NFI (analiza SEM)
NFI (ang. Normed Fit Index) to jedna z miar dopasowania modelu w analizie SEM (Structural Equation Modeling). Wskaźnik NFI pozwala ocenić jak dobrze dany model teoretyczny jest zgodny z danymi empirycznymi.
Współczynnik ten, wprowadzony przez Bentlera i Bonetta (1980) porównuje dopasowanie testowanego modelu teoretycznego do tzw. modelu zerowego (baseline model), czyli modelu który zakłada brak relacji pomiędzy zmiennymi. Innymi słowy, pozwala on nam sprawdzić czy nasz model lepiej wyjaśnia dane, niż model w którym nie przewiduje się żadnych związków między badanymi zmiennymi latentnymi.
Wartość NFI waha się od 0 do 1, gdzie wartości bliższe 1 wskazują na lepsze dopasowanie modelu, a ramy interpretacyjne przyjmowane powszechnie w literaturze są dosyć proste:
- NFI ≥ 0,90: akceptowalne dopasowanie modelu;
- NFI < 0,90: słabe dopasowanie modelu.
Choć NFI jest intuicyjnym w interpretacji wskaźnikiem, ma też swoje ograniczenia. Jednymi z najważniejszych jest jego podatność na wielkość próby i złożoność modelu:
- Wielkość próby: Przy małych próbach wartość NFI może być zaniżona, co powoduje, że model może być oceniony jako gorzej dopasowany do danych, mimo że inne wskaźniki mogą wskazywać na zadowalające dopasowanie.
- Złożoność modelu: Wskaźnik NFI może nie uwzględniać pełnej złożoności modelu (liczby parametrów), co może prowadzić do nadmiernej oceny jakości dopasowania prostych modeli.
Z powodu swoich ograniczeń wskaźnik NFI został z czasem rozwinięty do postaci bardziej zaawansowanych miar takich jak CFI oraz TLI. Obie te modyfikacje biorą pod uwagę wielkość próby i skomplikowanie modelu, ale TLI większym stopniu kładzie nacisk na złożoność modelu, podczas gdy CFI na stabilność w odniesieniu zarówno do złożoności modelu jak i wielkości próby.
Dla osób zainteresowanych zgłębianiem tematyki dopasowania modeli w SEM, dobrym źródłem jest witryna poświęcona analizie SEM, stworzona przez dr Jamesa Gaskina (link tutaj).
Wybrana literatura:
Bentler, P. M., Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological bulletin, 88(3), 588.
