L’analisi fattoriale confermativa ( CFA) viene utilizzato per convalidare la struttura fattoriale delle variabili misurate basati sulla teoria sottostante. Fattori (come innovazione o l’autostima) sono tipicamente misurate con domande specifiche su un sondaggio. La convalida riguarda l’adeguatezza di tali domande del sondaggio e quindi l’ appropriatezza della ricerca . Software come LISREL , AMOS , SAS , SQA e Mplus sono comunemente utilizzati per condurre le analysis.Things che ti serviranno

software di analisi dei dati

Mostra Altre istruzioni

1

il modello di misurazione del software appropriato ed eseguire l’analisi . Dalla uscita , di valutare la bontà di adattamento tra il modello e dati utilizzando gli indici quali l’indice chi- quadrato , che dovrebbe essere vicino a zero, la radice dell’errore quadratico medio di approssimazione , che dovrebbe essere inferiore a 0,05 , e la misura normato indice , non normato Indice di forma e l’indice misura comparativa , che dovrebbero tutti essere maggiore di 0,9 . Che non soddisfano questi criteri indica una scarsa corrispondenza tra il modello e dati . Il professor David Kenny dell’Università del Connecticut fornisce una sintesi di indici di adattamento comunemente utilizzati nel link in Riferimenti .

2

Verificare che il carico di ogni variabile misurata sul suo fattore di fondo è significativo nella variabile manifesto equazioni e gli errori standard non sono vicini allo zero . Se il carico è insignificante , la variabile può essere lasciato cadere quando si modifica il modello , se tale modifica è coerente con la teoria .

3

Verificare che le voci della matrice residui sono vicine allo zero e la distribuzione dei residui normalizzati è simmetrica intorno allo zero con poche grandi residui . In caso contrario, il modello può essere necessario modificare coerente con la teoria sottostante .

4

Determinare che tutte le possibili coppie di fattori nel modello di ricerca sono distinti uno dall’altro confrontando l’indice di adattamento chi – quadrato del modello di ricerca con l’indice adattamento chi – quadrato di un modello alternativo in cui la correlazione tra la coppia di elementi è impostato su 1 . il modello migliore è quella con l’indice chi- quadrato inferiore.

5

Rivedere gli indici di modifica del modello . In primo luogo , esaminare i risultati del test di Wald in uscita per identificare i parametri che possono essere eliminati senza aumentare il modello di chi-quadrato in modo significativo . Accanto esaminare la prova moltiplicatore di Lagrange in uscita per identificare se i nuovi pesi fattoriali o covarianze dovrebbero essere aggiunti al modello .

6

Modificare il modello di misurazione restando coerente con la teoria sottostante ed eseguire nuovamente l’analisi .