1) Đường cơ sở là một mô hình null, thông thường trong đó tất cả các biến quan sát của bạn bị ràng buộc không có biến số khác (đặt một cách khác, hiệp phương sai được cố định là 0) - chỉ ước tính các phương sai riêng lẻ. Đây là những gì thường được coi là một mô hình phù hợp tồi tệ nhất 'hợp lý', so với mô hình được trang bị của bạn được so sánh để tính toán các chỉ số tương đối của sự phù hợp mô hình (ví dụ: CFI / TLI).
2) Thống kê chi bình phương (được dán nhãn là thống kê kiểm tra chức năng tối thiểu) được sử dụng để thực hiện kiểm tra mức độ phù hợp của mô hình hoàn hảo, cho cả các mô hình cơ sở và null / đường cơ sở được chỉ định của bạn. Nó về cơ bản là thước đo độ lệch giữa ma trận phương sai / hiệp phương sai theo mô hình của bạn và ma trận phương sai / hiệp phương sai quan sát của bạn. Trong cả hai trường hợp, null của sự phù hợp hoàn hảo đều bị từ chối ( p<.001), mặc dù điều này là do thiết kế trong trường hợp mô hình cơ sở / null. Một số nhà thống kê (ví dụ, Klein, 2010) cho rằng thử nghiệm chi bình phương về mức độ phù hợp của mô hình là hữu ích trong việc đánh giá chất lượng của một mô hình, nhưng hầu hết những người khác không khuyến khích đặt nhiều cổ phiếu vào cách giải thích của nó, cả về khái niệm (ví dụ: null sự phù hợp hoàn hảo là không hợp lý) và thực tế (ví dụ, kiểm tra chi bình phương rất nhạy cảm với kích thước mẫu) (xem Brown, 2015; Little, 2013, ví dụ). Tuy nhiên, nó rất hữu ích cho việc tính toán một số chỉ số khác, nhiều thông tin hơn, phù hợp với mô hình.
3) Tiêu chuẩn về mức độ phù hợp với mô hình được coi là "chấp nhận được" có thể khác nhau từ kỷ luật đến kỷ luật, nhưng ít nhất là theo Hu & Bentler (1999), bạn đang ở trong phạm vi của điều được coi là "chấp nhận được". Một CFI .955 thường được coi là "tốt". Tuy nhiên, hãy nhớ rằng cả TLI và CFI đều là các chỉ số tương đối của mức độ phù hợp với mô hình - chúng so sánh sự phù hợp của mô hình của bạn với sự phù hợp của mô hình null (phù hợp nhất) của bạn. Hu & Bentler (1999) đề nghị bạn diễn giải / báo cáo cả tương đối và chỉ số tuyệt đối về mức độ phù hợp của mô hình. Các chỉ số tuyệt đối về mức độ phù hợp của mô hình so sánh sự phù hợp của mô hình của bạn với một mô hình phù hợp hoàn hảo - RMSEA và SRMR là một vài ứng cử viên tốt (trước đây thường được tính toán cùng với khoảng tin cậy, rất tốt).
Người giới thiệu
Nâu, TA (2015). Phân tích nhân tố khẳng định cho nghiên cứu ứng dụng (Phiên bản 2) . New York, NY: Nhà xuất bản Guilford.
Hu, L., & Bentler, PM (1999). Tiêu chí cắt cho các chỉ số phù hợp trong phân tích cấu trúc hiệp phương sai: Tiêu chí thông thường so với các lựa chọn thay thế mới. Mô hình phương trình cấu trúc , 6 , 1-55.
Kline, RB (2010). Nguyên tắc và thực hành mô hình phương trình cấu trúc (Ấn bản thứ 3) . New York, NY: Nhà xuất bản Guilford.
Ít, TD (2013). Mô hình phương trình cấu trúc dọc . New York, NY: Nhà xuất bản Guilford.