Давно в нашем чате не было обзора на статьи про методы анализа. Мы много обсуждаем публикации о спорных практиках количественного анализа или публикации, которые ставят под сомнение возможность измерения в психологии и даже пользу количественных методов. Но несмотря на это, я люблю количественные методы и люблю анализ данных. Поэтому сегодня решила разбавить наши теоретико-методологические дебаты одной сугубо технической статьей о конфирматорном факторном анализе (КФА) и о том, как правильнее оценивать статистики согласия модели с данными.
Авторы статьи «Why we need to abandon fixed cutoffs for goodness‑of‑fit indices: An extensive simulation and possible solutions», опубликованной в 2024 году в журнале Behavior Research Methods, обсуждают различные статистики согласия модели и критикуют устоявшуюся практику использования четких критериальных значений этих статистик. Многие исследователи (если не большинство) ориентируются на определенные значения статистик согласия. Например, RMSEA ниже 0.05 считается хорошим показателем, а RMSEA выше 0.08 интерпретируется часто как показатель проблемной, «плохой», модели. Иногда эти критериальные значения (cut offs) воспринимаются как безусловное и четкое правило. Но авторы статьи на основе обзора имеющихся исследований и собственного симуляционного исследования говорят, что все статистики согласия модели с данными зависят не только от характеристик модели, и того, насколько она соответствует данным, но и от других условий: размера выборки, числа индикаторов для факторов, количества ответных категорий, особенностей распределения, используемого эстиматора. Привычные для многих исследователей критериальные значения относятся к узкому спектру возможных сценариев (под сценарием понимается сочетание возможных характеристик модели и других факторов), поэтому не могут и не должны быть генерализованы на все возможные случаи. О том, каким образом могут изменяться статистики согласия модели в зависимости от различных факторов и на основе чего можно сделать вывод о качестве модели, читайте подробнее в нашем посте.