Имею в виду, что мы можем поочередно брать каждую шкалу, рассчитывать параметры КФА для них и на основе факторных нагрузок крутить разные конфигурации, вычища шкалы от плохих вопросов, добиваясь сборки оптимальной комплектации шкал и той совокупности вопросов, которые дадут нам удовлетворительные значения по анализу КФА. Или я заблуждаюсь?
@@psycheya_blog Это хороший вопрос. Если важно обосновать состав каждой шкалы по отдельности (как будто других шкал не существует), то можно для каждой шкалы построить отдельную модель. Но если у нас один опросник, то обычно сначала бывает нужно обосновать, что каждый вопрос относится именно к этой шкале, а не к другой - для этого мы и строим единую модель (CFA или EFA/ESEM с перекрёстными нагрузками). Иногда, особенно в кросс-культурных исследованиях, мы делаем эти два этапа по отдельности - сначала обосновываем разбиение пунктов по шкалам, а потом уже для каждой шкалы строим отдельную модель для сравнения разных стран.
Jamovi умеет это делать в какой-то степени (для простых моделей), в R можно использовать пакеты semPaths или semPlot, но чтобы картинка выглядела достаточно прилично для публикации (цифры и буквы хорошо читались), всё равно приходится отрисовывать вручную в Word или Visio
Не уверен, что я правильно понял вопрос, но KMO отражает, сколько у переменных общей дисперсии, а тест Бартлетта - насколько их связи отличаются от нуля. Оба они рассчитываются по матрице корреляций, т.е., это предварительные этапы по отношению к факторному анализу, независимые от него. Честно говоря, лично я не сильно уверен в полезности этих двух статистик на практике - они скорее имели смысл в древности, когда ФА делался вручную или на суперкомпьютерах и людям было важно понять, тратить ли кучу времени на его расчет :-)
Благодарю, что просвещаете!
Спасибо
Здравствуйте! А почему параметры (CFI, RMSEA и т.д.) мы смотрим по всей модели? Разве нам для принятия решений не нужны эти значения пошкально?
Имею в виду, что мы можем поочередно брать каждую шкалу, рассчитывать параметры КФА для них и на основе факторных нагрузок крутить разные конфигурации, вычища шкалы от плохих вопросов, добиваясь сборки оптимальной комплектации шкал и той совокупности вопросов, которые дадут нам удовлетворительные значения по анализу КФА. Или я заблуждаюсь?
@@psycheya_blog Это хороший вопрос. Если важно обосновать состав каждой шкалы по отдельности (как будто других шкал не существует), то можно для каждой шкалы построить отдельную модель. Но если у нас один опросник, то обычно сначала бывает нужно обосновать, что каждый вопрос относится именно к этой шкале, а не к другой - для этого мы и строим единую модель (CFA или EFA/ESEM с перекрёстными нагрузками). Иногда, особенно в кросс-культурных исследованиях, мы делаем эти два этапа по отдельности - сначала обосновываем разбиение пунктов по шкалам, а потом уже для каждой шкалы строим отдельную модель для сравнения разных стран.
Добрый день. Подскажите, пожалуйста, как рисуются путевые диаграммы (7:25, 21:00) по результатам КФА?
Jamovi умеет это делать в какой-то степени (для простых моделей), в R можно использовать пакеты semPaths или semPlot, но чтобы картинка выглядела достаточно прилично для публикации (цифры и буквы хорошо читались), всё равно приходится отрисовывать вручную в Word или Visio
Здравствуйте, подскажите может ли получиться так, что значения КМО и Бартлетта будут одинаковыми для ЭФА и КМА ?
Не уверен, что я правильно понял вопрос, но KMO отражает, сколько у переменных общей дисперсии, а тест Бартлетта - насколько их связи отличаются от нуля. Оба они рассчитываются по матрице корреляций, т.е., это предварительные этапы по отношению к факторному анализу, независимые от него. Честно говоря, лично я не сильно уверен в полезности этих двух статистик на практике - они скорее имели смысл в древности, когда ФА делался вручную или на суперкомпьютерах и людям было важно понять, тратить ли кучу времени на его расчет :-)