Documente Academic
Documente Profesional
Documente Cultură
Modeling
Chapter 8
● Încercăm să testăm statistic semnificația unui model de factor ipotetici- adică dacă
datele din eșantion confirmă acel model. Eșantioane suplimentare de date care se
potrivesc modelului confirmă în continuare valabilitatea modelului ipotetici- . Acesta
este motivul principal pentru analiza factorilor de confirmare (CFA).
Equatii:
● chi-square
● df (degrees of freedom)
● p_value
● RMSEA(root-mean-square error of approximation)
● GFI (goodness-of-fit index)
● NCP(non-centrality)
Model testing Valoarea lui chi-square nu este apropiată
de numărul de grade de libertate, potrivirea
Indici de estimare: modelului inițial este slabă.
Reamintim că parametrul non-centralității
First model Second model (NCP) este calculat ca chi-square - df, are o
valoare așteptată de 0 (NCP = 0; potrivire
802.49 468.18 perfectă).
Un al criteriu este acela că eroarea
Df 8 7 rădăcină-medie-pătrat (RMSEA) este egală cu
.25, mai mare decât nivelul acceptabil de potrivire
p value aproximativ 0 a modelului (RMSEA <.08 sau .05).
aproximativ 0 În sfârșit, indicele de bunătate-de-potrivire
(GFI) este de .85 pentru primul model, care este
RMSEA 0.25 > 0.05 0.2 > 0.05 sub limita acceptabilă a modelului de potrivire (GFI
> .95).
GFI 0.86 < 0.90 0.91 > 0.90 Concluzia este că modelul modificat este
rezonabil.
Model Modification
First model: Second model:
Resources:
● https://www.youtube.com/watch?v=isDGTLuhdvg