modèles structurels Flashcards
AFC simple (définition) ?
méthode utilisée pour tester une hypothèse spécifique concernant la structure factorielle d’un instrument de mesure
AFC vise à confirmer si un modèle théorique correspond aux données collectées
souvent utilisé comme point de départ pour valider des construits simples et unidimensionnels
utile pour confirmer des hypothèses simples sur la structure d’un construit et sert de base pour des modèles plus complexes
AFC simple (description) ?
-chaque item est associé à un seul facteur latent, sans croisement entre facteurs
-les facteurs latents ne sons pas corrélés entre eux
-les erreurs de mesure des items sont supposées être indépendantes
objectif de L’AFC simple
vérifier si les chargements factoriels sont élevés et significatifs, ce qui indiquerait une bonne correspondance entre les items et le facteur latent
évaluer si les indices d’ajustement globaux soutiennent l’hypothèse que le modèle proposé reflète fidèlement les données empiriques
AFC avec facteurs corrélés (objectifs) ?
-tester si les indicateurs observés se regroupent autour des 3 facteurs latents hypothétiques
-évaluer la force des relations entre les facteurs latents, afin de mieux comprendre la structure théorique des dimensions étudiées
-vérifier si les données empiriques soutiennent l’hypothèse selon laquelle ces facteurs corrélés constituent des dimensions distinctes et interdépendantes
AFC avec facteurs corrélés (interprétation et applications pédagogiques) ?
illustre un exemple classique d’AFC où plusieurs dimensions théoriques sont examinées simultanément. les corrélations entre facteurs permettent de mieux comprendre les relations sous-jacentes entre les dimensions, tout en maintenant leur indépendance relative
est une opportunité d’explorer des concepts comme :
-validité discriminante et convergente
-interprétation des chargements factoriels et des indices d’ajustement
-conceptualisation de modèles théoriques complexes en psychologie
AFC 2e ordre (objectifs)
objectif principal est de tester si :
- le facteur de 2e ordre peut expliquer les corrélations entre les trois facteurs de 1er ordre
-les indicateurs mesurent correctement leurs facteurs de 1er ordre respectifs
-les données soutiennent l’hypothèse hiérarchique selon laquelle un construit global regroupe plusieurs dimensions spécifiques
AFC 2e ordre (interprétation et applications pédagogiques) ?
illustre un cas classique de structure hiérarchique, où un construit général englobe plusieurs dimensions spécifiques
permet d’apprendre :
-à conceptualiser des construits complexes avec plusieurs niveaux
-à interpréter les relations entre facteurs de 1er et 2e ordre
-à évaluer la validité d’un construit général à travers les dimensions spécifiques
AFC bifactoriel (description) ?
chaque indicateur (var. obs.) est directement influencé par : un facteur général (F4 : Réalisme), qui explique la variance commune à l’ensemble des indicateurs. Un facteur spécifique (F1; F2; F3), qui explique la variance unique de chaque sous-dimension.
permet de tester l’hypothèse selon laquelle les indicateurs partagent une source commune de variance (facteur général) tout en capturant des dimensions spécifiques distinctes
AFC bifactoriel (objectifs) ?
tester si un facteur général explique la variance commune des indicateurs
vérifier si les facteurs spécifiques capturent la variance unique de chaque dimension, au-delà du facteur général
évaluer la structure hiérarchique du construit tout en conservant l’indépendance relative des sous-dimensions
AFC bifactoriel (interprétation et applications pédagogiques) ?
utile pour analyser des construits complexes où :
-un facteur général explique les relations communes entre les items
-des facteurs spécifiques permettent de différencier les sous-dimensions du construit global
Path analysis (description) ?
modèle explicatif qui illustre les relations directes et indirectes entre plusieurs variables latentes et manifestes
objectif principal est de comprendre comment les VI influencent les VD, directement ou via des médiateurs
path analysis (objectifs) ?
comprendre les relations complexes : tester comment les variables sociales influencent les résultats individuels via des mécanismes médiateurs
décomposer les effets : différencier les effets directs, indirects et totaux des VI sur les VD
évaluer l’ajustement global : vérifier si le modèle proposé correspond aux données empiriques
