Fit-indices verkennen
Na het bekijken van de gestandaardiseerde loadings in de vorige oefening zagen we dat meerdere manifeste variabelen onze latente variabele mogelijk niet goed vertegenwoordigen. Als tweede maat voor ons model kun je de fit-indices bekijken om te zien of het model goed past bij de data. Je kunt zowel de goodness-of-fit als de badness-of-fit statistieken bekijken met het argument fit.measures binnen de functie summary().
Onthoud dat goodness-of-fit statistieken, zoals de CFI en TLI, groot moeten zijn (boven .90) en dicht bij één, terwijl badness-of-fit maten zoals de RMSEA en SRMR klein moeten zijn (minder dan .10) en dicht bij nul.
Deze oefening maakt deel uit van de cursus
Structurele vergelijkingsmodellen met lavaan in R
Oefeninstructies
- Gebruik de functie
summary()op jetext.fit-model. - Neem het argument op om de fit-indices te bekijken.
- Neem de gestandaardiseerde loadings niet op.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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