Apa yang harus dilakukan setelah statistik kecocokan yang buruk untuk analisis faktor konfirmasi?

Konteks

Saya punya beberapa masalah dengan disertasi doktoral saya. Tesis saya adalah Investigasi Perilaku Kewarganegaraan Organisasi Guru Sekolah Menengah melalui persepsi mereka tentang budaya organisasi dan tingkat kepercayaan organisasi mereka.

Saya punya sampel 871 guru. Saya memiliki tiga instrumen tetapi dikembangkan oleh peneliti lain dan digunakan dalam beberapa penelitian lain.

Saya telah mencoba menganalisis data saya menggunakan pemodelan persamaan struktural. Namun ketika mencoba melakukan analisis faktor konfirmatori, hanya satu instrumen (kewarganegaraan organisasi) yang ok. Dua intrumen lainnya tidak memberikan analisis konfirmasi urutan pertama. Nilai RMSEA sekitar 0,100. Chi-square terlalu tinggi, dan chi-square dibagi dengan derajat kebebasan juga terlalu tinggi.

Pertanyaan

• Apa yang harus saya lakukan dengan instrumen dan CFA saya?
• Akankah barang parsel atau menghapus barang dari instrumen ini merupakan ide bagus?
• Atau haruskah saya melewatkan pemodelan persamaan struktural dan melanjutkan dengan regresi?

Saya mungkin akan melakukan hal berikut: 1) Membagi data menjadi dua segmen yang kira-kira sama. 2) Lakukan analisis eksplorasi pada salah satu dari ini dan dapatkan model baru 3) Uji model pada bagian lain dari data.

Setidaknya ini akan menjadi sesuatu yang tidak sering dilakukan, yang akan membuatnya lebih sesuai untuk publikasi (jika Anda ingin melakukannya), dan akan memberi Anda tes independen terhadap model Anda.

Anda juga dapat mencocokkan kedua model (yang sebelumnya dan yang Anda kembangkan) dengan data pengujian Anda, dan membandingkan kesesuaian keduanya.

Alih-alih mencari solusi statistik yang secara langsung menyelesaikan masalah ini, saya akan mencari solusi yang meningkatkan diagnosis.

Pertama, saya akan membandingkan sampel yang berbeda yang digunakan dalam studi yang berbeda.

Kemudian, jika Anda memiliki data, saya akan melihat pola korelasi antara variabel-variabel dalam sampel yang berbeda. (Anda mungkin bisa mendapatkan ini dari penulis lain).