Re: Robust CFI is NA , RMSEA is o

[Yago Luksevicius de Moraes]

You have zero degrees of freedom, so it is not possible to test the goodness-of-fit.

As a matter of fact how you got a CFI < 1, because as far as I know, saturated models should always result in CFI/TLI = 1 and RMSEA/SRMR = 0.

Best,

Yago

Em sábado, 2 de março de 2024 às 09:21:09 UTC-3, Serena escreveu:

Hi everyone,

I am doing path analysis. My data is clustered data. There is one independent variable and two dependent variables.

When I run multilevel path analysis, I get 'NA' for my  robust CFI and '0' for RMSEA. I'm not sure why this is happening, but if anyone has any ideas that would be very much appreciated!

Many thanks!

Here is my code and outcomes:

#Code

pathModel <- "
  level:1
  il_t2 ~ a1W*ls_t2
  el_t2 ~ a2W*ls_t2
 
  il_t2 ~~ el_t2
           
  level: 2
  il_t2 ~ a1B*ls_t2
  el_t2 ~ a2B*ls_t2
 
  il_t2 ~~ el_t2
  "
fit1 <- sem(pathModel, data = dataset, cluster = "cid", estimator = "MLR")
summary(fit1, fit.measures = TRUE, standardized = TRUE, rsquare = TRUE)

#Outcomes

lavaan 0.6.15 ended normally after 79 iterations

  Estimator                                         ML
  Optimization method                           NLMINB
  Number of model parameters                        12

                                                  Used       Total
  Number of observations                          2039        2432
  Number of clusters [cid]                       104            

Model Test User Model:
                                              Standard      Scaled
  Test Statistic                                28.089      28.089
  Degrees of freedom                                 0           0

Model Test Baseline Model:

  Test statistic                              2313.746    1245.761
  Degrees of freedom                                 6           6
  P-value                                        0.000       0.000
  Scaling correction factor                                  1.857

User Model versus Baseline Model:

  Comparative Fit Index (CFI)                    0.988       0.977
  Tucker-Lewis Index (TLI)                       1.000       1.000
                                                                 
  Robust Comparative Fit Index (CFI)                            NA
  Robust Tucker-Lewis Index (TLI)                               NA

Loglikelihood and Information Criteria:

  Loglikelihood user model (H0)              -7839.233   -7839.233
  Loglikelihood unrestricted model (H1)      -7825.189   -7825.189
                                                                 
  Akaike (AIC)                               15702.466   15702.466
  Bayesian (BIC)                             15769.909   15769.909
  Sample-size adjusted Bayesian (SABIC)      15731.784   15731.784

Root Mean Square Error of Approximation:

  RMSEA                                          0.000          NA
  90 Percent confidence interval - lower         0.000          NA
  90 Percent confidence interval - upper         0.000          NA
  P-value H_0: RMSEA <= 0.050                       NA          NA
  P-value H_0: RMSEA >= 0.080                       NA          NA
                                                                 
  Robust RMSEA                                               0.000
  90 Percent confidence interval - lower                     0.000
  90 Percent confidence interval - upper                     0.000
  P-value H_0: Robust RMSEA <= 0.050                            NA
  P-value H_0: Robust RMSEA >= 0.080                            NA

Standardized Root Mean Square Residual (corr metric):

  SRMR (within covariance matrix)                0.000       0.000
  SRMR (between covariance matrix)               0.002       0.002

Parameter Estimates:

  Standard errors                             Sandwich
  Information bread                           Observed
  Observed information based on                Hessian


Level 1 [within]:

Regressions:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
  il_t2 ~                                                              
    ls_t2  (a1W)   -0.246    0.021  -11.506    0.000   -0.246   -0.291
  el_t2 ~                                                              
    ls_t2  (a2W)   -0.388    0.023  -16.636    0.000   -0.388   -0.471

Covariances:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
 .il_t2 ~~                                                            
   .el_t2            0.566    0.027   20.593    0.000    0.566    0.722

Intercepts:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .il_t2            0.000                               0.000    0.000
   .el_t2            0.000                               0.000    0.000

Variances:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .il_t2            0.874    0.027   32.644    0.000    0.874    0.915
   .el_t2            0.702    0.035   20.337    0.000    0.702    0.778

R-Square:
                   Estimate
    il_t2            0.085
    el_t2            0.222


Level 2 [cid]:

Regressions:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
  il_t2 ~                                                              
    ls_t2  (a1B)   -0.399    0.062   -6.461    0.000   -0.399   -0.836
  el_t2 ~                                                              
    ls_t2  (a2B)   -0.668    0.061  -10.874    0.000   -0.668   -0.954

Covariances:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
 .il_t2 ~~                                                            
   .el_t2            0.007    0.006    1.087    0.277    0.007    0.629

Intercepts:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .il_t2            2.204    0.335    6.584    0.000    2.204   10.362
   .el_t2            3.695    0.336   10.998    0.000    3.695   11.842

Variances:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .il_t2            0.014    0.007    1.841    0.066    0.014    0.302
   .el_t2            0.009    0.008    1.095    0.273    0.009    0.090

R-Square:
                   Estimate
    il_t2            0.698
    el_t2            0.910