CFI (Comparative Fit Index) to jedna z miar dopasowania modelu w analizie SEM (Structural Equation Modeling). Ocenia ona jakość dopasowania przy jednoczesnym uwzględnieniu złożoności modelu i wielkości próby.

Współczynnik CFI jest rozwinięciem wskaźnika NFI. Obie te miary porównują dopasowanie analizowanego modelu teoretycznego do modelu bazowego (baseline model), w którym zakłada się, że wszystkie zmienne są nieskorelowane. Innymi słowy, testują one jak dobrze badany model wyjaśnia dane w porównaniu do modelu, który zakłada brak jakichkolwiek relacji między zmiennymi. Jednakże, CFI, w przeciwieństwie do NFI, uwzględnia przy tym wielkość próby i złożoność modelu, co czyni go bardziej wiarygodnym, zarówno od NFI, ale też od innych wskaźników, np. GFI (który jest podatny na wielkość próby).

CFI nie jest jednym rozwinięciem NFI. Innym jest TLI, który z kolei kładzie nacisk na prostotę modelu.

Wartość CFI waha się od 0 do 1, a im wyższa jego wartość tym lepsze jest dopasowanie modelu. Oto najczęściej podawane progi interpretacyjne dla CFI:

• CFI = 1 oznacza idealne dopasowanie modelu do danych.
• CFI ≥ 0,95 jest zwykle uważane za bardzo dobre dopasowanie.
• CFI ≥ 0,90 sugeruje akceptowalne dopasowanie, chociaż w niektórych dziedzinach standardy mogą być bardziej surowe.
• CFI < 0,90 może sugerować, że model nie jest wystarczająco dobrze dopasowany do danych.

Warto pamiętać iż współczynnik CFI jest jednym z wielu które pozwalają na ocenę jakości dopasowania do danych, tuż obok np. wyżej wspomnianego GFI, a także CMIN, RMSEA czy SRMR. Uzyskanie wyników poniżej danego progu przy jednym współczynniku, nie przekreśla jeszcze naszego modelu.

Jeżeli interesuje cię poszerzenie wiedzy na temat SEM, zachęcamy do zapoznania się ze stroną stworzoną przez dr Jamesa Gaskina (tutaj), poświęconej tej tematyce.

Wybrana literatura:

West, S. G., Wu, W., McNeish, D., Savord, A. (2023). Model fit in structural equation modeling. Handbook of structural equation modeling, 2, 184-205.