1. L'indice de notation conformément au modèle

Vous devez utiliser des indicateurs courants, y compris la liberté de la frontière, le GFI, la RMSSea, la RMR, la CFI, la NFI: [

II. Tarif sans carte Frang

Lorsque le niveau de la carte est inférieur à 3, le modèle convient également.

Le rapport degré de la carte est la valeur carrée de la carte est divisée par un niveau libre, la valeur de la carte est facilement affectée par le nombre d'échantillons. Lorsque l'échantillon est, la valeur est plus petite, de sorte que de petits échantillons sont très facilement temps pour le ratio librement.

Si le modèle de saturation est 0, le niveau de liberté est 0. À ce stade, le modèle ne peut pas obtenir la valeur de degré sans carte carrée, c'est normal, si la valeur de la liberté est 0, SPSSAU sera "-" a déterminé le niveau de carte libre sans cartes gratuites. De plus, de nombreux phénomènes de la valeur indicatrice appropriée de 1 000, également un phénomène normal.

III. GFI

Lorsque GFI est toujours inférieur à 0,9, le modèle approprié est bon.

Quatre. Rmsesea
RMSEA est inférieur à 0,1 montre plus approprié; Moins de 0,05 convient.

Five.RMR

General RMR est inférieur à 0,05, montrant également un modèle approprié aussi près de 0.

six. CFI
L'indice approprié est compris entre 0 et 1. sa valeur supérieure ou égale à 0,9 signifie que le modèle est accepté.

Sept. NFI

Cet indice reflète la différence entre le modèle hypothétique et un modèle indépendant.

Le modèle indépendant fait référence à un modèle simple sans aucune relation connexe dans les variables.
Supposons que la différence entre le modèle et le modèle indépendant, plus l'hypothèse est grande, l'hypothèse appropriée.
Le général NFI est supérieur à 0,9 et suppose que le modèle est bien équipé.
Les valeurs AIC et BIC sont utilisées pour de nombreuses analyses; Si possible, une faible valeur que deux valeurs analysées à plusieurs reprises, peut comparer de nombreux changements dans ces deux valeurs, expliquant de manière globale le processus de modélisation de la modélisation.

8. Comment améliorer le modèle correspondant au modèle

Analyse de coefficient minimisteH a beaucoup d'indicateurs d'installation, tels que le taux de liberté carrée, RMSA, CFA, RMR, V.V. En fait, il verra que tous les indicateurs seront pris conformément aux normes.

Si les indicateurs les plus couramment utilisés sont trouvés dans des normes (ou des indicateurs de base les plus élémentaires ou clairs dans la norme), il n'y a aucun autre indicateur situé dans la portée et le modèle prévu. C'est aussi bon, vous n'avez donc pas besoin de considérer tous les indicateurs appropriés. Marque, presque impossible pour tous les indicateurs de répondre à la norme.

Si des objectifs de recherche consistent à effectuer une validation ou une confiance en combinaison, l'indicateur axé sur le modèle est souvent négligé directement.

Si la déviation CMV CMV est couramment effectuée à l'aide de l'analyse des facteurs de vérification, le principe de test n'est pas bon pour voir l'indicateur approprié. Il est utilisé pour expliquer le problème de non cmv;

Si vous utilisez l'analyse du facteur de vérification n'est pas bonneLorsque vous effectuez un calcul de poids, envisagez de supprimer ou de régler MI, V.V.

Si le modèle est équipé d'une grande surface, il est clairement dévié de la plage standard, ce modèle doit être ajusté.

Solution 1: Vérifier la qualité des données

Le nombre d'échantillons affecte les résultats de l'index et lorsque l'échantillon est faible, il est facile d'aller de l'avant la priorité. Nous recommandons que la quantité d'échantillons soit au moins 5 fois ou plus, il est préférable de plus de 10 fois ou plus, et en général, au moins 200 échantillons.

Conseils spéciaux: L'analyse des facteurs de vérification ne peut analyser que des données d'horloge et si les données de table notable sont définies, le résultat n'est pas bon.

Solution 2: Vérifiez le facteur de valeur de charge trop volumineux ou trop petit

Le facteur de charge facteur a tendance à affecter les résultats globaux du modèle:

Si un élément est normalisé charger la valeur trop grande, telle que supérieure à 1, indiquant qu'il existe un fort problème linéaire populaire, qui est recommandéPour créer une analyse associée, respectivement, et la relation liée à la relation est trop forte (telle que la valeur de coefficient de corrélation supérieure à 0,8 ou même 0,9) après avoir supprimé, servant des problèmes linéaires;

Si la valeur de charge d'élément est trop petite, telle que 0,4, l'élément sera supprimé directement et la valeur numérique de l'indicateur approprié sera améliorée après la suppression.

Solution 3: Processus d'analyse de la carte

Avant d'effectuer une analyse des facteurs de vérification, le meilleur premier premier d'abord à explorer l'analyse du facteur d'exploration et si les selles intègrent des facteurs d'exploration ont trouvé des problèmes, tels que des éléments et des éléments ont un problème. Avec la relation correspondante, les données continue de vérifier l'analyse des facteurs, ont souvent de nombreux problèmes différents et conduira également à un très mauvais indicateur de modèle.