SEM/CFA: Umgang mit Modifikations-Indizes (modification index) bei der Modell-Respezifikation

Arndt Regorz, Dipl. Kfm. & M.Sc. Psychologie, 14.11.2022

(Hinweis: Mit Anklicken des Videos wird ein Angebot des Anbieters YouTube genutzt.)

Hier finden Sie den R-Code, mit dem die Werte aus dem o.g. Video berechnet worden sind:

library(lavaan)

head(HolzingerSwineford1939)

# 1-Faktor-Modell

model_1f <- '
gf =~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9
'

fit_model_1f <- cfa(model_1f, data = HolzingerSwineford1939, std.lv = TRUE)

summary(fit_model_1f, fit.measures = TRUE, standardized = TRUE)

modindices(fit_model_1f, minimum.value = 10, sort=TRUE)

# 3-Faktor-Modell

model_3f <- '
f1 =~ x1 + x2 + x3
f2 =~ x4 + x5 + x6
f3 =~ x7 + x8 + x9
'

fit_model_3f <- cfa(model_3f, data = HolzingerSwineford1939, std.lv = TRUE)

summary(fit_model_3f, fit.measures = TRUE, standardized = TRUE)

lavTestLRT(fit_model_1f, fit_model_3f)

modindices(fit_model_3f, minimum.value = 10, sort=TRUE)

# 3-Faktor-Modell mit Cross-Loading

model_3f_c <- '
f1 =~ x1 + x2 + x3 + x9
f2 =~ x4 + x5 + x6
f3 =~ x7 + x8 + x9
'

fit_model_3f_c <- cfa(model_3f_c, data = HolzingerSwineford1939, std.lv = TRUE)

summary(fit_model_3f_c, fit.measures = TRUE, standardized = TRUE)

lavTestLRT(fit_model_3f, fit_model_3f_c)

modindices(fit_model_3f_c, minimum.value = 10, sort=TRUE)

# 3-Faktor-Modell mit Fehlerkorrelation

model_3f_f <- '
f1 =~ x1 + x2 + x3
f2 =~ x4 + x5 + x6
f3 =~ x7 + x8 + x9

x7 ~~ x8
'

fit_model_3f_f <- cfa(model_3f_f, data = HolzingerSwineford1939, std.lv = TRUE)

summary(fit_model_3f_f, fit.measures = TRUE, standardized = TRUE)

lavTestLRT(fit_model_3f, fit_model_3f_f)

modindices(fit_model_3f_f, minimum.value = 10, sort=TRUE)