CFA結果不好的分析做法

與李晏討論我提出的三個CFA刪題方法：(1) factor loading；(2) KMO值；(3) MI值。相關內容詳見部落格內容"CFA模式不符時之刪題方法"。
此次的討論重點為(1) 那個方法為較robust? (2) CFA 指標結果不好時，較合適的做法?

與李晏的想法和我自己的想法如下
針對問題一
李晏的想法：
沒有較robust的刪題作法，較常使用的刪題法為factor loading。KMO值屬於EFA的刪題法，若使用KMO刪題後，再使用同一個sample執行CFA分析，並不適當，應使用另一個sample執行CFA分析。而MI值主要使用於修正模型，在變項中拉相關，非主要用來當做刪題的方法。

我的想法：
我贊成李晏的看法。我補充其它我的想法，CFA是以理論為出發點的驗證方法，模型不好，就表示此模型不符合此族群或此模型不正確，應該依據理論而修改模型。factor loading是模型好的時候，確認項目是否與潛在因素的相關高不高，能否當做潛在因素的指標。模型不好，factor loading值不一定會低，例如：ADLRS-III之problem-solving ability domain，此面向one-factor model之CFA指標結果不符，但factor loading都高於0.79，此結果顯示各個項目與潛在因素的相關高，但所有項目非代表一個潛在因素。因此，factor loading並非為最robust的刪題法。

針對問題二
李晏的想法：
CFA 指標結果不好時，合理的做法應為使用EFA去探索面向的因素結構，例如：one-factor CFA model不好，應探討此面向應該是怎麼樣的結構，有幾個因素 (是two-facor model或three-factor model...)，然後依據專家對理論判斷，提出一個合適的one-factor model (那個因素概念符合原本的概念)。然後就此停住，不應該再分析CFA。

我的想法：
當初在認知到不能使用factor loading刪題時，我看了許多文獻是以EFA的方式確定因素結構，然後給予因素定義其概念，如提出那個因素較符合原先認知的概念。當時我覺得用EFA分析方法，並沒有看到任何刪題的指標/標準，或說要先刪哪一題等等。所有我困惑了，因為EFA不是刪題，而是用來選題。當初我執著於"要刪題"，而非"選題"。
與李晏討論過後，我覺得我的思考應該要轉個彎，選題也是刪題的一種方式，我可以提出較合適的項目模式，許多CFA研究不是在比較不同的因素結構模型嗎。我的研究提出模型不合適，但我有提出可能合適的模型，未來的研究可再收另一個樣本驗證我提出的模式。