Utforska anpassningsmått

Efter att ha granskat de standardiserade laddningarna i föregående övning fann vi att flera av de manifesta variablerna kanske inte representerar vår latenta variabel särskilt väl. Som ett komplement kan du undersöka anpassningsmåtten för att se om modellen passar data på ett lämpligt sätt. Du kan titta på både anpassningsstatistik och felanpassningsstatistik med hjälp av argumentet fit.measures i funktionen summary().

Kom ihåg att mått på god anpassning, som CFI och TLI, bör vara stora (över 0,90) och nära ett, medan mått på dålig anpassning, som RMSEA och SRMR, bör vara små (under 0,10) och nära noll.

Den här övningen är en del av kursen

Strukturell ekvationsmodellering med lavaan i R

Visa kurs

Övningsinstruktioner

Använd funktionen summary() på din modell text.fit.
Inkludera argumentet för att visa anpassningsmåtten.
Ta inte med de standardiserade laddningarna.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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

Redigera och kör kod