Konfirmatorisk faktoranalyse 2

Question 1

Hva er et kjikvadrat?

Answer 1

Et kjikvadrat er et tall, som sier noe om forskjellen mellom en empirisk observasjon og en forventet observasjon.

I CFA uttrykker den da forskjellen mellom observert korrelasjonsmatrise og forventet korrelasjonsmatrise.

Question 2

Hva er sammenhengen mellom kjikvadrat og og p-verdi?

Answer 2

Høyt kjikvadrat gir lav p-verdi

Question 3

Hva er formelen for kjikvadrat?

Answer 3

Kjikvadrat symboliseres med X^2, og formelen ser du på bildet.

Utregningen for kjikvadrat må gjøres for alle celler i hele datamatrisen. Det er summen av alle disse utregningene som blir til kjikvadrat verdien.

Question 4

Hva brukes kjikvadrat testing til i en CFA?

Answer 4

Vi kan bruke en kjikvadrat test til å signifikans teste konfirmatoriske faktormodeller.

Kjikvadrat testing handler om å finne sannsynligheten for at forskjeller mellom observasjoner i et utvalg og forventninger i en modell skyldes tilfeldige utvalgsfeil.

Question 5

Hvordan regner du ut antall frihetsgrader (df) i en faktormodell?

Answer 5

Question 6

Hvordan regner du ut antall datapunkter i en korrelasjonsmatrise?

Answer 6

P(p+1)/2, der p = antall variabler

Question 7

Hvordan regner du ut parametere som skal estimeres i en CFA?

Answer 7

I statistiske modeller er parametere noe vi må estimere, slik som gjennomsnitt. I faktormodeller er det først og fremst faktorladninger og korrelasjoner som er de vanligste parameterne.

Question 8

Hvordan avgjør du om en kjikvadratverdi er signifikant gjennom en tabell?

Answer 8

Først må du vite din kjikvadratverdi og df. Deretter finner du raden som representerer din df-verdi. I denne raden oppgis tre tall, der hver representerer en terskel for ett signifikansnivå. Dersom kjikvadratverdien (X^2) i raden for dine frihetsgrader er større en terskelverdien i en kolonne for signifikansnivåer så er testen signifikant på dette nivået.

Eksempel med en kjikvadratverdi på 5(1); Her må du se på raden med 1 df. Vår verdi 5 er større enn 3.84 (i første kolonne), så p < .05, men vår verdi 5 er mindre enn 6.64 (andre kolonne), så p er ikke < .01.

Ulempen er at den ikke gir eksakt p-verdi, men kun terskels verdiene et bestemt kjikvadrat tall tilfredsstiller.

Question 9

Beskriv forholdet mellom kjikvadrat testing og utvalgsstørrelse.

Answer 9

Kjikvadratet er lite informativt når utvalget er stort (N>400). Hvis N er lavere enn 200 vil kjikvadratet være en rimelig indikator på tilpasning.

Kjikvadrat testing er altså sårbar til utvalgsstørrelser - når den forandres så forandres også kjikvadratet.

Question 10

Hva er goodness-of-fit-indekser?

Answer 10

For å bøte på problemet med kjikvadrat (sensitiv til N) er det utviklet en rekke goodness of fit indekser som kan brukes i tillegg til eller i stedet for kjikvadrat testing av faktor modeller.

Question 11

Gjengi en absolutt tilpasningsindeks (goodness-of-fit-indeks) med anbefalte terskelverdier

Answer 11

Absolutt indeks:
RMSEA - verdier mindre enn 0.06 er bra, øvre konfidensintervall mindre 0.08

Question 12

Gjengi en tilvekstindeks (goodness-of-fit-indeks) med anbefalte terskelverdier

Answer 12

Tilvekst indeks:
CFI (comparative fit index) -verdier høyere enn 0.95 er bra

Question 13

Rapporter en kjikvadrat test.

Answer 13

Question 14

Hva må du huske å rapporterte om fra en CFA?(7)

Answer 14

Question 15

Gjenkjenn og beskriv elementene i en 2-ordens faktormodell

Answer 15

2-ordens faktormodell skiller seg fra en 1-ordens modell ved at hver observasjon påvirkes av primærfaktorer, som igjen påvirkes av sekundære faktorer. Vi kan se for oss et hierarki.

Question 16

Hva er tilpasning (goodness-of-fit) ?

Answer 16

Tilpasning (goodness-of-fit) er modellens evne til å reprodusere data. God tilpasning er ikke det samme som god modell. God tilpasning er en forutsetning for å kunne tolke kausale modeller.

Question 17

Hvordan vil det å utvide en faktormodell med flere faktorer påvirke modellens tilpasning?

Answer 17

Med flere faktorer blir tilpasningen bedre

Question 18

Hva er korrelerte feilledd?

Answer 18

Antall stier i en kausal modell øker gjør at modellen blir mer komplisert, men gjør oss i bedre stand til å forstå variablene den er lage for å forklare. Dette prinsippet brukes når vi lar to eller flere feilledd i en faktormodell korrelere med hverandre.

Korrelerte feilledd handler om modeller der to eller flere unike faktorer korrelerer med hverandre.

Question 19

Hvordan påvirker korrelerte feilledd modellens tilpasning?

Answer 19

Med korrelerte feilledd blir tilpasningen bedre, men det er ikke lurt.

Det å åpne opp for korrelerte feilledd, som på bildet, betyr at all den korrelasjonen som felles faktoren ikke kan forklare mellom to variabler blir ivaretatt av denne nye stien (d).

Vi kan forsøke å ha mange korrelerte feilledd for å få en bedre tilpasning på modellen med data (får flere parametere) men dette er en dårlig ide.