O que fazer após estatísticas mal ajustadas para uma análise fatorial confirmatória?

8

Contexto

Eu tenho alguns problemas com minha tese de doutorado. Minha tese é Investigar comportamentos de cidadania organizacional de professores de escolas de ensino médio por meio de suas percepções sobre a cultura organizacional e seus níveis de confiança organizacional.

Eu tenho uma amostra de 871 professores. Eu tenho três instrumentos, mas eles foram desenvolvidos por outros pesquisadores e foram usados ​​em alguns outros estudos.

Eu tenho tentado analisar meus dados usando modelagem de equações estruturais. No entanto, ao tentar fazer a análise fatorial confirmatória, apenas um instrumento (cidadania organizacional) estava ok. Os outros dois instrumentos não apresentaram análise confirmatória de primeira ordem. Os valores RMSEA foram em torno de 0,100. O qui-quadrado era muito alto e o qui-quadrado dividido por graus de liberdade também era muito alto.

Questão

  • O que devo fazer com meus instrumentos e CFAs?
  • Seria uma boa ideia empacotar ou remover itens desses instrumentos?
  • Ou devo pular a modelagem de equações estruturais e prosseguir com a regressão?
chl
fonte

Respostas:

5

Eu provavelmente faria o seguinte: 1) Divida os dados em dois segmentos aproximadamente iguais. 2) Realize análises exploratórias em uma delas e obtenha um novo modelo. 3) Teste o modelo na outra metade dos dados.

Isso pelo menos será algo que não é feito com tanta frequência, o que o tornará mais adequado para publicação (se você desejar) e oferecerá um teste independente do seu modelo.

Você também pode ajustar os dois modelos (o anterior e o que você desenvolve) aos seus dados de teste e comparar o ajuste de ambos.

richiemorrisroe
fonte
1

Em vez de procurar soluções estatísticas que resolvam diretamente esse problema, eu procuraria soluções que melhorem o diagnóstico.

Primeiro, eu compararia as diferentes amostras usadas nos diferentes estudos.

Então, se você tiver os dados, eu examinaria os padrões de correlação entre as variáveis ​​nas diferentes amostras. (Você pode conseguir isso de outros autores).

Peter Flom
fonte