Välja den bästa modellen
Använd nu dina kunskaper om absoluta och relativa modellpassningsmått för att välja den bästa modellen för dina data. När jag introducerade det här datasetet nämnde jag att variablerna teoretiskt sett laddar på fem faktorer – men du kanske lade märke till att screediagrammet indikerade sex faktorer. Det är naturligt att undra vilket du ska lita på. Oroa dig inte – du kan använda passningsmått för att fatta ett empiriskt beslut om hur många faktorer som är lämpliga.
Först kör du EFA på datamängden bfi_EFA med vardera av de två hypotetiska faktorantalen. Sedan kan du jämföra modellerna med hjälp av BIC, som är ett relativt passningsmått. Kom ihåg: det lägsta BIC-värdet är att föredra!
Den här övningen är en del av kursen
Faktoranalys i R
Övningsinstruktioner
- Kör båda EFA:erna på datamängden
bfi_EFA– en med fem faktorer enligt teorin och en med sex faktorer enligt egenvärdena. - Titta på BIC-värdet för vardera av modellerna. BIC finns lagrat i listelementet
BICi resultatobjektet.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Run each theorized EFA on your dataset
bfi_theory <- ___(___, nfactors = ___)
bfi_eigen <- ___(___, nfactors = ___)
# Compare the BIC values
___
___