আমি একটি 10-আইটেমের স্ব-প্রতিবেদন পরিমাপের সাইকোমেট্রিক বৈশিষ্ট্যগুলি অন্বেষণ করছি। দুটি স্বতন্ত্র নমুনায় আমার প্রায় 400 টি মামলা রয়েছে। আইটেমগুলি 4-পয়েন্টের লিকার্ট স্কেলে সমাপ্ত হয়। একটি ইএফএ স্পষ্টভাবে একটি ফ্যাক্টর সমাধানকে সমর্থন করে (উদাহরণস্বরূপ, প্রথম ইজিনাল্যু 6 এর অধিক, অন্য 1 এর নীচে থাকা সমস্ত) এবং ক্রোনবাচের আলফা ভাল (যেমন, .90)। কোনও আইটেমের কম আইটেম-সম্পূর্ণ সম্পর্ক নেই।
আমি মূলত একটি সিএফএ করতে চেয়েছিলাম (সিএফএ ভাল ছিল না দেখে ইফার কেবল একটি ফলোআপ ছিল) এক-ফ্যাক্টর মডেলটি পরীক্ষা করে। আমার অবাক করার জন্য, মডেলটির জন্য ফিট তুলনামূলকভাবে দুর্বল ছিল:
CFI=.91
TLI=.88
RMSEA=.13
তদতিরিক্ত, প্রতিটি আইটেমের জন্য লোডিং বেশ ভাল (.65+)।
অদ্ভুতভাবে, যে SRMR=.05, গ্রহণযোগ্য / ভাল।
পরিবর্তন সূচকগুলি পরামর্শ দেয় যে আমি সমস্ত জায়গাতেই ত্রুটিগুলি সংযুক্ত করি। যদি এটির জন্য সুস্পষ্ট যুক্তিযুক্ত কিছু থাকে (যেমন, কিছু আইটেমের খুব সাদৃশ্যযুক্ত শব্দ থাকে) আমি এটি করতাম; যাইহোক, সমস্ত পদক্ষেপ একইভাবে উচ্চারণ করা হয়, এবং সমস্ত ত্রুটির শর্তাদি সংযুক্ত করা বিজোড় এবং বেদনাদায়ক হবে।
এরকম কেস আমি আর কখনও দেখিনি। পরিমাপটি অভ্যন্তরীণভাবে সামঞ্জস্যপূর্ণ এবং এটি স্পষ্টভাবে ইএফএর একটি ফ্যাক্টর সমন্বিত, তবে এটি সিএফএ-তে সঠিকভাবে ফিট নেই। ফলাফল উভয় স্বতন্ত্র নমুনায় একত্রিত হয় (বিভিন্ন মহাদেশ থেকে)। আমি একটি দ্বি-ফ্যাক্টর সিএফএ চেষ্টা করেছি (5 টি এলোমেলো আইটেমকে গোষ্ঠী করা) এবং ফিটটি একই, বা এমনকি সামান্য এমনকি ভাল।
আমার প্রশ্নগুলি এখানে:
- সিএফআই / টিএলআই / আরএমএসইএ অনুসারে ফিট কেন এফএ / ক্রোনবাচ আলফা / ফ্যাক্টর লোডিংয়ের কারণে এতটা দরিদ্র?
- অন্য সূচকগুলি না থাকা অবস্থায় এসআরএমআর কেন ভাল? আমি জানি তারা বিভিন্ন জিনিস পরিমাপ করে তবে আমার অভিজ্ঞতায় তারা প্রায় সর্বদা একত্রিত হয়।
- আমার কিছু ত্রুটি সম্পর্কিত হতে হবে?
আইটেম উদাহরণ:
- আপনার নিজের ত্রুটিগুলি সম্পর্কে আপনার ধারণা রয়েছে
- আপনার এমন চিন্তা রয়েছে যা ভুলে যাওয়া কঠিন
- আপনি সব সময় পরিস্থিতি সম্পর্কে ভাবেন