Questions V / F

Question 1

V / F :
Dans un modèle SEM, une valeur de RMSEA supérieure à 0,10 est considérée comme acceptable pour un bon ajustement du modèle, indiquant que les écarts entre le modèle théorique et les données observées sont négligeables.

Answer 1

Faux, doit être < 0.06

Question 2

V / F
En analyse SEM, un CFI proche de 0,95 ou supérieur indique un bon ajustement du modèle aux données.

Answer 2

Vrai

Question 3

V / F
Dans une analyse SEM, des indices tels que le CFI et le RMSEA sont utilisés pour évaluer l’ajustement global du modèle.

Answer 3

Vrai

Question 4

V / F
En analyse SEM, un RMSEA supérieur à 0,10 est considéré comme un bon ajustement du modèle.

Answer 4

Faux, doit être < 0.06

Question 5

V / F
Dans une analyse en équations structurelles (SEM), l’absence de normalité des données est acceptable, car le modèle SEM est insensible aux déviations de normalité.

Answer 5

Faux, cela va probablement nécessiter un plus gros échantillon pour pallier et pour minimiser l’erreur de mesure

Question 6

V / F
Dans une régression en équations structurelles, un RMSEA de 0,15 est acceptable pour un bon ajustement du modèle.

Answer 6

faux, doit être < 0.06

Question 7

V / F
En analyse SEM, il est possible de contrôler les erreurs

Answer 7

Vrai

Question 8

V / F
En analyse SEM, il n’est pas possible de tester plusieurs modèles afin de déterminer lequel s’ajuste le mieux à nos données

Answer 8

Faux

Question 9

V / F
En analyse SEM, il est essentiel de tester les niveaux d’invariance (configural, métrique, scalaire et stricte)

Answer 9

Vrai

Question 10

V / F
En analyse SEM, c’est l’invariance métrique qui est rarement atteinte

Answer 10

faux, c’est stricte

Question 11

V / F
En analyse SEM, une valeur CFI ou TLI supérieur à 0.70 indique un bon ajustement du modèle

Answer 11

Faux, doit être >0.90

Question 12

V / F
En analyse SEM, l’erreur de mesure représente la partie de la variance qui est expliquée, on souhaite donc que sa valeur soit élevée

Answer 12

Faux, il s’agit de la partie non expliquée par le modèle et on veut que la valeur soit la plus petite possible

Question 13

V / F
En analyse SEM, la variance commune des items EST le ou les facteurs de 1er ordre

Answer 13

vrai,
la variance commune des facteurs de 1er ordre EST le facteur de 2e ordre

Question 14

V / F
En analyse SEM, l’évaluation de la qualité du modèle à l’aide du Khi2, doit être significatif pour indiquer un bon ajustement

Answer 14

Faux, il doit être non significatif pour indiquer le bon ajustement

Question 15

V / F
le test du khi2 est très influençable par la taille de l’échantillon, ce qui fait en sorte que plus le N est gros, plus le test a de chances d’être non significatif

Answer 15

Faux, en effet le test khi2 est très influençable par la taille du N, mais un gros N rend automatiquement le test significatif, ce qui n’indique pas un bon ajustement et nécessite l’évaluation des autres indices

Question 16

V / F
En analyse SEM, le RMSEA et SRMR sont des indices d’ajustement basés sur les erreurs de mesure

Answer 16

Vrai, c’est pour cela qu’ils doivent être petit (RMSEA < 0.06; SRMR < 0.05) afin d’indiquer un bon ajustement

Question 17

V / F
En analyse SEM, la division du khi2 par son DF représente une correction pertinente à faire lors de l’évaluation de la qualité du modèle. Le résultat doit être inférieur à 4

Answer 17

Faux, cela représente bien une correction pertinente toutefois, elle doit être < 2

Question 18

V / F
En analyse SEM, khi2 / DF est une forme de standardisation pour diminuer l’importance du N

Answer 18

Vrai

Question 19

V / F
En analyse SEM, dans une path analysis, si on enlève les var. obs. on obtient une SEM classique

Answer 19

vrai

Question 20

V / F
En analyse SEM, on retrouve deux indices de base

Answer 20

vrai, khi2 et khi2/DF

Question 21

V / F
En analyse SEM, on retrouve 3 indices absolus

Answer 21

faux, il y en a 4 (GFI, AGFI, RMSEA, SRMR)

Question 22

V / F
En analyse SEM, AGFI prend en compte la complexité du modèle

Answer 22

vrai

Question 23

V / F
En analyse SEM, GFI et AGFI sont des dérivations du khi2

Answer 23

vrai

Question 24

V / F
En analyse SEM, il y 2 deux indices comparatifs

Answer 24

vrai, CFI et TLI

Question 25

V / F
En analyse SEM, nous devons appliquer sans réfléchir toutes les indices de modification (MI)

Answer 25

Faux, cela pourrait conduire à un surajustement du modèle et réduire sa validité générale

Question 26

V / F
En analyse SEM, les MI tiennent compte de la complexité croissante lorsque des relations supplémentaires sont ajoutées

Answer 26

faux, ils n’en tiennent aucunement compte

Question 27

V / F
En analyse SEM, on souhaite avoir 10 à 15 participants par variables observées (items)

Answer 27

faux, 10 à 20 (bcp item = 10, pas bcp = 20)

Question 28

V / F
En analyse SEM, la méthode des moindres carrés pondérés (WLS) est celle qui requiert le moins de participant

Answer 28

Faux, c’est celle qui en requiert le plus (> 500)
Max. de vraisemblance : 200 à 500
moindres carrés partiel (PLS) et méthodes bayésiennes : < 200

Question 29

V / F
En analyse SEM, plus il y a d’hypothèses dans le modèle plus ce dernier est complexe

Answer 29

vrai

Question 30

V / F
En analyse SEM, le bootstrapping est reconnu pour sa robustesse car il n’est pas influençable par le N vu qu’il le rééchantillonne plusieurs fois

Answer 30

Faux, il permet de générer des IC95% afin de déterminer si tous les indices sont sig. ou non sig. Cela permet donc d’augmenter la fiabilité et la précision. Mais il rééchantillonne bien plusieurs fois les données (normalement 1000x)