Słownik metodologiczny · Modele SEM

PNFI (analiza SEM)

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

Strona główna / Słownik / PNFI (analiza SEM)

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza PNFI (analiza SEM)?

PNFI koryguje NFI o oszczędność modelu; służy raczej porównaniom niż absolutnym progom.

Zastosowanie, warunki i dobre praktyki

PNFI koryguje NFI o oszczędność modelu, więc premiuje większą liczbę stopni swobody i zwykle ma niższe wartości niż NFI. Jest miarą pomocniczą do porównywania modeli, nie testem z uniwersalnym progiem zaliczenia. Różnica ma sens tylko wtedy, gdy modele dotyczą tych samych danych i konstruktu, a prostszy model pozostaje teoretycznie wiarygodny.

Najważniejsze zastosowanie: Odczytuj PNFI jako wersję NFI skorygowaną o oszczędność modelu; nie stosuj jednego progu do odrzucania konstrukcji teoretycznej.

Jak to się oblicza i co oznaczają symbole?

PNFI = NFI · (dfmodelu / dfbazowego)

Mnożnik uwzględnia oszczędność modelu przez relację stopni swobody. Jest to wskaźnik porównawczy, dla którego nie należy stosować jednego mechanicznego progu.

Jak poprawnie stosować i interpretować hasło „PNFI (analiza SEM)”?

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

Ocena pojęcia „PNFI (analiza SEM)” powinna łączyć indeksy reprezentujące różne aspekty dopasowania, diagnostykę lokalną i porównanie modeli uzasadnionych przed analizą. W analizie dotyczącej hasła „PNFI (analiza SEM)” wielkość próby, liczba zmiennych i estymator wpływają na zachowanie wielu wskaźników. Dla interpretacji hasła „PNFI (analiza SEM)” modyfikację modelu należy traktować jako eksplorację i sprawdzić na nowych danych, zamiast dopasowywać rozwiązanie do szumu.

Co trzeba opisać w raporcie?

Raport dotyczący „PNFI (analiza SEM)” powinien podać wartość indeksu wraz z estymatorem i pełnym zestawem kluczowych miar dopasowania. W odniesieniu do hasła „PNFI (analiza SEM)” warto wskazać przyjęte kryteria, lecz końcowy wniosek oprzeć także na resztach, rozwiązaniach niedopuszczalnych i parametrach. Przy ocenie hasła „PNFI (analiza SEM)” każda modyfikacja wymaga uzasadnienia treściowego, a nie tylko oczekiwanego spadku χ².

Zakres raportowania dla hasła „PNFI (analiza SEM)”: Model: PNFI = …; obok podaj χ², df, CFI/TLI, RMSEA z CI oraz SRMR.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Dwa modele mogą mieć podobny PNFI, lecz różnić się niestabilnymi ładunkami lub błędną interpretacją konstruktu.

Jak ją zinterpretować: PNFI premiuje prostszy model przez korektę NFI o stopnie swobody. Jest przydatny pomocniczo w porównaniu modeli, ale niski lub wysoki wynik nie stanowi samodzielnego werdyktu o jakości specyfikacji.

Najczęstsza pułapka i granica interpretacji

PNFI jest wskaźnikiem porównawczym z karą za złożoność, a nie samodzielnym testem poprawności modelu.

Akceptowalna wartość „PNFI (analiza SEM)” nie potwierdza prawdziwości modelu ani przyczynowego znaczenia strzałek. W analizie dotyczącej hasła „PNFI (analiza SEM)” 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

CFA (konfirmacyjna analiza czynnikowa)PCFI (analiza SEM)AIC i BIC w SEMAVE (średnia wyodrębniona wariancja)CFI (Comparative Fit Index)Hierarchiczna zmienna latentna (konstrukt wyższego rzędu)

Poradniki, w których użyjesz tego pojęcia

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 →Poradnik

PLS-SEM krok po kroku: założenia, model pomiarowy i strukturalny

Praktyczny przewodnik po PLS-SEM: kiedy metoda odpowiada pytaniu, jak odróżnić kompozyt od wspólnego czynnika, ocenić model i uczciwie raportować wynik.

Czytaj →Poradnik

PLS-SEM w R: kompletny przykład w seminr i cSEM

Odtwarzalny przykład PLS-SEM w R: specyfikacja refleksyjna i kompozytowa, PLSc, bootstrap, HTMT, R², f² i ocena predykcyjna w seminr oraz cSEM.

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. Jarvis, C. B., MacKenzie, S. B., & Podsakoff, P. M. (2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30(2), 199–218. https://doi.org/10.1086/376806
  6. Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path modeling. MIS Quarterly, 39(2), 297–316. https://doi.org/10.25300/MISQ/2015/39.2.02

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{jarvis2003measurement, author={Jarvis, Cheryl Burke and MacKenzie, Scott B. and Podsakoff, Philip M.}, title={A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research}, journal={Journal of Consumer Research}, year={2003}, volume={30}, number={2}, pages={199--218}, doi={10.1086/376806}}
@article{dijkstra2015plsc, author={Dijkstra, Theo K. and Henseler, Jörg}, title={Consistent Partial Least Squares Path Modeling}, journal={MIS Quarterly}, year={2015}, volume={39}, number={2}, pages={297--316}, doi={10.25300/MISQ/2015/39.2.02}}
R