EFA açıkça bir faktör destekliyor, önlem dahili olarak tutarlı, ancak CFA zayıf uyum var?

10 maddelik bir öz bildirim ölçüsünün psikometrik özelliklerini araştırıyorum. İki bağımsız örneklemde yaklaşık 400 vakam var. Maddeler 4'lü Likert skalalarında tamamlandı. Bir EFA açıkça tek faktörlü bir çözümü destekler (örneğin 6'nın üzerinde ilk özdeğer, 1'in altındaki tüm diğerleri) ve Cronbach alfa iyidir (ör. .90). Hiçbir öğenin öğe-toplam korelasyonu düşük değildir.

Başlangıçta tek faktörlü bir modeli test ederek bir CFA yapmak istedim (EFA, CFA'nın iyi olmadığını gördükten sonra sadece bir takipti). Sürprize göre, modele uyum nispeten zayıftı:

CFI=.91
TLI=.88
RMSEA=.13

Dahası, her bir öğe için yüklemeler oldukça iyidir (.65+).

İşin garibi, SRMR=.05kabul edilebilir / iyi.

Değişiklik endeksleri hataları her yerde ilişkilendirdiğimi gösterir. Bunu yapmak için açık bir rasyonel olsaydı (örneğin, bazı öğeler çok benzer ifadelere sahiptir) bunu yapardım; ancak, tüm önlemler benzer şekilde ifade edilmiştir ve tüm hata terimlerini ilişkilendirmek garip ve acı verici olacaktır.

Daha önce hiç böyle bir dava görmedim. Tedbir dahili olarak tutarlıdır ve açıkça EFA'daki bir faktörden oluşur, ancak CFA'ya zayıf uyum gösterir. Sonuçlar her iki bağımsız örnekte (farklı kıtalardan) uyumludur. İki faktörlü bir CFA denedim (gruplandırılmış 5 rastgele öğe) ve uyum aynı, hatta marjinal olarak daha iyiydi.

Sorularım:

1. EFA / Cronbach alfa / faktör yüklemeleri göz önüne alındığında CFI / TLI / RMSEA'ya göre uyum neden bu kadar zayıf?
2. Diğer endeksler olmasa da SRMR neden iyidir? Farklı şeyleri ölçtüklerini biliyorum, ama deneyimlerime göre, neredeyse her zaman birleşiyorlar.
3. Bazı hataları ilişkilendirmem gerekir mi?

Örnek öğeler:

• Eksiklikleriniz hakkında düşünceleriniz var
• Unutması zor düşüncelerin var
• Durumu her zaman düşünüyorsun

Bu oldukça normal.

CFA, EFA'dan çok daha katı bir kriterdir. EFA verilerinizi açıklamaya çalışır, ancak modelin doğru olup olmadığını test eder.

Yakınsama olmamasının bir nedeni düşük ortalama korelasyonlardır (ancak daha sonra RMSEA'nın daha iyi olmasını beklerim). Ki-kare testi esas olarak artıklarınızın sıfıra eşit olduğu bir testtir ve RMSEA, TLI ve CFI testin dönüşümleridir.

Uyum her zaman iki faktörlü bir çözümde tek faktörlü bir çözümden daha iyi olacaktır (iç içe geçmişlerdir).

Bazı sorular: Örneklem büyüklüğü neydi? Ortalama korelasyon nedir? Ki-kare ve df nedir, boş modelin ki-kare nedir?

İlişkili hatalar eklemeli misiniz? Belki, ama bunu yaptığınızda ek faktörler ortaya koyarsınız. Böyle bir uyum ile çok şey eklemeniz gerekebilir ve sonra bir karmaşa ile sonuçlanırsınız - en iyisi bir şekilde haklı çıkarsa. Örneğin, ikinci ve üçüncü öğeleriniz müdahaleci düşüncelerle ilgilidir - bu bir gerekçe olabilir.