تاثیر عدم نرمال بودن خطاهای آیتم بر عملکرد تحلیل عاملی تاییدی: یک مطالعه شبیه سازی مونت کارلو بر روی سوگیری پارامترها، دقت و برازش مدل

تحلیل عاملی تاییدی (CFA) یکی از ارکان اصلی مدل سازی در علوم رفتاری و اجتماعی است که معمولا بر فرض نرمال بودن چندمتغیره متکی است. با این حال، داده های واقعی در بسیاری از مواقع این فرض را نقض می کنند. هدف این مطالعه، بررسی تاثیر نقض نرمال بودن خطاهای آیتم بر عملکرد تحلیل عاملی تاییدی با استفاده از شبیه سازی مونت کارلو بود. در این راستا، چهار نوع توزیع خطای آیتم (نرمال، لگ نرمال چوله، تی با درجات آزادی ۳ و ۲) در دو حجم نمونه (۱۰۰ و ۳۰۰) بررسی شد. عملکرد دو برآوردگر ML و MLR از نظر نرخ همگرایی، سوگیری، دقت برآورد بارهای عاملی (RMSE)، و شاخص های برازش مدل شامل CFI، TLI و RMSEA مقایسه گردید. نتایج نشان داد که در شرایط خطای نرمال، هر دو برآوردگر عملکرد مناسبی دارند، اما در مواجهه با خطاهای چوله شدید یا دارای دنباله های سنگین، به ویژه لگ نرمال، CFA دچار همگرایی ضعیف، سوگیری شدید، کاهش دقت و افت قابل توجه شاخص های برازش می شود. برآوردگر MLR اگرچه در اصلاح خطاهای استاندارد موثر است، اما در مواجهه با نقض شدید مفروضه ها، قادر به جبران ضعف های بنیادی مدل نیست. این نتایج ضرورت بررسی دقیق ماهیت توزیع خطاها پیش از تحلیل CFA را برجسته می سازد.

کلیدواژه ها:

تحلیل عاملی تاییدی ، شبیه سازی مونت کارلو ، چولگی ، سوگیری ، براورد بیشینه درست نمایی