<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)


+ Recent posts