4

我正在使用factor_analyzer模块在 python 中执行确认性因子分析。

我已经在 hi 和 low 中搜索了一种生成模型诊断的方法，例如近似的均方根误差、卡方、CFI 和 Tucker-Lewis 指数。我在数学上并不是特别倾向于 python 并且相对较新，但我大部分时间都能应付自如。

我知道 factor_analyzer 模块产生了许多不同的对象，理论上，这些对象允许我进行额外的计算，我发现这个文档为我提供了我需要的大部分公式。但是，我不知道要采取（或计算）什么来获得我需要的模型诊断。

CFA代码是


model_dict = {"F1": factor_1,
              "F2": factor_2}# I have made these lists previously

model_spec = ModelSpecificationParser.parse_model_specification_from_dict(df[influence_scale],
                                                                           model_dict)
cfa = ConfirmatoryFactorAnalyzer(model_spec, disp=False)

cfa.fit(df[influence_scale].values)

cfa_loadings = pd.DataFrame(cfa.loadings_)

我没有收到任何错误，并且代码工作正常，给我带来了干净的负载，正如我对每个因素所期望的那样，但是我真的坚持获得我需要的额外统计数据。

如果有人可以帮助我，我真的很感激。

4

0 回答 0