GFIとは？パス解析のモデル適合度指標を解説
この記事は、心理系大学院生を対象としたパス解析の学習ページです。
- GFIってなに？
- パス解析でモデルの良し悪しをどう判断するの？
こんな悩みや疑問がある方はご参考ください( ˘ω˘)
結論〜GFIとは？〜
それでは、結論からいきましょう。
GFI（Goodness of Fit Index）とは、パス図のモデルが信頼できるものかどうかを表す指標のことです。
「パス図のモデルが、表6.1(A)の変数間の因果関係を表すものとして適切か否か、言い換えれば、このモデルがデータに適合しているかどうかを検討しなければならない」
（引用：多変量データ解析法、p.59、1-3行目）
言って仕舞えば、重回帰分析でいうところ決定係数のようなものですね
そして、GFIの上限は「1」です。
つまり、1に近いほど適合度が高いことを意味します。
「GFIは、とり得る値の上限が1であり、GFIの値が大きいことは、そのモデルのデータへの適合がよいことを示す。慣習的に、GFIの値が0.9以上のモデルは、データに適合していると考えて差し支えないとされる。近年ではこの0.9は目安としては小さいという考えから、0.95を目安にすべきであるという意見もある」
（引用：多変量データ解析法、p.59、5-10行目）
つまり、以下のパス図において
仮に GFI = 0.984 という値が得られたとすれば、かなり信用できるモデルということになります。
統計解析ツールにGFIの出力も加えました
これまでは、パス図の実装のみでしたが、ここにGFIも加えました(^^)
⇩こんなイメージです♪
こちらのツールは、修論サポート者向けに無料で開放してますので、M１・M2の皆様はぜひご検討ください(^^)
まとめ
さて、いかがでしたでしょうか？
GFIについて少しは理解が深まったでしょうか？
最後に本記事の内容を振り返っておわかれです(^^)/
- GFI（Goodness of Fit Index）とは、パス図のモデルがデータに適合しているかどうかを示す指標のこと
- GFIは上限が「1」で、1に近いほど適合度が高い
- 慣習的に GFI ≥ 0.9 でデータに適合していると判断できる
ということなんですね～
それではまた(^^ゞ
参考
こちらの記事を作成にする上での参考文献です(＾ω＾)
①多変量データ解析法
コメント