CFA 分析三層面巴氏量表進度回報 (9/20進一步與李晏討論之結果)

李晏今天 (9/13) 回信告知CFA分析結果à 李晏給的回覆是: 結果不太樂觀

1.      最好的結果刪除了4題，分別是：
F1_6（第一個factor的第六題）、F2_6（第二個factor的第六題）、F3_2跟F3_9
這4題的 fitting index 都不理想，所以刪除。但最重要原因是因素之間相關太高，造成無法分析出因素之間的不同。

(1)所謂的error correlations是指除考慮所最主要要分析的概念外，也將可能影響這概念的所有誤差 (或可能產生的相關)都考慮進去。
(2) 問: 這樣不是更會增加因素間的相關了嗎?
答: CFA 中使用SEM估計 時，無法找出的parametrics，要將可能的相關加進去
此處這些 items 是經過先分析完一次之後了，才加error correlations的。我的data是未加 error correlation 時，相關就高。
(3) 問: 是否可以使用bi-factor分析看看
答: 可以試看看。可是最好的解決方法應該是先增加個案數(如:250人以上)，並如老師所說的，增加能力比較不好的個案，以便increase variation.
(4) 思考: 這些因素是否會被其他不同因素影響，像是某些因素只影響第一個factor，而不影響第二及第三factors. 如有的話，也許就能驗證這些因素是不是分開的。
(5) 問: 如點數不同，請問在CFA裡面可以直接分析嗎?
答: 　因點數不同，但是沒有差距很大，而且變異數也相差不多。所以我沒有特別處理而是直接分析  

這也是我為什麼希望妳去多收一點個案的理由。

因為個案數目多一些，可能就可以使用Polychoric Correlation（調整間斷變數的）進行分析。

2.      李晏在某些item之間加了error correlations，如F1_1跟F2_1，以下是全部有error correlations的清單：

F1_1 vs. F2_1

F1_1 vs. F3_1

F1_2 vs. F2_2

F1_3 vs. F2_3

F2_3 vs. F3_3

F1_3 vs. F3_3

F1_4 vs. F2_4

F1_5 vs. F2_5

F1_7 vs. F2_7

F1_7 vs. F3_7

F2_7 vs. F3_7

F1_8 vs. F3_8

F1_10 vs. F3_10

3.      最後的fit index如下：

NNFI=0.93

NFI=0.88

RMSEA=0.074

SRMR=0.067

NNFI跟NFI並沒有達到可接受的標準。
不過RMSEA跟SRMR在可接受的範圍。

除此之外，因素之間相關超高！
幾乎都在.8以上，表示這些因素之間很難分開，

也就是，他們可能是同一個因素。