मैं 10-आइटम स्व-रिपोर्ट माप के साइकोमेट्रिक गुणों की खोज कर रहा हूं। मेरे पास दो स्वतंत्र नमूनों में लगभग 400 मामले हैं। आइटम 4-पॉइंट लिकर्ट स्केल पर पूरे होते हैं। एक ईएफए स्पष्ट रूप से एक-कारक समाधान का समर्थन करता है (उदाहरण के लिए, 6 से अधिक का पहला eigenvalue, 1 के तहत अन्य सभी) और क्रोनबाक का अल्फा अच्छा है (जैसे, .90)। किसी भी आइटम में कम आइटम-कुल सहसंबंध नहीं है।
मैं मूल रूप से एक CFA करना चाहता था (EFA सिर्फ एक अनुवर्ती था जब मैंने देखा कि CFA अच्छा नहीं था) एक-कारक मॉडल का परीक्षण कर रहा था। मेरे आश्चर्य के लिए, मॉडल के लिए फिट अपेक्षाकृत गरीब था:
CFI=.91
TLI=.88
RMSEA=.13
इसके अलावा, प्रत्येक आइटम के लिए लोडिंग काफी अच्छा है (.65+)।
विचित्र रूप से SRMR=.05
,, जो स्वीकार्य / अच्छा है।
संशोधन सूचक सुझाव देते हैं कि मैं सभी जगह त्रुटियों का सहसंबंध रखता हूं। यदि ऐसा करने के लिए एक स्पष्ट तर्कसंगत था (उदाहरण के लिए, कुछ वस्तुओं में बहुत समान शब्द हैं) मैं ऐसा करूंगा; हालाँकि, सभी उपाय समान रूप से लिखे गए हैं, और सभी त्रुटि शर्तों को सहसंबंधित करना विषम और दर्दनाक होगा।
मैंने कभी इस तरह का मामला नहीं देखा। यह उपाय आंतरिक रूप से सुसंगत है और स्पष्ट रूप से ईएफए में एक कारक से युक्त है, लेकिन यह सीएफए में खराब फिट को प्रदर्शित करता है। परिणाम दोनों स्वतंत्र नमूनों (विभिन्न महाद्वीपों से) में अनुरूप हैं। मैंने एक टू-फैक्टर CFA (5 रैंडम आइटम) समूहीकृत करने की कोशिश की और फिट वही, या यहां तक कि मामूली बेहतर था।
यहाँ मेरे सवाल हैं:
- सीएफआई / टीएलआई / आरएमएसईए के अनुसार फिट क्यों इतना गरीब है जिसे ईएफए / क्रोनबाक अल्फा / फैक्टर लोडिंग दिया गया है?
- SRMR क्यों अच्छा है जबकि अन्य सूचकांक नहीं हैं? मुझे पता है कि वे विभिन्न चीजों को मापते हैं, लेकिन मेरे अनुभव में, वे लगभग हमेशा ही जुटे रहते हैं।
- क्या मुझे कुछ त्रुटियों को सहसंबद्ध करना चाहिए?
उदाहरण आइटम:
- आपकी कमियों के बारे में आपके विचार हैं
- आपके पास ऐसे विचार हैं जिन्हें भूलना मुश्किल है
- आप हर समय स्थिति के बारे में सोचते हैं