Modélisation par équations structurelles

Variables mesurées métriques

Ajoutez des données numériques au tableau pour sélectionner des variables mesurées.

Variables mesurées ordinales

Définissez une colonne comme ordinale dans le tableau de données pour la modéliser avec des seuils.

Méthode d'estimationi

ML suppose des données normalement distribuées. MLR estime le même modèle, mais fournit des erreurs standard robustes et une statistique de test corrigée pour des données non normales.

Les variables définies comme ordinales dans le tableau de données, par exemple des items de Likert, sont modélisées avec des seuils lorsqu'elles sont des indicateurs ou des variables dépendantes. Le modèle est alors estimé avec WLSMV, qui fournit des erreurs standard robustes et des indices d'ajustement corrigés. Pour traiter une variable comme métrique, modifiez son niveau d'échelle dans le tableau de données.

Valeurs manquantesi

L'exclusion des lignes incomplètes n'utilise que les observations qui ont des valeurs pour toutes les variables du modèle. FIML utilise toutes les valeurs disponibles et inclut les moyennes et les constantes.

Avec des variables ordinales, FIML n'est pas disponible ; toutes les paires de valeurs disponibles sont utilisées à la place.

Mise à l'échelle des facteursi

Chaque facteur a besoin d'une échelle. Par défaut, la première saturation de chaque facteur est fixée à 1 ; sinon, la variance du facteur est fixée à 1. Les saturations fixées dans la syntaxe sont prioritaires.

Moyennesi

Ajoute, pour l'ensemble du modèle, les constantes des variables observées et les moyennes des facteurs (fixées à 0). Avec FIML ou des variables ordinales, elles sont toujours incluses. Les prédicteurs observés sont modélisés comme des variables aléatoires.

Comment faire

Calculateur d'analyse factorielle confirmatoire

Données d'exemple AFC

Ce calculateur d'analyse factorielle confirmatoire vous permet de spécifier et d'estimer un modèle d'AFC en ligne. Utilisez l'AFC lorsque la théorie ou des recherches antérieures déterminent déjà quelles variables mesurées doivent être les indicateurs de chaque facteur latent. Le calculateur estime le modèle de mesure et fournit les saturations factorielles, les covariances entre facteurs, les indices d'ajustement, les intervalles de confiance et les estimations standardisées.

Comment calculer une AFC

Saisissez vos données dans le tableau et sélectionnez les variables indicatrices.
Sélectionnez les indicateurs qui appartiennent à un même construit et choisissez + Créer un facteur, ou ajoutez un facteur avec + Facteur.
Renommez le facteur pour qu'il représente le construit latent mesuré.
Reliez le facteur à ses indicateurs et définissez chaque connexion comme Saturation.
Ajoutez une covariance entre facteurs latents lorsque les facteurs sont censés être corrélés.
Choisissez la méthode d'estimation et la mise à l'échelle des facteurs, puis cliquez sur Calculer le modèle.

Chaque facteur a besoin d'une échelle. Par défaut, le calculateur fixe la première saturation à 1. Vous pouvez aussi choisir Variance du facteur = 1. Le premier indicateur a donc une importance : vérifiez l'ordre des saturations dans le diagramme ou dans la syntaxe du modèle avant de calculer l'AFC.

Comment lire les résultats de l'AFC

Le tableau des saturations montre à quel point chaque indicateur est lié à son facteur. La saturation standardisée permet de comparer des indicateurs exprimés dans des unités différentes. Les erreurs standard, les valeurs p et les intervalles de confiance décrivent l'incertitude de chaque saturation estimée.

L'ajustement global du modèle est résumé par le khi-deux, le CFI, le TLI, le RMSEA avec son intervalle de confiance à 90 % et le SRMR. Ces mesures doivent être considérées ensemble et en lien avec le modèle, l'échantillon et le contexte de recherche. Il ne s'agit pas de règles automatiques de réussite ou d'échec. Les indices de modification signalent d'éventuelles saturations ou covariances omises, mais une modification ne devrait être apportée que si elle est défendable sur le plan théorique.

AFC avec des items de questionnaire ordinaux

Si des indicateurs de type Likert doivent être traités comme ordinaux, définissez leur niveau d'échelle comme ordinal dans le tableau de données. Le calculateur modélise alors leurs seuils et utilise automatiquement WLSMV. Si les indicateurs doivent au contraire être traités comme continus, conservez le niveau d'échelle métrique et choisissez ML ou MLR.

AFC et analyse factorielle exploratoire

L'AFC teste une structure factorielle que vous spécifiez à l'avance. L'analyse factorielle exploratoire recherche une structure factorielle sans que le schéma des saturations doive être entièrement défini au préalable. Si vous ne savez pas encore quels items appartiennent à quels facteurs, utilisez d'abord le calculateur d'analyse factorielle exploratoire. Pour associer un modèle de mesure à des chemins orientés entre construits, utilisez le calculateur de modélisation par équations structurelles principal.