L'EPT prend clairement en charge un facteur, la mesure est cohérente en interne, mais le CFA ne convient pas?

J'explore les propriétés psychométriques d'une mesure d'autoévaluation de 10 éléments. J'ai environ 400 cas dans deux échantillons indépendants. Les éléments sont complétés sur des échelles de Likert à 4 points. Un AGE prend clairement en charge une solution à un facteur (par exemple, première valeur propre supérieure à 6, tous les autres en dessous de 1) et l'alpha de Cronbach est bon (par exemple, 90). Aucun élément n'a une faible corrélation total-élément.

Je voulais à l'origine faire un CFA (l'EFA n'était qu'un suivi après avoir vu que le CFA n'était pas bon) pour tester un modèle à un facteur. À ma grande surprise, l'ajustement au modèle était relativement médiocre:

CFI=.91
TLI=.88
RMSEA=.13

De plus, les chargements pour chacun des articles sont assez bons (0,65+).

Curieusement, le SRMR=.05, ce qui est acceptable / bon.

Les indices de modification suggèrent que je corrèle les erreurs partout. S'il y avait une raison claire de le faire (par exemple, certains éléments ont un libellé très similaire), je le ferais; cependant, toutes les mesures sont formulées de manière similaire, et corréler tous les termes d'erreur serait étrange et douloureux.

Je n'ai jamais vu un cas comme celui-ci. La mesure est cohérente en interne et comprend clairement un facteur de l'EPT, mais elle présente un mauvais ajustement dans le CFA. Les résultats sont cohérents dans les deux échantillons indépendants (de différents continents). J'ai essayé un CFA à deux facteurs (regroupé 5 éléments aléatoires) et l'ajustement était le même, voire légèrement meilleur.

Voici mes questions:

1. Pourquoi l'ajustement selon CFI / TLI / RMSEA est-il si médiocre compte tenu des charges alpha / facteur EFA / Cronbach?
2. Pourquoi le SRMR est-il bon alors que les autres indices ne le sont pas? Je sais qu'ils mesurent des choses différentes, mais d'après mon expérience, ils convergent presque toujours.
3. Dois-je corréler certaines des erreurs?

Exemples d'articles:

• Vous avez des réflexions sur vos lacunes
• Vous avez des pensées difficiles à oublier
• Tu penses à la situation tout le temps

C'est assez normal.

Le CFA est un critère beaucoup plus strict que l'EFA. EFA tente de décrire vos données, mais CFA teste si le modèle est correct.

L'une des raisons de la non-convergence est la faible corrélation moyenne (mais je m'attendrais à ce que RMSEA soit meilleure). Le test du khi carré est essentiellement un test que vos résidus sont égaux à zéro, et RMSEA, TLI et CFI sont des transformations du test.

L'ajustement va toujours être meilleur dans une solution à deux facteurs qu'une solution à un facteur (ils sont imbriqués).

Quelques questions supplémentaires: Quelle était la taille de votre échantillon? Quelle est la corrélation moyenne? Qu'est-ce que le chi carré et df, quel est le chi carré du modèle nul?

Devez-vous ajouter des erreurs corrélées? Peut-être, mais lorsque vous faites cela, vous introduisez des facteurs supplémentaires. Avec un ajustement comme celui-ci, vous devrez peut-être ajouter beaucoup, puis vous vous retrouverez avec un gâchis - il est préférable qu'ils soient justifiés d'une manière ou d'une autre. Par exemple, vos deuxième et troisième éléments concernent des pensées intrusives - cela pourrait être une justification.