Selecionando o melhor modelo
Agora use seu conhecimento de como encontrar e interpretar estatísticas de ajuste absoluto e relativo para selecionar o melhor modelo para seus dados. Quando apresentei este conjunto de dados, eu disse que os itens foram teorizados para carregar em cinco fatores, mas você pode ter notado que seu scree plot indicou seis fatores. Você pode estar se perguntando em qual confiar. Sem problemas — você pode usar as estatísticas de ajuste para tomar uma decisão empírica sobre quantos fatores usar.
Primeiro, você usará o conjunto de dados bfi_EFA para rodar EFAs com cada um dos números de fatores hipotetizados. Depois, você pode olhar o BIC, que é uma estatística de ajuste relativo, para comparar os modelos. Lembre-se: o menor BIC é o preferido!
Este exercício faz parte do curso
Análise Fatorial em R
Instruções do exercício
- Rode as duas EFAs no conjunto de dados
bfi_EFA— uma com cinco fatores de acordo com a teoria e outra com seis fatores de acordo com os autovalores. - Dê uma olhada no valor de BIC de cada um dos modelos. O BIC está armazenado no elemento de lista
BICdo objeto de resultados.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Run each theorized EFA on your dataset
bfi_theory <- ___(___, nfactors = ___)
bfi_eigen <- ___(___, nfactors = ___)
# Compare the BIC values
___
___