Analiza wskaźników dopasowania

Po przeanalizowaniu standaryzowanych ładunków w poprzednim ćwiczeniu okazało się, że kilka zmiennych obserwowalnych może słabo reprezentować naszą zmienną ukrytą. Jako drugą miarę oceny modelu możesz zbadać wskaźniki dopasowania – sprawdzisz w ten sposób, czy model właściwie pasuje do danych. Argument fit.measures w funkcji summary() pozwala przyjrzeć się zarówno statystykom dobroci dopasowania, jak i statystykom niedopasowania.

Pamiętaj, że statystyki dobroci dopasowania, takie jak CFI i TLI, powinny być duże (powyżej 0,90) i bliskie jedności, natomiast miary niedopasowania, takie jak RMSEA i SRMR, powinny być małe (poniżej 0,10) i bliskie zeru.

To ćwiczenie jest częścią kursu

Strukturalne modelowanie równań z lavaan w R

Zobacz kurs

Instrukcje do ćwiczenia

Wywołaj funkcję summary() na modelu text.fit.
Dodaj argument umożliwiający wyświetlenie wskaźników dopasowania.
Nie uwzględniaj standaryzowanych ładunków.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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

Edytuj i uruchom kod