Słownik metodologiczny · Modele SEM

CFI (Comparative Fit Index)

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / CFI (Comparative Fit Index)

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza CFI (Comparative Fit Index)?

CFI porównuje poprawę dopasowania badanego modelu względem modelu niezależności, uwzględniając stopnie swobody. Opiera się na statystykach chi-kwadrat i nie jest bezpośrednim procentem wyjaśnionej wariancji.

Zastosowanie, warunki i dobre praktyki

CFI porównuje poprawę dopasowania modelu badanego względem modelu niezależności, uwzględniając stopnie swobody. Jego wartość zależy od siły korelacji i jakości modelu bazowego, więc wysoki CFI nie wyklucza lokalnych problemów. Próg .95 jest orientacją pochodzącą z określonych warunków symulacyjnych; potrzebne są RMSEA, SRMR, reszty i parametry.

Najważniejsze zastosowanie: Stosuj w CFA i CB-SEM razem z TLI, RMSEA z CI, SRMR, resztami oraz parametrami. Dla odpornych estymatorów raportuj właściwą skalowaną wersję.

Jak to się oblicza i co oznaczają symbole?

CFI = 1 − max(χ²_m−df_m,0) / max(χ²_b−df_b, χ²_m−df_m,0)

χ²_m i df_m dotyczą ocenianego modelu, natomiast χ²_b i df_b modelu bazowego, zwykle zakładającego brak korelacji między zmiennymi. CFI porównuje poprawę niedopasowania modelu badanego względem bazowego, z korektą o stopnie swobody. Wartość zależy m.in. od siły korelacji, liczebności i specyfikacji modelu bazowego, dlatego popularny próg nie może zastąpić analizy reszt i parametrów.

Jak poprawnie stosować i interpretować hasło „CFI (Comparative Fit Index)”?

Interpretując „CFI (Comparative Fit Index)”, należy najpierw ustalić, jaką rozbieżność lub własność modelu mierzy dany indeks oraz od czego zależy jego skala. W analizie dotyczącej hasła „CFI (Comparative Fit Index)” pojedynczy próg nie może zastąpić oceny reszt, parametrów i sensu teoretycznego. Dla interpretacji hasła „CFI (Comparative Fit Index)” dwa modele o podobnej wartości indeksu mogą prowadzić do innych wniosków, jeśli różnią się specyfikacją pomiaru albo kluczowymi ścieżkami.

Ocena pojęcia „CFI (Comparative Fit Index)” powinna łączyć indeksy reprezentujące różne aspekty dopasowania, diagnostykę lokalną i porównanie modeli uzasadnionych przed analizą. W odniesieniu do hasła „CFI (Comparative Fit Index)” wielkość próby, liczba zmiennych i estymator wpływają na zachowanie wielu wskaźników. Przy ocenie hasła „CFI (Comparative Fit Index)” modyfikację modelu należy traktować jako eksplorację i sprawdzić na nowych danych, zamiast dopasowywać rozwiązanie do szumu.

Co trzeba opisać w raporcie?

Raport dotyczący „CFI (Comparative Fit Index)” powinien podać wartość indeksu wraz z estymatorem i pełnym zestawem kluczowych miar dopasowania. W analizie dotyczącej hasła „CFI (Comparative Fit Index)” warto wskazać przyjęte kryteria, lecz końcowy wniosek oprzeć także na resztach, rozwiązaniach niedopuszczalnych i parametrach. Dla interpretacji hasła „CFI (Comparative Fit Index)” każda modyfikacja wymaga uzasadnienia treściowego, a nie tylko oczekiwanego spadku χ².

Zakres raportowania dla hasła „CFI (Comparative Fit Index)”: Podaj CFI, estymator, wersję skalowaną lub zwykłą i zestaw pozostałych diagnostyk. Przy porównaniu grup uzasadnij kryteria zmian.

Przykład praktyczny i gotowa interpretacja

Sytuacja: CFI = .96 może współwystępować z jedną dużą lokalną resztą i słabym ładunkiem. Globalna wartość nie zwalnia z oceny konkretnego miejsca niedopasowania.

Jak ją zinterpretować: CFI pokazuje poprawę względem modelu niezależności, lecz zależy od jego jakości i siły korelacji w danych. Przekroczenie .95 jest wskazówką, nie dowodem; potrzebne są reszty, RMSEA, SRMR i parametry.

Najczęstsza pułapka i granica interpretacji

Stały próg .95 nie jest prawem natury. CFI zależy od modelu bazowego, liczebności i rozkładu korelacji.

Akceptowalna wartość „CFI (Comparative Fit Index)” nie potwierdza prawdziwości modelu ani przyczynowego znaczenia strzałek. W odniesieniu do hasła „CFI (Comparative Fit Index)” model może być globalnie dopasowany, a jednocześnie błędny w części istotnej dla pytania badawczego.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Hu i Bentler, 1999).

Powiązane hasła

AIC i BIC w SEMCFA (konfirmacyjna analiza czynnikowa)Identyfikacja modelu SEMInwariancja pomiaru w CB-SEMKowariancja reszt w SEMMacierz reszt standaryzowanych w SEM

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
  2. Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238–246. https://doi.org/10.1037/0033-2909.107.2.238
  3. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  4. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  5. Iacobucci, D. (2010). Structural equations modeling: Fit indices, sample size, and advanced topics. Journal of Consumer Psychology, 20(1), 90–98. https://doi.org/10.1016/j.jcps.2009.09.003
  6. Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02

Cytowania BibTeX

@article{hu1999sem, author={Hu, Li-tze and Bentler, Peter M.}, title={Cutoff criteria for fit indexes in covariance structure analysis}, journal={Structural Equation Modeling}, year={1999}, volume={6}, number={1}, pages={1--55}, doi={10.1080/10705519909540118}}
@article{bentler1990cfi, author={Bentler, Peter M.}, title={Comparative fit indexes in structural models}, journal={Psychological Bulletin}, year={1990}, volume={107}, number={2}, pages={238--246}, doi={10.1037/0033-2909.107.2.238}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{iacobucci2010sem, author={Iacobucci, Dawn}, title={Structural Equations Modeling: Fit Indices, Sample Size, and Advanced Topics}, journal={Journal of Consumer Psychology}, year={2010}, volume={20}, number={1}, pages={90--98}, doi={10.1016/j.jcps.2009.09.003}}
@article{rosseel2012lavaan, author={Rosseel, Yves}, title={lavaan: An R Package for Structural Equation Modeling}, journal={Journal of Statistical Software}, year={2012}, volume={48}, number={2}, pages={1--36}, doi={10.18637/jss.v048.i02}}
R