendre une décision empirique sur le nombre de facteurs à retenir.
D'abord, utilisez l'ensemble bfi_EFA pour exécuter des AFE avec chacun des nombres de facteurs hypothétiques. Ensuite, examinez le BIC, qui est un indice d'ajustement relatif, pour comparer les modèles. Rappelez-vous : on préfère le BIC le plus faible!
Cette activité fait partie du cours
Analyse factorielle avec R
Instructions de l’exercice
- Exécutez deux AFE sur l'ensemble
bfi_EFA: l'une avec cinq facteurs selon la théorie et l'autre avec six facteurs selon les valeurs propres. - Examinez la valeur du BIC pour chacun des modèles. Le BIC est stocké dans l'élément de liste
BICde l'objet de résultats.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Run each theorized EFA on your dataset
bfi_theory <- ___(___, nfactors = ___)
bfi_eigen <- ___(___, nfactors = ___)
# Compare the BIC values
___
___