如何解释 lavaan 输出？

机器算法验证 r 结构方程建模 确认因素 熔岩
2022-03-29 02:27:36

我正在尝试使用lavaan. 我很难解释lavaan.

我有一个简单的模型 - 4 个因素，每个因素都由收集的调查数据中的项目支持。这些因素与项目所衡量的内容一致，在某种程度上它们似乎可以作为有效的衡量标准。

lavaan请帮助我理解's产生的以下输出cfa()：

 Number of observations                          1730

  Estimator                                         ML
  Minimum Function Test Statistic              196.634
  Degrees of freedom                                21
  P-value (Chi-square)                           0.000

Model test baseline model:

  Minimum Function Test Statistic             3957.231
  Degrees of freedom                                36
  P-value                                        0.000

User model versus baseline model:

  Comparative Fit Index (CFI)                    0.955
  Tucker-Lewis Index (TLI)                       0.923

我有这些问题：

  1. 基线模型是如何定义的？
  2. 鉴于对于指定的自由度，计算出的卡方统计量大于预期值，对于等于 0.000 的 p 值是否有任何解释？
  3. 基于 CFI 和 TLI，看来我几乎有一个合理的模型。这是一个公平的解释吗？
1个回答

1）基线是一个空模型，通常其中所有观察到的变量都被限制为没有其他变量的共变（换句话说，协方差固定为 0）——仅估计个体方差。这通常被视为“合理的”最差拟合模型，您的拟合模型将与该模型进行比较，以计算模型拟合的相对指数（例如，CFI/TLI）。

2) 卡方统计量（标记为最小函数检验统计量）用于对您指定的模型和空/基线模型执行完美模型拟合的检验。它本质上是衡量模型隐含方差/协方差矩阵和观察到的方差/协方差矩阵之间的偏差。在这两种情况下，完美拟合的零都被拒绝（p< .001)，尽管这是在基线/空模型的情况下设计的。一些统计学家（例如，Klein，2010）认为模型拟合的卡方检验有助于评估模型的质量，但大多数其他人不鼓励在其解释中投入大量资金，无论是在概念上（即完美拟合是不合理的）和实用（即卡方检验对样本大小敏感）的原因（例如，参见 Brown，2015；Little，2013）。但是，它对于计算许多其他信息更丰富的模型拟合指数很有用。

3) 什么级别的模型拟合被认为是“可接受的”的标准可能因学科而异，但至少根据 Hu & Bentler (1999)，您处于被认为是“可接受”的范围内。0.955 的 CFI 通常被认为是“好”。但是请记住，TLI 和 CFI 都是模型拟合的相对指标——它们将模型的拟合与（最差拟合）空模型的拟合进行比较。Hu & Bentler (1999) 建议您解释/报告模型拟合的相对和绝对指数。模型拟合的绝对指数将模型的拟合与完美拟合模型进行比较——RMSEA 和 SRMR 是两个很好的候选者（前者通常与置信区间一起计算，这很好）。

参考

布朗，TA（2015）。应用研究的验证性因素分析（第 2 版）。纽约，纽约：吉尔福德出版社。

Hu, L. 和 Bentler, PM (1999)。协方差结构分析中拟合指数的截止标准：传统标准与新选择。结构方程建模，6，1-55。

克莱恩，RB (2010)。结构方程建模原理与实践（第3版）。纽约，纽约：吉尔福德出版社。

小，TD（2013）。纵向结构方程建模。纽约，纽约：吉尔福德出版社。

其它你可能感兴趣的问题
上一篇“逆转”夏皮罗-威尔克 下一篇如何通过卷积神经网络 (CNN) 对不平衡的数据集进行分类？