Badam właściwości psychometryczne 10-elementowej miary samoopisu. Mam około 400 przypadków w dwóch niezależnych próbach. Przedmioty są uzupełniane w 4-punktowej skali Likerta. EFA wyraźnie wspiera rozwiązanie jednoczynnikowe (np. Pierwsza wartość własna powyżej 6, wszystkie inne poniżej 1), a wartość alfa Cronbacha jest dobra (np. 0,90). Żaden element nie ma niskiej korelacji między pozycjami ogółem.
Początkowo chciałem zrobić CFA (EFA było tylko kontynuacją po tym, jak zobaczyłem, że CFA nie jest dobry), testując model jednoskładnikowy. Ku mojemu zaskoczeniu dopasowanie do modelu było stosunkowo słabe:
CFI=.91
TLI=.88
RMSEA=.13
Co więcej, ładunki dla każdego elementu są całkiem dobre (.65+).
Dziwne, SRMR=.05
co jest dopuszczalne / dobre.
Wskaźniki modyfikacji sugerują korelowanie błędów w dowolnym miejscu. Gdyby było to wyraźnie uzasadnione (np. Niektóre elementy mają bardzo podobne sformułowanie) zrobiłbym to; jednak wszystkie miary są sformułowane podobnie, a korelowanie wszystkich terminów błędów byłoby dziwne i bolesne.
Nigdy nie widziałem takiej sprawy. Miara jest wewnętrznie spójna i wyraźnie składa się z jednego czynnika w EFA, ale wykazuje słabe dopasowanie do CFA. Wyniki są zgodne w obu niezależnych próbach (z różnych kontynentów). Próbowałem dwuskładnikowego CFA (zgrupowane 5 losowych przedmiotów) i dopasowanie było takie samo, a nawet nieznacznie lepsze.
Oto moje pytania:
- Dlaczego dopasowanie według CFI / TLI / RMSEA jest tak słabe, biorąc pod uwagę obciążenia alfa / czynnikowe EFA / Cronbacha?
- Dlaczego SRMR jest dobry, a inne wskaźniki nie? Wiem, że mierzą różne rzeczy, ale z mojego doświadczenia, prawie zawsze się zbiegają.
- Czy powinienem skorelować niektóre błędy?
Przykładowe przedmioty:
- Masz przemyślenia na temat swoich wad
- Masz myśli, o których trudno zapomnieć
- Cały czas myślisz o sytuacji