공분산 구조 모델링에서 적합 지수: 부족 모수화 모델 오지정에 대한 민감도.

본 연구는 표본 크기와 분포가 다양한 조건에서 최대우도(ML), 일반화 최소제곱(GLS), 그리고 점근적 분포자유(ADF) 기반 적합 지수들의 모델 오지정에 대한 민감도를 평가하였다. 또한 점근적 강건성 이론의 가정 위반 효과도 조사했다. 표준화된 평균제곱근 잔차(SRMR)는 인자 공분산이 오지정된 모델에 가장 민감한 지수였으며, Tucker-Lewis 지수(1973; TLI), Bollen의 적합 지수(1989; BL89), 상대 비중심성 지수(RNI), 비교 적합 지수(CFI), ML 및 GLS 기반 감마 햇, McDonald의 중심성 지수(1989; Me), 그리고 근사 오차 평균제곱근(RMSEA)은 인자 부하가 잘못 지정된 모델에 가장 민감한 지수였다. ML과 GLS 방법에서는 SRMR를 사용하고, TLI, BL89, RNI, CFI, 감마 햇, Me 또는 RMSEA를 보충적으로 사용하는 것을 권장한다(소표본 크기에서는 TLI, Me, RMSEA가 덜 선호됨). ADF 방법에서는 SRMR와 함께 TLI, BL89, RNI 또는 CFI를 사용하는 것이 권장된다. 마지막으로 대부분의 ML 기반 적합 지수는 GLS 및 ADF에서 얻은 지수를 능가했으며 모델 적합 평가에 더 적합하다.