les différents indices Flashcards
À quoi servent les indices d’ajustements ?
Ce sont des outils pour évaluer la qualité d’un modèle SEM
nomme les 6 indices d’ajustements
Khi2, khi2/df, CFI, TLI, RMSEA, SRMR
quels sont les indices de bases et leurs rôles ?
Khi2 : vérifie si les différences entre les données observées et prédites par le modèle sont sig. ou non sig.
–> on veut qu’il soit non sig. = bon ajustement
khi2/DF : mesurent la simplicité du modèle (+ le nb est élevé, + c’est simple)
quels sont les indices absolus et leurs rôles ?
GFI : évalue à quel point le modèle proposé correspond bien aux données observées (dérivation du khi2), si près de 1 = bon ajustement
AGFI : évalue si le modèle reflète bien les relations entre les variables, mais en tenant compte de la complexité du modèle, si trop complexe, AGFI sera faible
RMSEA : mesure l’erreur d’approximation entre les données observées et le modèle proposé, tout en prenant en compte la complexité du modèle (<0.06 = bon ajustement)
SRMR : mesure si le modèle s’ajuste bien aux données en comparant les prédictions du modèle avec les données réellement observées (<0.05 = bon ajustement)
Quels sont les indices comparatifs et leurs rôles ?
CFI : compare notre modèle à un modèle nul pour voir s’il explique mieux les données. + c’est proche de 1, mieux notre modèle correspond aux données observées (>0.90 = bon ajustement)
TLI : compare notre modèle à un modèle de base (où il n’y a pas de relations entre les variables) pour voir à quel point il est bien ajusté. + c’est proche de 1, + le modèle est considéré comme bien ajusté et efficace (>0.90 = bon ajustement)
Qu’est-ce que les indices de modifications ?
Elles montrent comment améliorer l’ajustement d’un modèle en identifiant des ajustements possibles. ils évaluent l’impact de la suppression ou de la modification de certaines contraintes imposées dans le modèle
pourquoi les MI sont principalement utilisés ?
-identifier des erreurs de spécification dans le modèle
-suggérer des relations non hypothétisées entre des variables
-guider des ajustements itératifs au modèle pour améliorer l’ajustement global
pourquoi devons-nous nous méfier des MI ?
car quand on applique systématiquement toutes les suggestions des MI, cela peut conduire à un surajustement du modèle et réduire sa validité générale.
3 critères pour l’interprétation des MI
1- seuil des MI : si > 4 on doit modifier, car les MI sont considérées sig.
2-pertinence théorique : avant de faire une modif., elle doit être appuyer par la théorie
3- impact sur l’ajustement global : MI appliquées seulement si elles améliorent clairement les indices globaux (RMSEA, CFI, etc.) sans compromettre la parcimonie du modèle
3 limites des MI
1- encourager un surajustement
2- ne tiennent pas compte de la complexité croissante lorsque des relations supplémentaires sont ajoutées
3- uniquement basés sur les statistiques (pas de jugement théorique)
Qu’est-ce que sont les méthodes d’estimation (ME)?
-utilisées pour estimer les paramètres du modèle, tels que les coefficients des relations entre les variables latentes et observées.
-visent à trouver les paramètres qui permettent au modèle de correspondre le mieux aux données
