ЄФА чітко підтримує однофакторність, міра є внутрішньо послідовною, але CFA погано підходить?

Я досліджую психометричні властивості 10-пункту міри самозвітності. У мене близько 400 випадків у двох незалежних зразках. Елементи комплектуються 4-бальною шкалою Лікерта. EFA чітко підтримує однофакторне рішення (наприклад, перше власне значення понад 6, всі інші під 1), а альфа Кронбаха - це добре (наприклад, .90). Жоден предмет не має низького співвідношення предметів.

Спочатку я хотів зробити CFA (EFA було лише подальшим кроком після того, як я побачив, що CFA не був гарним) тестування однофакторної моделі. На мій подив, придатність до моделі була відносно поганою:

CFI=.91
TLI=.88
RMSEA=.13

Більше того, завантаження кожного з предметів є досить хорошим (.65+).

Як не дивно, SRMR=.05що прийнятно / добре.

Індекси модифікацій дозволяють співпрацювати помилки в усьому місці. Якби це було чітко раціональним (наприклад, деякі пункти мають дуже подібне формулювання), я б це зробив; однак усі заходи сформульовані однаково, і співвіднесення всіх термінів помилки було б дивним і болісним.

Я ніколи не бачив такого випадку. Захід є внутрішньо послідовним і, очевидно, складається з одного фактора EFA, але він виявляється поганим пристосуванням до CFA. Результати суперечать обом незалежним вибіркам (з різних континентів). Я спробував двофакторну CFA (згрупувавши 5 випадкових елементів) і підходив так само, а то й незначно краще.

Ось мої запитання:

1. Чому пристосованість згідно CFI / TLI / RMSEA настільки погана з урахуванням альфа / факторного навантаження EFA / Cronbach?
2. Чому SRMR хороший, а інші показники - ні? Я знаю, що вони вимірюють різні речі, але, з мого досвіду, вони майже завжди сходяться.
3. Чи слід співвідносити деякі помилки?

Приклади:

• У вас є думки про ваші недоліки
• У вас є думки, які важко забути
• Ти весь час думаєш про ситуацію

Це цілком нормально.

CFA - набагато суворіший критерій, ніж EFA. EFA намагається описати ваші дані, але CFA перевіряє, чи модель правильна.

Однією з причин неконвергенції є низька середня кореляція (але тоді я б очікував, що RMSEA буде кращою). Тест на квадратичний чи є по суті тестом, що ваші залишки дорівнюють нулю, а RMSEA, TLI і CFI є перетвореннями тесту.

Fit завжди буде кращим у двофакторному рішенні, ніж однофакторному (вони вкладені).

Ще кілька питань: Який розмір вибірки? Яке середнє співвідношення? Що таке chi-square та df, що є chi-квадрат нульової моделі?

Чи слід додати корельовані помилки? Можливо, але коли ви це робите, ви вводите додаткові фактори. При такій придатності вам може знадобитися додати багато, і тоді ви закінчите безлад - найкраще, якщо вони певним чином виправдані. Наприклад, ваш другий і третій пункти стосуються настирливих думок - це може бути виправданням.