Aan de slagBegin gratis

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

Bekijk cursus

Oefeninstructies

  • Gebruik de functie summary() op je text.fit-model.
  • Neem het argument op om de fit-indices te bekijken.
  • Neem de gestandaardiseerde loadings niet op.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan 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
Code bewerken en uitvoeren