Absoluta anpassningsmått
Det absoluta anpassningsmått som rapporteras i CFA-utdatan är likelihood-kvot-chi-kvadrattestet, som testar hypotesen att den skattade modellen fungerar lika bra som nollmodellen. Du har sett det här anpassningsmåttet i föregående kapitel och minns förmodligen att kriterierna för testet är mycket svåra att uppfylla. De flesta modeller ger ett statistiskt signifikant resultat, vilket inte är önskvärt här – det innebär nämligen att modellens anpassning är statistiskt sämre.
Kontrollera de absoluta anpassningsmått som visas av funktionen summary() och avgör om likelihood-kvottestet är statistiskt signifikant.
Skulle GFI för den här modellen anses acceptabelt?
Den här övningen är en del av kursen
Faktoranalys i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Set the options to include various fit indices so they will print
options(___ = c("CFI", "GFI", "RMSEA", "BIC"))
# Use the summary function to view fit information and parameter estimates
___(theory_CFA)