L'analyse factorielle confirmatoire.
L'analyse factorielle confirmatoire.
L'analyse factorielle confirmatoire.
- No tags were found...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Goodness of Fit Statistics<br />
Degrees of Freedom = 24<br />
Minimum Fit Function Chi-Square = 52.626 (P = 0.000648)<br />
d l = ½ k(k + 1) - t<br />
où k = nombre de variables observées et<br />
t = nombre de paramètres estimés<br />
Indice le plus connu testant l'hypothèse nulle voulant que le modèle<br />
rende compte parfaitement des données. Un χ 2 significatif indique<br />
qu’il y a des écarts significatifs entre les prédictions du modèle et les<br />
données observées.<br />
Un problème avec ce premier indice, c'est que la taille des<br />
échantillons est telle que souvent des différences significatives<br />
seront détectées par le χ 2 , alors que ces différences ne sont pas<br />
« théoriquement » de grande importance. Il est donc possible de<br />
conserver un modèle même en présence d'un χ 2 significatif.<br />
Normal Theory Weighted Least Squares<br />
Chi-Square = 49.966 (P = 0.00143)<br />
Estimated Non-centrality Parameter (NCP) = 25.966<br />
90 Percent Confidence Interval for NCP = (9.461 ;<br />
50.223)<br />
Population Discrepancy Function Value (F 0 ) = 0.180<br />
Même interprétation que le χ 2 précédent.<br />
Correspond au χ 2 précédent moins (-) le nombre de degrés de<br />
liberté. Plus cette valeur est grande, plus il y a divergence entre le<br />
modèle et les données.<br />
Intervalle de confiance à 90% de l'indice NCP.<br />
Contrairement au χ 2 , cet indice ne pose pas comme postulat que le<br />
modèle tienne parfaitement dans la population. Aussi, puisque F 0<br />
décroît généralement à mesure que des paramètres sont ajoutés au<br />
modèle, il est recommandé de tenir compte du nombre de dl.<br />
90 Percent Confidence Interval for F 0 = (0.0657 ; 0.349) Intervalle de confiance à 90% de l'indice F 0 .<br />
Root Mean Square Error of Approximation (RMSEA) = 0.0867 S'obtient en prenant la racine carrée de F 0 / dl. Cet indice évalue<br />
_____________________________________________________________________________<br />
© Tous droits réservés, Jacques Baillargeon Page 32 9 janvier, 2006