मैं लावाँ आउटपुट की व्याख्या कैसे करूँ?


11

मैं पुष्टि कारक विश्लेषण (सीएफए) का उपयोग करने का प्रयास कर रहा हूं lavaan। मैं एक मुश्किल समय उत्पादन द्वारा उत्पादन की व्याख्या कर रहा हूँ lavaan

मेरे पास एक साधारण मॉडल है - एकत्रित सर्वेक्षण डेटा से आइटम द्वारा समर्थित प्रत्येक 4 कारक। कारक आइटमों द्वारा मापी गई चीजों के अनुरूप हैं, इस हद तक कि यह प्रतीत होता है कि वे एक वैध माप के रूप में काम कर सकते हैं।

कृपया मदद मेरा पीछा उत्पादन द्वारा उत्पादित को समझने lavaanकी 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

मेरे पास ये प्रश्न हैं:

  1. आधार रेखा मॉडल को कैसे परिभाषित किया जाता है?
  2. यह देखते हुए कि स्वतंत्रता की निर्दिष्ट डिग्री के लिए, गणना की गई ची-एसके आँकड़ा अपेक्षा से बड़ा होगा, क्या पी-मान के लिए कोई व्याख्या है जो 0.000 के बराबर है?
  3. सीएफआई और टीएलआई के आधार पर, ऐसा प्रतीत होता है कि मेरे पास लगभग एक उचित मॉडल है। क्या यह उचित व्याख्या है?

मुझे आपको लवन Google समूह में शामिल होने की सलाह देते हैं, यह एक अद्भुत संसाधन है, और यवेस, जो लावन का निर्माण करता है, बहुत सारे सवालों के जवाब देने के लिए बहुत सक्रिय है।
रोबिन.डैटड्राइवर्स 13

आपके दूसरे प्रश्न का क्या मतलब है? एक पी 0.000 के -value अर्थ केवल यह है पी -value <0.0005 (पारंपरिक आप शायद इस रूप में रिपोर्ट होता है पी <.001)।
पैट्रिक कूलोमेबे

जवाबों:


13

1) आधार रेखा एक अशक्त मॉडल है, जिसमें आमतौर पर आपके सभी देखे गए चर बिना किसी अन्य चर के साथ सहसंयोजक के लिए विवश होते हैं (एक और तरीका है, सहसंयोजक 0 पर नियत हैं) - बस व्यक्तिगत चर अनुमानित हैं। यह अक्सर एक 'उचित' सबसे खराब-संभव फिटिंग मॉडल के रूप में लिया जाता है, जिसके खिलाफ आपके फिट मॉडल की तुलना मॉडल फिट के सापेक्ष अनुक्रमित (जैसे, सीएफआई / टीएलआई) की गणना करने के लिए की जाती है।

2) ची-स्क्वायर स्टेटिस्टिक (न्यूनतम फ़ंक्शन टेस्ट स्टेटिस्टिक के रूप में लेबल किया गया है) का उपयोग आपके निर्दिष्ट और अशक्त / आधारभूत मॉडल दोनों के लिए एक आदर्श मॉडल फिट का परीक्षण करने के लिए किया जाता है। यह अनिवार्य रूप से आपके मॉडल-निहित विचरण / सहसंयोजक मैट्रिक्स, और आपके देखे गए विचरण / सहसंयोजक मैट्रिक्स के बीच विचलन का एक उपाय है। दोनों ही मामलों में सही फिट की अशक्तता को खारिज कर दिया गया है ( पी<.001), हालांकि यह बेसलाइन / नल मॉडल के मामले में डिजाइन द्वारा है। कुछ सांख्यिकीविदों (जैसे, क्लेन, 2010) का तर्क है कि मॉडल फिट की ची-वर्ग परीक्षण एक मॉडल की गुणवत्ता का मूल्यांकन करने में उपयोगी है, लेकिन अधिकांश अन्य इसकी व्याख्या में बहुत स्टॉक डालते हैं, दोनों वैचारिक (यानी, शून्य) सही फिट अनुचित है) और व्यावहारिक (यानी, ची-स्क्वायर परीक्षण नमूना आकार के प्रति संवेदनशील है) कारणों (भूरा, 2015 देखें? छोटा, 2013, उदाहरण के लिए)। यह, हालांकि, कई अन्य, अधिक जानकारीपूर्ण, मॉडल के अनुक्रमित फिट की गणना के लिए उपयोगी है।

3) मॉडल के किस स्तर के लिए मानकों को "स्वीकार्य" माना जाता है, यह अनुशासन से अनुशासन तक भिन्न हो सकता है, लेकिन कम से कम हू और बेंटलर (1999) के अनुसार, आप "स्वीकार्य" माना जाता है। .955 के एक CFI को अक्सर "अच्छा" माना जाता है। हालांकि, ध्यान रखें कि टीएलआई और सीएफआई दोनों मॉडल फिट के सापेक्ष सूचकांक हैं - वे आपके मॉडल के फिट की तुलना आपके (सबसे खराब फिटिंग) अशक्त मॉडल के फिट से करते हैं। हू और बेंटलर (1999) ने सुझाव दिया कि आप मॉडल के एक रिश्तेदार और एक निरपेक्ष सूचकांक दोनों की व्याख्या / रिपोर्ट करते हैं । मॉडल फिट के पूर्ण अनुक्रमित आपके मॉडल के फिट की तुलना एक आदर्श फिटिंग मॉडल से करते हैं - आरएमएसईए और एसआरएमआर अच्छे उम्मीदवारों के एक जोड़े हैं (पूर्व अक्सर एक आत्मविश्वास अंतराल के साथ गणना की जाती है, जो अच्छा है)।

संदर्भ

ब्राउन, टीए (2015)। अनुप्रयुक्त अनुसंधान (द्वितीय संस्करण) के लिए पुष्टि कारक विश्लेषण । न्यूयॉर्क, एनवाई: गिलफोर्ड प्रेस।

हू, एल।, और बेंटलर, पीएम (1999)। सहसंयोजक संरचना विश्लेषण में फिट इंडेक्स के लिए कटऑफ मानदंड: पारंपरिक विकल्प बनाम नए विकल्प। संरचनात्मक समीकरण मॉडलिंग , 6 , 1-55।

क्लाइन, आरबी (2010)। सिद्धांत और संरचनात्मक समीकरण मॉडलिंग का अभ्यास (तीसरा संस्करण) । न्यूयॉर्क, एनवाई: गिलफोर्ड प्रेस।

लिटिल, टीडी (2013)। अनुदैर्ध्य संरचनात्मक समीकरण मॉडलिंग । न्यूयॉर्क, एनवाई: गिलफोर्ड प्रेस।


संदर्भ के लिए धन्यवाद। यह वास्तव में मददगार रहा है!
जूडी

1
कोई बात नहीं, @ जूडी। ब्राउन (2015), लिटिल (2013 - भले ही आप अनुदैर्ध्य मॉडलिंग करने की योजना नहीं बना रहे हैं), और ब्यूजियन (2014) सभी SEM के लिए वास्तव में सुलभ परिचय प्रदान करते हैं। यदि आप मुख्य रूप से R / lanan पैकेज पर भरोसा करने की योजना बनाते हैं, तो मैं सबसे अधिक Beaujean (2014) की सलाह दूंगा। लेकिन वैचारिक रूप से, वे सभी महान परिचयात्मक संसाधन हैं।
jsakaluk

@jsakaluk आप अनुदैर्ध्य संदर्भ में बेसलाइन नल मॉडल को कैसे निर्दिष्ट करेंगे? मैंने अनुदैर्ध्य एसईएम (2013) पर लिटिल की किताब के कुछ हिस्सों को पढ़ा है, लेकिन यह अनिश्चित है कि अशक्त मॉडल में कारकों के बीच सहसंबंध शामिल हैं।
अमोनेट

यह निर्भर करता है कि आप किस अशक्त मॉडल को निर्दिष्ट करने का प्रयास कर रहे हैं। पारंपरिक रूप से अशक्त मॉडल को निर्दिष्ट करने के इसके सामयिक उपयोग हैं, लेकिन लिटिल (2013) ने एक वैकल्पिक अशक्त मॉडल पर भी चर्चा की, जिसे अनुदैर्ध्य मॉडल के लिए निर्दिष्ट किया जा सकता है (और अगर अन्य थे तो यह मुझे आश्चर्य नहीं करेगा)। यहां चर्चा के लिए यह थोड़ा अटपटा लगता है, लेकिन एक नया सवाल सार्थक हो सकता है।
जस्सालुक
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.