为什么二阶因子模型的卡方值比一阶小很多

为什么二阶因子模型的卡方值比一阶小很多,第1张

与一阶因素模型相比,二阶因素模型具有较多优点。

但二阶因素模型的测量等价性检验要更复杂,它需要依次进行七个不同水平的检验:形等价、一阶弱等价、二阶弱等价、一阶强等价、二阶强等价、二阶严等价和一阶严等价。

做二阶要满足一些条件:

首先就是理论上,这些一阶因子在理论上可以提炼出一个高阶的因子,比如语文能力,历史能力,政治能力在理论上可以统称为文科能力,最好是有前人的研究为理论支撑,如果没有,自己言之成理也可以,对于结构方程,理论前提十分重要,哪怕你做出了漂亮的模型,但没有合理的论据支持,也不行,所以如果你的多个维度理论上合不成一个更大的概念,就不用二阶

第二就是一阶因子间的相关,需要需要中等以上的相关。这个很好理解,如果一阶因子直接完全独立,毫无关联,那肯定是不能统和起来的,所以再看看维度间的相关高不高

其次,如果你的一阶因子太多了,模型看起来偏复杂,那可以构建二阶模型,可以简化模型,释放自由度

再次,用二阶模型你可以把一阶因子的独特方差从测量误差中分离,如果你需要提取一阶因子的独特方差,那就做个二阶

主要考虑前两点就好了

证明二阶验证性因子分析的意义。

1、根据查询相关资料信息,需先计算目标系数,目标系数的计算是以构面完全有相关模型(结构饱和模型)的卡方值为目标,与二阶模型的卡方值做比较,因此必须执行构面之间的完全相关,与二阶模型的卡方值。


欢迎分享,转载请注明来源:夏雨云

原文地址:https://www.xiayuyun.com/zonghe/483730.html

(0)
打赏 微信扫一扫微信扫一扫 支付宝扫一扫支付宝扫一扫
上一篇 2023-06-09
下一篇2023-06-09

发表评论

登录后才能评论

评论列表(0条)

    保存