<절대적합지수>
o GFI(goodness-of-fit-index) : GFI는 일반적으로 0~1.0사이의 값을 가지며, 예측된 모델에 의해 설명되는 관측모델의 상대적인 분산과 공분산의 양을 측정하는 척도로 정의한다. 따라서 GFI는 회귀분석에서 R-square와 비슷하게 해석될 수 있다.
o RMR(root mean square residual) : 잔차평균을 자승하고 이를 합한 후 이중근을 취한 값이며, 표본자료에 의해 모델이 설명할 수 없는 분산/공분산의 크기를 의미하고 값이 작을수록 좋다.
o RMSEA(root mean square error of approximation) : 표본크기가 상당히 큰 제안모델을 기각시키는 chi-squeare 통계량의 한계를 극복하기 위해 개발된 적합지수이다. 이 값이 .05~.08범위를 보일 때 수용할 수 있는 것으로 간주된다.
<증분적합지수>
o NFI(normed fit index) : 기초모델에 비해 제안모델이 어느 정도 향상되었는가를 나타내는 것이다. 예를 들어, NFI가 .09라는 의미는 기초모델에 비해 제안모델이 90% 향상되었음을 의미한다. 일반적으로 .90이상이면 수용할만 하다고 판단한다.
o CFI(comparative fit index) : 내포모델에서 NFI의 결함을 극복하기 위해 모집단의 모수 및 분포를 표시하는 관점에서 개발되었다. CFI는 0~1 사이의 값을 가지며, 일반적으로 .90이상이면 좋은 적합도를 갖는 것으로 본다.
o TLI(Turker-Lewis index) : 원래 요인분석을 위해 개발되었다가 구조방정식 모델을 평가하는데까지 확장되었다. TLI의 경우에 일반적인 권장 수요기준은 .90이상이면 좋은 적합도를 갖는다고 볼 수 있다.
<간명적합지수>
o AGIF(adjusted goodness-of-fit-index) : GFI를 확장시킨 것이다. 만약 추정모수의 수가 많아진다면 GFI값을 하향조정할 필요가 있는데, AGFI는 GFI를 모델 내의 자유도를 이용하여 조정한 값이다.
※ 이 외에도 다양한 절대적합지수, 증분적합지수, 간명적합지수가 있다.
유형 | 적합지수 | 최적모델 |
절대적합지수 | Chi-square | >0.05 |
GFI | 0.09이상, 1.0에 가까울수록 | |
RMR | 0.05이하, 0에 가까울수록 | |
RMSEA | 0.05이하, 0에 가까울수록 | |
증분적합지수 | NFI | 0.09이상, 1.0에 가까울수록 |
TLI | 0.09이상, 1.0에 가까울수록 | |
CFI | 0.09이상, 1.0에 가까울수록 | |
간명적합지수 | AGFI | 0.09이상, 1.0에 가까울수록 |
AIC | 작은 값일수록(다른 모델과 비교) |
'Data Science 데이터 과학' 카테고리의 다른 글
2015-05-14 사회과학 연구방법론 - 연세대학교 정보대학원 수업내용 (0) | 2018.03.30 |
---|---|
2016-03-21 Tableau - 모든 information worker를 위한 데이터 시각화 (0) | 2018.02.28 |
비즈니스 혁신의 근원으로서의 분석 Analytics as a Source of Business Innovation (0) | 2018.02.20 |
2015-05-30 [통계] PLS 상세 설명 버전 (0) | 2018.02.19 |
2015-05-07 사회과학 연구방법론 - 연세대학교 정보대학원 수업내용 (0) | 2018.02.19 |