付費限定

CFA和SEM適配指標沒過該怎麼辦?

更新於 發佈於 閱讀時間約 7 分鐘
適配指標沒過ㄉ我生氣氣

適配指標沒過ㄉ我生氣氣

CFA和SEM分析的擬合指標通常需要達到專家門檻,才可以進行分析,然而很多時候無法一次過關,造成許多研究者感到苦惱。本文整理知名統計學者Hair的建議,並附上相關文獻佐證和實際範例,讓讀者能正確地進行模型修正,讓適配指標順利過關。

前言

驗證性因素分析 (Confirmatory Factor Analysis, CFA) 和是一種統計方法,用於評估理論模型與現實收集到的數據集的擬合程度。CFA的目的是測試模型中觀察指標與潛在變數 (因素) 間的關係。在 CFA 中,觀察指標是可以直接觀察到的變數,例如問卷題目或測量數據。潛在變數是無法直接觀察到的變數,但可以由觀察指標來推斷。CFA 可以用於測試量表的建構效度。
除了CFA以外,結構方程模式 (Structural Equation Modeling,SEM) 也能用於評估理論模型與數據集的擬合程度。SEM 綜合了因素分析和路徑分析的優點,可以同時對測量模型和結構模型進行評估。如果 CFA 和SEM的結果顯示模型能夠很好地擬合數據,則可以認為模型是可接受的。

CFA和SEM 的大致步驟如下:

  1. 建立模型:需要確定模型的結構和參數。
  2. 收集數據:需要注意數據的代表性和完整性。
  3. 估計模型:使用統計軟體來計算模型的參數估計值。
  4. 評估模型:需要使用統計指標來擬合程度的指標包括 χ2 、RMSEA、CFI、TLI 等。
  5. 解釋結果:需要結合理論和數據來解釋結果。




擬合程度的指標標準可以參考Hair(2009)的建議:

注:M = 觀測變量數; N= 樣本數量。

注:M = 觀測變量數; N= 樣本數量。

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2009). Multivariate Data Analysis (7 edition). Pearson.

在實務中,第四點評估模型往往無法一次到位,很難一次得到理想的模型,如果模型擬合程度不佳,可能是數據問題,也可能是理論本身的不足。理想上,我們應該修改模型,並從新收集新的數據,但理想很豐滿,現實很骨感。大部分時候都沒有足夠人力和金錢重新收集資料。雖然可能有點過度資料導向,但這時用相同資料進行模型修正是比較省時省力的選擇。

修正指數是啥?

修正指數(Modification Index)可以幫助我們進行模型修正

以行動支持創作者!付費即可解鎖
本篇內容共 2964 字、0 則留言,僅發佈於統計分析 × 學術生涯你目前無法檢視以下內容,可能因為尚未登入,或沒有該房間的查看權限。
avatar-img
224會員
124內容數
文章內容以圖像式和步驟化方式,教您如何在各種統計軟體中(例如:SPSS、R和Mplus),執行多種統計方法。此外,我還會分享一些學術和科技新知,幫助您在學術之路上走得更順利。
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
心理博士的筆記本 的其他內容
民眾黨主席和國民黨在藍白配的問題上發生爭執,觀察雙方的直播影片後可以發現,兩者比較的方式存在明顯的落差。然而,這並非單純的正負6或3百分比的問題,而是在算法就有問題。事實上,雙方都沒有錯,因為算法完全不同。公布原文報告是必要的,只有查看當初制定的計算方法,才能確定誰對誰錯。
變異數和共變數分析通常有一些統計的前提假設。如果在進行這些分析時,假設沒有達到滿足,結果將有所偏誤,更可能被審稿者或口委批評。本文首先介紹如何檢測這些假設,然後提出假設不過的解決方法,並附上相關文獻佐證。
本篇介紹如何執行PLS-SEM模型估計, SmartPLS其實和AMOS非常相似,都是按按按就可以執行,接下來一步步帶領大家如何執行最基本的PLS-SEM模型估計其它
多層次資料問題指的是在社會科學研究中,我們經常透過問卷以班級或學校為單位進行調查,此時收集到的資料很可能存在著多個層次的結構。這意味著我們觀察到的個體或單位被分類或分群到不同的層次中。本文將簡介此用傳統統計分析多層次資料結構的問題和限制
社會網路就是一組互相有所關聯的個體,個體可以很多或很少,關係也可以單一或是多重的。社會網路分析和傳統統計觀點有所不同,社會網絡分析專注在個體之間的關係;傳統統計往往關注於個體以及其特性。 以下將簡單介紹社會網路分析的概念
首先介紹何謂PLS-SEM,並介紹如何執行PLS和CB-SEM差異,接下來一步步帶領大家如何透過 SmartPLS執行模型估計、調節、中介和多群組測量衡等性分析, SmartPLS其實和AMOS非常相似,都是按按按就可以執行~
民眾黨主席和國民黨在藍白配的問題上發生爭執,觀察雙方的直播影片後可以發現,兩者比較的方式存在明顯的落差。然而,這並非單純的正負6或3百分比的問題,而是在算法就有問題。事實上,雙方都沒有錯,因為算法完全不同。公布原文報告是必要的,只有查看當初制定的計算方法,才能確定誰對誰錯。
變異數和共變數分析通常有一些統計的前提假設。如果在進行這些分析時,假設沒有達到滿足,結果將有所偏誤,更可能被審稿者或口委批評。本文首先介紹如何檢測這些假設,然後提出假設不過的解決方法,並附上相關文獻佐證。
本篇介紹如何執行PLS-SEM模型估計, SmartPLS其實和AMOS非常相似,都是按按按就可以執行,接下來一步步帶領大家如何執行最基本的PLS-SEM模型估計其它
多層次資料問題指的是在社會科學研究中,我們經常透過問卷以班級或學校為單位進行調查,此時收集到的資料很可能存在著多個層次的結構。這意味著我們觀察到的個體或單位被分類或分群到不同的層次中。本文將簡介此用傳統統計分析多層次資料結構的問題和限制
社會網路就是一組互相有所關聯的個體,個體可以很多或很少,關係也可以單一或是多重的。社會網路分析和傳統統計觀點有所不同,社會網絡分析專注在個體之間的關係;傳統統計往往關注於個體以及其特性。 以下將簡單介紹社會網路分析的概念
首先介紹何謂PLS-SEM,並介紹如何執行PLS和CB-SEM差異,接下來一步步帶領大家如何透過 SmartPLS執行模型估計、調節、中介和多群組測量衡等性分析, SmartPLS其實和AMOS非常相似,都是按按按就可以執行~
你可能也想看
Google News 追蹤
Thumbnail
嘿,大家新年快樂~ 新年大家都在做什麼呢? 跨年夜的我趕工製作某個外包設計案,在工作告一段落時趕上倒數。 然後和兩個小孩過了一個忙亂的元旦。在深夜時刻,看到朋友傳來的解籤網站,興致勃勃熬夜體驗了一下,覺得非常好玩,或許有人玩過了,但還是想寫上來分享紀錄一下~
Thumbnail
在資料分析過程中,透過衡量變數之間的線性或非線性關係,能有效探索數據集,篩選出重要特徵,並進行預測建模。本文介紹瞭如何理解數據、使用相關矩陣找出變數關聯性,以及利用互資訊評估變數之間的依賴程度,幫助資料科學家在建模過程中選擇適當的變數,提升模型效果。
我們做實驗的目的, 往往是想要量化「確定的不確定性 Certain Uncertainty」。 什麼是「不確定性 Uncertainty」? 其實就是無法透過控制各種變因來控制下來的現象。 在做實驗的時候, 就算你已經把實驗條件盡量控制一樣了, 其實實驗的結果每次還是會有一些差異。
本篇文章介紹了一種簡單但正確的評估方法,以投資評估總分和本益比為依據,給出了公司的投資評級,並以臺積電和NVDA作為範例。文章還提到了演算法的重要性,以及執行長數學的思路。建議投資者試用這種投資策略來輔助自己的投資。
Thumbnail
本文介紹不同類型的理論,讓研究者理解這些理論在研究的應用及其意義。說明了分析型理論、解釋型理論、預測型理論、解釋與預測型理論、設計與行動型理論,以及使用理論時的考量和如何使用理論進行研究的五步驟。
Thumbnail
作為一名擁有多年經驗的數據分析師,我深知數據分析的重要性及其對企業決策的影響。然而,數據分析並不是在任何情況下都適用。今天我想跟你聊的事情是:在數據量不足或缺乏流程優化目的時,進行數據分析的局限性。
Thumbnail
這篇文章分享了作者在參與預估專案時的思考脈絡和學習點,透過兩個具體的案例,探討了預估方法中重要的假設和挑戰。
Thumbnail
  前面說明了所謂「假設檢定」的邏輯,也就是推論統計的基礎。但前面都還只是概念的階段,目前沒有真正進行任何的操作──還沒有提到推論統計的技術。   這篇其實有點像是一個過渡,是將前面的概念銜接到下一篇t分數之間的過程,也可以說是稍微解釋一下t檢定怎麼發展出來的。
Thumbnail
 當開啟試算表(EXCEL等)的累加(SUM)及離散度,標準差(STDEV)的運算功能後,逐一統計的累進報票式選票統計表就可以退休了,而且全國一萬七千多所的數據不待一所所列出,就可以用較小選區(例如嘉義市198所,宜蘭縣431所等)的統計過程證明統計結果都是正確的,尤其是將計算式列出(隱藏前面的
Thumbnail
本文討論了總經指標在投資研究流程中的作用,強調個體股票和產業的發展可能比總經指標更直接地影響股價表現,並提出對於總經指標的觀點。
Thumbnail
我們常把研究分成量化與質性兩種不同的方法(當然不止這兩種方法),其中量化分析主要在討論變數與變數的關係,而質性分析則在變數間在的互動過程與事件。因此通常在進行質性研究時,我們需要收集大量田野調查或訪談資料。做過訪談的人都知道,訪談後需要反覆的聆聽訪談錄音並將其轉化為訪談逐字稿,這是一個大工程,還好現
Thumbnail
嘿,大家新年快樂~ 新年大家都在做什麼呢? 跨年夜的我趕工製作某個外包設計案,在工作告一段落時趕上倒數。 然後和兩個小孩過了一個忙亂的元旦。在深夜時刻,看到朋友傳來的解籤網站,興致勃勃熬夜體驗了一下,覺得非常好玩,或許有人玩過了,但還是想寫上來分享紀錄一下~
Thumbnail
在資料分析過程中,透過衡量變數之間的線性或非線性關係,能有效探索數據集,篩選出重要特徵,並進行預測建模。本文介紹瞭如何理解數據、使用相關矩陣找出變數關聯性,以及利用互資訊評估變數之間的依賴程度,幫助資料科學家在建模過程中選擇適當的變數,提升模型效果。
我們做實驗的目的, 往往是想要量化「確定的不確定性 Certain Uncertainty」。 什麼是「不確定性 Uncertainty」? 其實就是無法透過控制各種變因來控制下來的現象。 在做實驗的時候, 就算你已經把實驗條件盡量控制一樣了, 其實實驗的結果每次還是會有一些差異。
本篇文章介紹了一種簡單但正確的評估方法,以投資評估總分和本益比為依據,給出了公司的投資評級,並以臺積電和NVDA作為範例。文章還提到了演算法的重要性,以及執行長數學的思路。建議投資者試用這種投資策略來輔助自己的投資。
Thumbnail
本文介紹不同類型的理論,讓研究者理解這些理論在研究的應用及其意義。說明了分析型理論、解釋型理論、預測型理論、解釋與預測型理論、設計與行動型理論,以及使用理論時的考量和如何使用理論進行研究的五步驟。
Thumbnail
作為一名擁有多年經驗的數據分析師,我深知數據分析的重要性及其對企業決策的影響。然而,數據分析並不是在任何情況下都適用。今天我想跟你聊的事情是:在數據量不足或缺乏流程優化目的時,進行數據分析的局限性。
Thumbnail
這篇文章分享了作者在參與預估專案時的思考脈絡和學習點,透過兩個具體的案例,探討了預估方法中重要的假設和挑戰。
Thumbnail
  前面說明了所謂「假設檢定」的邏輯,也就是推論統計的基礎。但前面都還只是概念的階段,目前沒有真正進行任何的操作──還沒有提到推論統計的技術。   這篇其實有點像是一個過渡,是將前面的概念銜接到下一篇t分數之間的過程,也可以說是稍微解釋一下t檢定怎麼發展出來的。
Thumbnail
 當開啟試算表(EXCEL等)的累加(SUM)及離散度,標準差(STDEV)的運算功能後,逐一統計的累進報票式選票統計表就可以退休了,而且全國一萬七千多所的數據不待一所所列出,就可以用較小選區(例如嘉義市198所,宜蘭縣431所等)的統計過程證明統計結果都是正確的,尤其是將計算式列出(隱藏前面的
Thumbnail
本文討論了總經指標在投資研究流程中的作用,強調個體股票和產業的發展可能比總經指標更直接地影響股價表現,並提出對於總經指標的觀點。
Thumbnail
我們常把研究分成量化與質性兩種不同的方法(當然不止這兩種方法),其中量化分析主要在討論變數與變數的關係,而質性分析則在變數間在的互動過程與事件。因此通常在進行質性研究時,我們需要收集大量田野調查或訪談資料。做過訪談的人都知道,訪談後需要反覆的聆聽訪談錄音並將其轉化為訪談逐字稿,這是一個大工程,還好現