For 7: Konfirmatoriske Faktoranalyser 2 Flashcards
(19 cards)
Gitt bilder av venndiagram, hvilke viser forklart varians og hvilket viser forklart kovarians? MES_7_1
se ppt. (7-9) eller eksamensdokument for bilder.
Gitt relevant informasjon om en faktormodell, regn ut antall: datapunkter, estimerte parametere og frihetsgrader (df) i en CFA. MES_7_2
Utregning av frihetsgrader:
- Datapunkter (DP) – Parametere som estimeres (Par) = Frihetsgrader (df)
Regne ut antall datapunkter (DP)
-p(p+1)/2 = DP
-p= antall observerte variabler.
-Eks: 5 varabler (5*6)/2 = 30/2 = 15. 5 varabler har 15 datapunkter.
Regne ut estimerte parametere
- Faktorladninger + Feilvarianser = Parametere å estimere.
Ved hjelp av en kjikvadrattabell og informasjon om df, skal du avgjøre om et kjikvadrat er signifikant MES_7_3
Praktisk oppgave.
Hva betyr et høyt kjikvadrat i CFA, og hvilken sammenheng er det mellom kjikvadratverdi og p-verdi? MES_7_4
Et høyt kjikvadrat betyr at det er stor forskjell mellom observerte og forventa korrelasjoner, dvs. at faktormodellen passer dårlig med data. Jo høyere x^2 jo lavere p-verdi har signifikanttesten.
Jo høyere kjikvadrat, dess lavere p-verdi.
Hvis kjikvadratetverdien (X^2) i raden for frihetsgrader (df) er større enn terskelverdien i en kolonne for signifikansnivåer (indikert ved p <…), så er testen signifikant på dette nivået.
Hva betyr utvalgsstørrelse (N) for kjikvadrattesting og hvilke tommelregler anbefales for N når det gjelder testens egnethet som tilpasningskriterium for CFA? MES_7_4
Kjikvadrat er sensitiv for utvalgsstørrelse og CFA med store utvalg (N > 400) gir nesten alltid signifikante X^2 verdier. Det betyr at kjikvadrattesten er lite informativ når utvalget er stort.
Hvis N er lavere enn 200 vil kjikvadrattesten være rimelig indikator på tilpassning (goodness-of-fit).
Hva er en kjikvadrat ratio? Hvordan regnes den ut og hvilken ratio indikerer akseptabel tilpasning (goodness-of-fit)? MES_7_4
Enkelte kutter ut signifikanttesten for kjikvadrater og bruker kjikvadrat ratio istedet. Kjikvadrat ratioen regnes ut som (X^2)/df. Noen foretrekker en ratio på 2. Dvs. at X^2 er dobbelt så stor som antall frihetsgrader (df). Andre bruker en ratio på 3. men det er ingen konsensus i disse kriteriene.
Hva er en tilvekstindeks (incremental index), hva er en vanlig type tilvekstindeks og hvilken terskel indikerer akseptabel tilpasning? MES_7_5
En tilvekstindeks (incremental index) sammenligner resultatet med baseline modellen, kalt H0. (for CFA betyr H0 at ingen variabler korrelerer). Høye tall er bra, men CFI favortiserer enkle modeller (få df).
CFI verdier høyere enn .95 er akseptabel tilpasning.
Hva er en absolutt indeks, hva er en vanlig type absolutt indeks og hvilken terskel indikerer akseptabel tilpasning? MES_7_5
Absolutt indeks (RMSEA) sammenligner resultatet med en perfekt modell. Lave tall er bra. Jo høyere tall, des lengre unna er vår modell den perfekte modellen.
RMSEA favoriserer komplekse modeller (mange df).
RMSEA verdier lavere enn .05 er akseptabel tilpasning. Øvre konfidensintervall (ØK) bør være <.08.
Hvilke forhold ved en faktormodell blir favorisert av absolutte indekser? MES_7_5
RMSEA favoriserer komplekse modeller (mange df).
Hva menes med begrepet tilpasning («goodness-of-fit») i CFA? MES_7_6
Tilpasning (goodness-of-fit) er modellens evne til å reprodusere data. God tilpasning er ikke nødvendigvis det samme som en god modell.
Vil en god tilpasning alltid indikere en god faktormodell, og hvis nei, hva er i så fall årsaken? MES_7_6
God tilpasning er ikke nødvendigvis det samme som en god modell.
Den kan bli overparametisert, dvs. at modellen inkluderer så mange parametere at hypoteser om kausalitet ikke lengre blir meningsfulle.
Hvorfor er det viktig at en CFA har god tilpasning? MES_7_6
God tilpasning er en forutsettning for å kunne tolke kausalitet og er derfor viktig i en CFA.
Hvordan kan vi dekomponere korrelasjonen mellom to variabler i en modell der det går flere stier mellom dem? MES_7_7
Korrelasjonen mellom to variabler i en modell som inkluderer flere stier kan dekomponeres som produktsummen av stiene mellom dem.
- c=(ab) + (de)
- c= (a*b)+d
Hva skjer med tilpasningen til en CFA når man utvider modellen med flere faktorer? MES_7_8
Når man utvider modellen med flere faktorer vil tilpasningen bli bedre. Når en faktormodell utvides til å bestå av flere faktorer vil korrelasjonen modellen skal forklare få flere stier å bevege seg gjennom.
Dette fører til en bedre tilpasning. Den forutsatte korrelasjonen beregnes da etter regler for komplekse dekomponeringer av korrelasjoner.
Hva skjer med residualkorrelasjonen til to variabler hvis vi tillater at deres respektive feilledd korrelerer? MES_7_8
Hvis vi tillater to feilledd å korrelere, forsvinner residualkorrelasjonen mellom dem.
Hva betyr det for faktormodellens grunnleggende hypotese at to feilledd korrelerer? MES_7_8
At to feilledd korrelerer, betyr at faktoren ikke er i stand til å ivareta all kovarians mellom deres to manifeste variabler. Hvis korrelasjonen mellom to feilledd er stor, har faktoranalysens grunnleggende hypotese derfor ikke empirisk støtte.
Hvorfor blir kjikvadratene mindre i modifiserte faktormodeller? MES_7_8
???
GPT: Når faktormodeller modifiseres for å bedre representere dataene, blir avstanden mellom observerte og forventede verdier mindre. Dette fører til en lavere kjikvadratverdi, som ofte indikerer en bedre modelltilpasning.
Gitt relevant informasjon, rapportere en kjikvadrattest MES_7_9
X^2 (df, N=) = kjikvadratet, p = .880
eks: X^2(5, N = 100) = 1.77, p = .880
Rapportere resultater fra en CFA basert på en JASP utskrift og i henhold til anbefalinger gitt for PSY-1512/22 MES_7_10
Se ppt. Stor oppgave.
