GCLS-Y CFA and Validation
Liam Cahill (liam.cahill@ntu.ac.uk)
Factor structure:
We initially impute any missing data from the GCLS-Y scale by using predictive mean matching across 5 imputations. The resulting imputed values were plausible.
We next examined the appropriateness of this analysis. Concerning multicollinearity and variability, both assumptions were met.
Finally, we examined the factor structure. KMO analysis indicated 8 factors, a scree plot indicated 3, parallel analysis indicated 4 and a MAP test indicated a 4 factor solution.
Given the benefits of parallel analysis and MAP over the other methods, we utilised the proposed four-factor structure.
# Preliminary steps
gcls_only <- gcls_data_recoded %>% dplyr::select(GCLS_1:GCLS_39)
# Impute
gcls_imp <- mice(gcls_only, m = 5)##
## iter imp variable
## 1 1 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 1 2 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 1 3 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 1 4 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 1 5 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 2 1 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 2 2 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 2 3 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 2 4 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 2 5 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 3 1 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 3 2 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 3 3 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 3 4 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 3 5 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 4 1 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 4 2 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 4 3 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 4 4 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 4 5 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 5 1 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 5 2 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 5 3 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 5 4 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37
## 5 5 GCLS_3 GCLS_8 GCLS_14 GCLS_25 GCLS_27 GCLS_37gcls_imp$imp$GCLS_3gcls_forfa <- complete(gcls_imp, inc = FALSE)
# Appropriateness
corr.test(gcls_forfa) # No evidence of multicollinearity## Call:corr.test(x = gcls_forfa)
## Correlation matrix
## GCLS_1 GCLS_2 GCLS_3 GCLS_4 GCLS_5 GCLS_6 GCLS_7 GCLS_8 GCLS_9 GCLS_10
## GCLS_1 1.00 0.18 0.15 0.19 0.23 0.29 0.15 0.18 0.24 0.19
## GCLS_2 0.18 1.00 0.39 0.39 0.21 0.31 0.23 0.33 0.12 0.28
## GCLS_3 0.15 0.39 1.00 0.56 0.24 0.28 0.23 0.30 0.12 0.35
## GCLS_4 0.19 0.39 0.56 1.00 0.17 0.25 0.35 0.32 0.18 0.35
## GCLS_5 0.23 0.21 0.24 0.17 1.00 0.37 0.18 0.21 0.13 0.23
## GCLS_6 0.29 0.31 0.28 0.25 0.37 1.00 0.20 0.24 0.18 0.22
## GCLS_7 0.15 0.23 0.23 0.35 0.18 0.20 1.00 0.49 0.16 0.09
## GCLS_8 0.18 0.33 0.30 0.32 0.21 0.24 0.49 1.00 0.16 0.16
## GCLS_9 0.24 0.12 0.12 0.18 0.13 0.18 0.16 0.16 1.00 0.28
## GCLS_10 0.19 0.28 0.35 0.35 0.23 0.22 0.09 0.16 0.28 1.00
## GCLS_11 0.21 0.31 0.30 0.32 0.17 0.28 0.24 0.32 0.41 0.42
## GCLS_12 0.20 0.32 0.30 0.36 0.20 0.24 0.16 0.29 0.38 0.58
## GCLS_13 0.04 0.16 0.30 0.29 0.24 0.17 0.20 0.27 0.39 0.38
## GCLS_14 0.16 0.31 0.37 0.29 0.28 0.37 0.29 0.39 0.38 0.48
## GCLS_15 0.29 0.22 0.19 0.20 0.24 0.33 0.25 0.25 0.47 0.38
## GCLS_16 0.16 0.25 0.33 0.30 0.16 0.28 0.14 0.25 0.40 0.49
## GCLS_17 0.18 0.18 0.18 0.20 0.26 0.09 0.20 0.22 0.31 0.41
## GCLS_18 0.22 0.26 0.28 0.24 0.30 0.34 0.18 0.23 0.30 0.48
## GCLS_19 0.19 0.05 0.05 0.05 0.15 0.19 0.11 0.10 0.47 0.14
## GCLS_20 0.30 0.14 0.20 0.15 0.29 0.36 0.21 0.25 0.44 0.39
## GCLS_21 0.23 0.12 0.26 0.32 0.21 0.23 0.30 0.29 0.19 0.27
## GCLS_22 0.06 0.06 0.05 0.08 0.13 0.15 0.04 0.21 0.18 0.21
## GCLS_23 0.13 -0.25 -0.09 -0.11 0.04 0.04 0.03 -0.01 0.27 -0.05
## GCLS_24 0.26 0.19 0.29 0.33 0.18 0.22 0.30 0.37 0.24 0.31
## GCLS_25 0.21 0.14 0.27 0.36 0.15 0.18 0.28 0.33 0.12 0.24
## GCLS_26 0.13 -0.07 -0.03 0.02 0.13 0.14 0.11 0.14 0.32 0.14
## GCLS_27 0.14 0.09 0.06 0.20 0.20 0.28 0.17 0.29 0.24 0.18
## GCLS_28 0.13 0.10 0.27 0.24 0.20 0.23 0.27 0.31 0.38 0.27
## GCLS_29 0.16 0.03 0.15 0.15 0.23 0.19 0.25 0.33 0.24 0.11
## GCLS_30 0.15 0.28 0.34 0.37 0.25 0.23 0.23 0.36 0.15 0.33
## GCLS_31 0.08 -0.08 -0.09 -0.06 0.09 0.03 -0.02 -0.03 0.31 0.08
## GCLS_32 0.14 0.27 0.33 0.36 0.12 0.20 0.26 0.26 0.37 0.25
## GCLS_33 0.15 0.05 -0.06 -0.04 0.05 0.14 0.00 0.11 0.26 0.09
## GCLS_34 0.20 0.10 0.02 0.00 0.24 0.18 0.10 0.02 0.33 0.26
## GCLS_35 0.11 -0.17 -0.14 -0.23 0.16 0.05 0.02 -0.03 0.22 -0.11
## GCLS_36 0.15 -0.01 -0.03 -0.06 0.04 0.12 0.01 0.06 0.21 0.08
## GCLS_37 0.19 0.18 0.17 0.14 0.18 0.25 0.10 0.09 0.29 0.31
## GCLS_38 0.18 -0.02 0.01 -0.04 0.16 0.15 0.06 0.03 0.31 0.17
## GCLS_39 0.15 0.12 0.05 0.02 0.11 0.16 0.08 0.07 0.26 0.23
## GCLS_11 GCLS_12 GCLS_13 GCLS_14 GCLS_15 GCLS_16 GCLS_17 GCLS_18 GCLS_19
## GCLS_1 0.21 0.20 0.04 0.16 0.29 0.16 0.18 0.22 0.19
## GCLS_2 0.31 0.32 0.16 0.31 0.22 0.25 0.18 0.26 0.05
## GCLS_3 0.30 0.30 0.30 0.37 0.19 0.33 0.18 0.28 0.05
## GCLS_4 0.32 0.36 0.29 0.29 0.20 0.30 0.20 0.24 0.05
## GCLS_5 0.17 0.20 0.24 0.28 0.24 0.16 0.26 0.30 0.15
## GCLS_6 0.28 0.24 0.17 0.37 0.33 0.28 0.09 0.34 0.19
## GCLS_7 0.24 0.16 0.20 0.29 0.25 0.14 0.20 0.18 0.11
## GCLS_8 0.32 0.29 0.27 0.39 0.25 0.25 0.22 0.23 0.10
## GCLS_9 0.41 0.38 0.39 0.38 0.47 0.40 0.31 0.30 0.47
## GCLS_10 0.42 0.58 0.38 0.48 0.38 0.49 0.41 0.48 0.14
## GCLS_11 1.00 0.47 0.54 0.50 0.44 0.45 0.37 0.42 0.24
## GCLS_12 0.47 1.00 0.40 0.44 0.36 0.46 0.49 0.48 0.27
## GCLS_13 0.54 0.40 1.00 0.47 0.42 0.38 0.37 0.39 0.36
## GCLS_14 0.50 0.44 0.47 1.00 0.53 0.47 0.37 0.45 0.39
## GCLS_15 0.44 0.36 0.42 0.53 1.00 0.43 0.32 0.51 0.49
## GCLS_16 0.45 0.46 0.38 0.47 0.43 1.00 0.39 0.44 0.24
## GCLS_17 0.37 0.49 0.37 0.37 0.32 0.39 1.00 0.42 0.23
## GCLS_18 0.42 0.48 0.39 0.45 0.51 0.44 0.42 1.00 0.31
## GCLS_19 0.24 0.27 0.36 0.39 0.49 0.24 0.23 0.31 1.00
## GCLS_20 0.39 0.39 0.37 0.55 0.58 0.34 0.25 0.42 0.55
## GCLS_21 0.25 0.23 0.17 0.27 0.27 0.19 0.15 0.20 0.24
## GCLS_22 0.20 0.24 0.25 0.28 0.27 0.10 0.15 0.20 0.28
## GCLS_23 0.02 -0.01 0.12 0.07 0.23 0.00 0.03 0.09 0.36
## GCLS_24 0.32 0.31 0.21 0.27 0.23 0.19 0.24 0.20 0.12
## GCLS_25 0.26 0.31 0.16 0.24 0.16 0.17 0.24 0.16 -0.01
## GCLS_26 0.17 0.17 0.21 0.23 0.31 0.04 0.14 0.14 0.36
## GCLS_27 0.20 0.19 0.18 0.33 0.32 0.14 0.12 0.23 0.28
## GCLS_28 0.35 0.37 0.42 0.39 0.42 0.25 0.29 0.37 0.33
## GCLS_29 0.30 0.23 0.28 0.31 0.34 0.17 0.21 0.27 0.35
## GCLS_30 0.27 0.27 0.23 0.30 0.22 0.28 0.24 0.23 0.05
## GCLS_31 0.01 0.15 0.07 0.06 0.20 0.12 0.15 0.12 0.25
## GCLS_32 0.32 0.26 0.35 0.34 0.33 0.35 0.16 0.25 0.19
## GCLS_33 0.18 0.19 0.19 0.19 0.28 0.17 0.13 0.18 0.33
## GCLS_34 0.29 0.35 0.23 0.25 0.34 0.25 0.27 0.33 0.36
## GCLS_35 -0.01 -0.01 0.07 0.02 0.26 -0.07 0.06 0.09 0.36
## GCLS_36 0.12 0.12 0.08 0.20 0.29 0.10 0.07 0.20 0.27
## GCLS_37 0.27 0.37 0.21 0.34 0.32 0.33 0.21 0.32 0.24
## GCLS_38 0.18 0.24 0.21 0.14 0.29 0.09 0.23 0.24 0.34
## GCLS_39 0.26 0.25 0.24 0.21 0.29 0.21 0.21 0.17 0.18
## GCLS_20 GCLS_21 GCLS_22 GCLS_23 GCLS_24 GCLS_25 GCLS_26 GCLS_27 GCLS_28
## GCLS_1 0.30 0.23 0.06 0.13 0.26 0.21 0.13 0.14 0.13
## GCLS_2 0.14 0.12 0.06 -0.25 0.19 0.14 -0.07 0.09 0.10
## GCLS_3 0.20 0.26 0.05 -0.09 0.29 0.27 -0.03 0.06 0.27
## GCLS_4 0.15 0.32 0.08 -0.11 0.33 0.36 0.02 0.20 0.24
## GCLS_5 0.29 0.21 0.13 0.04 0.18 0.15 0.13 0.20 0.20
## GCLS_6 0.36 0.23 0.15 0.04 0.22 0.18 0.14 0.28 0.23
## GCLS_7 0.21 0.30 0.04 0.03 0.30 0.28 0.11 0.17 0.27
## GCLS_8 0.25 0.29 0.21 -0.01 0.37 0.33 0.14 0.29 0.31
## GCLS_9 0.44 0.19 0.18 0.27 0.24 0.12 0.32 0.24 0.38
## GCLS_10 0.39 0.27 0.21 -0.05 0.31 0.24 0.14 0.18 0.27
## GCLS_11 0.39 0.25 0.20 0.02 0.32 0.26 0.17 0.20 0.35
## GCLS_12 0.39 0.23 0.24 -0.01 0.31 0.31 0.17 0.19 0.37
## GCLS_13 0.37 0.17 0.25 0.12 0.21 0.16 0.21 0.18 0.42
## GCLS_14 0.55 0.27 0.28 0.07 0.27 0.24 0.23 0.33 0.39
## GCLS_15 0.58 0.27 0.27 0.23 0.23 0.16 0.31 0.32 0.42
## GCLS_16 0.34 0.19 0.10 0.00 0.19 0.17 0.04 0.14 0.25
## GCLS_17 0.25 0.15 0.15 0.03 0.24 0.24 0.14 0.12 0.29
## GCLS_18 0.42 0.20 0.20 0.09 0.20 0.16 0.14 0.23 0.37
## GCLS_19 0.55 0.24 0.28 0.36 0.12 -0.01 0.36 0.28 0.33
## GCLS_20 1.00 0.32 0.34 0.31 0.20 0.13 0.34 0.39 0.41
## GCLS_21 0.32 1.00 0.24 0.24 0.42 0.39 0.29 0.25 0.34
## GCLS_22 0.34 0.24 1.00 0.10 0.30 0.20 0.37 0.48 0.30
## GCLS_23 0.31 0.24 0.10 1.00 0.08 -0.05 0.35 0.20 0.20
## GCLS_24 0.20 0.42 0.30 0.08 1.00 0.50 0.25 0.27 0.28
## GCLS_25 0.13 0.39 0.20 -0.05 0.50 1.00 0.13 0.14 0.25
## GCLS_26 0.34 0.29 0.37 0.35 0.25 0.13 1.00 0.37 0.28
## GCLS_27 0.39 0.25 0.48 0.20 0.27 0.14 0.37 1.00 0.34
## GCLS_28 0.41 0.34 0.30 0.20 0.28 0.25 0.28 0.34 1.00
## GCLS_29 0.31 0.35 0.32 0.32 0.25 0.21 0.37 0.32 0.32
## GCLS_30 0.22 0.33 0.15 -0.05 0.40 0.37 0.07 0.19 0.19
## GCLS_31 0.25 0.10 0.18 0.27 -0.03 -0.10 0.23 0.22 0.16
## GCLS_32 0.26 0.33 0.14 0.01 0.29 0.26 0.10 0.19 0.22
## GCLS_33 0.31 -0.03 0.19 0.22 0.02 -0.10 0.26 0.28 0.22
## GCLS_34 0.39 0.11 0.09 0.19 0.12 -0.01 0.23 0.18 0.24
## GCLS_35 0.27 0.18 0.12 0.46 0.01 -0.09 0.30 0.18 0.19
## GCLS_36 0.24 0.03 0.17 0.27 0.05 -0.05 0.23 0.22 0.16
## GCLS_37 0.37 0.04 0.08 0.06 0.11 0.11 0.10 0.20 0.22
## GCLS_38 0.29 0.09 0.06 0.34 0.12 -0.05 0.22 0.18 0.22
## GCLS_39 0.31 0.03 0.17 0.11 0.10 0.04 0.19 0.19 0.22
## GCLS_29 GCLS_30 GCLS_31 GCLS_32 GCLS_33 GCLS_34 GCLS_35 GCLS_36 GCLS_37
## GCLS_1 0.16 0.15 0.08 0.14 0.15 0.20 0.11 0.15 0.19
## GCLS_2 0.03 0.28 -0.08 0.27 0.05 0.10 -0.17 -0.01 0.18
## GCLS_3 0.15 0.34 -0.09 0.33 -0.06 0.02 -0.14 -0.03 0.17
## GCLS_4 0.15 0.37 -0.06 0.36 -0.04 0.00 -0.23 -0.06 0.14
## GCLS_5 0.23 0.25 0.09 0.12 0.05 0.24 0.16 0.04 0.18
## GCLS_6 0.19 0.23 0.03 0.20 0.14 0.18 0.05 0.12 0.25
## GCLS_7 0.25 0.23 -0.02 0.26 0.00 0.10 0.02 0.01 0.10
## GCLS_8 0.33 0.36 -0.03 0.26 0.11 0.02 -0.03 0.06 0.09
## GCLS_9 0.24 0.15 0.31 0.37 0.26 0.33 0.22 0.21 0.29
## GCLS_10 0.11 0.33 0.08 0.25 0.09 0.26 -0.11 0.08 0.31
## GCLS_11 0.30 0.27 0.01 0.32 0.18 0.29 -0.01 0.12 0.27
## GCLS_12 0.23 0.27 0.15 0.26 0.19 0.35 -0.01 0.12 0.37
## GCLS_13 0.28 0.23 0.07 0.35 0.19 0.23 0.07 0.08 0.21
## GCLS_14 0.31 0.30 0.06 0.34 0.19 0.25 0.02 0.20 0.34
## GCLS_15 0.34 0.22 0.20 0.33 0.28 0.34 0.26 0.29 0.32
## GCLS_16 0.17 0.28 0.12 0.35 0.17 0.25 -0.07 0.10 0.33
## GCLS_17 0.21 0.24 0.15 0.16 0.13 0.27 0.06 0.07 0.21
## GCLS_18 0.27 0.23 0.12 0.25 0.18 0.33 0.09 0.20 0.32
## GCLS_19 0.35 0.05 0.25 0.19 0.33 0.36 0.36 0.27 0.24
## GCLS_20 0.31 0.22 0.25 0.26 0.31 0.39 0.27 0.24 0.37
## GCLS_21 0.35 0.33 0.10 0.33 -0.03 0.11 0.18 0.03 0.04
## GCLS_22 0.32 0.15 0.18 0.14 0.19 0.09 0.12 0.17 0.08
## GCLS_23 0.32 -0.05 0.27 0.01 0.22 0.19 0.46 0.27 0.06
## GCLS_24 0.25 0.40 -0.03 0.29 0.02 0.12 0.01 0.05 0.11
## GCLS_25 0.21 0.37 -0.10 0.26 -0.10 -0.01 -0.09 -0.05 0.11
## GCLS_26 0.37 0.07 0.23 0.10 0.26 0.23 0.30 0.23 0.10
## GCLS_27 0.32 0.19 0.22 0.19 0.28 0.18 0.18 0.22 0.20
## GCLS_28 0.32 0.19 0.16 0.22 0.22 0.24 0.19 0.16 0.22
## GCLS_29 1.00 0.23 0.17 0.31 0.19 0.19 0.23 0.18 0.13
## GCLS_30 0.23 1.00 -0.06 0.31 0.02 0.09 -0.11 -0.02 0.11
## GCLS_31 0.17 -0.06 1.00 0.06 0.29 0.23 0.20 0.31 0.19
## GCLS_32 0.31 0.31 0.06 1.00 0.10 0.10 -0.03 0.03 0.20
## GCLS_33 0.19 0.02 0.29 0.10 1.00 0.23 0.23 0.64 0.50
## GCLS_34 0.19 0.09 0.23 0.10 0.23 1.00 0.42 0.22 0.38
## GCLS_35 0.23 -0.11 0.20 -0.03 0.23 0.42 1.00 0.23 0.06
## GCLS_36 0.18 -0.02 0.31 0.03 0.64 0.22 0.23 1.00 0.46
## GCLS_37 0.13 0.11 0.19 0.20 0.50 0.38 0.06 0.46 1.00
## GCLS_38 0.13 -0.04 0.17 -0.02 0.30 0.54 0.57 0.25 0.21
## GCLS_39 0.10 0.02 0.22 0.12 0.60 0.35 0.15 0.56 0.48
## GCLS_38 GCLS_39
## GCLS_1 0.18 0.15
## GCLS_2 -0.02 0.12
## GCLS_3 0.01 0.05
## GCLS_4 -0.04 0.02
## GCLS_5 0.16 0.11
## GCLS_6 0.15 0.16
## GCLS_7 0.06 0.08
## GCLS_8 0.03 0.07
## GCLS_9 0.31 0.26
## GCLS_10 0.17 0.23
## GCLS_11 0.18 0.26
## GCLS_12 0.24 0.25
## GCLS_13 0.21 0.24
## GCLS_14 0.14 0.21
## GCLS_15 0.29 0.29
## GCLS_16 0.09 0.21
## GCLS_17 0.23 0.21
## GCLS_18 0.24 0.17
## GCLS_19 0.34 0.18
## GCLS_20 0.29 0.31
## GCLS_21 0.09 0.03
## GCLS_22 0.06 0.17
## GCLS_23 0.34 0.11
## GCLS_24 0.12 0.10
## GCLS_25 -0.05 0.04
## GCLS_26 0.22 0.19
## GCLS_27 0.18 0.19
## GCLS_28 0.22 0.22
## GCLS_29 0.13 0.10
## GCLS_30 -0.04 0.02
## GCLS_31 0.17 0.22
## GCLS_32 -0.02 0.12
## GCLS_33 0.30 0.60
## GCLS_34 0.54 0.35
## GCLS_35 0.57 0.15
## GCLS_36 0.25 0.56
## GCLS_37 0.21 0.48
## GCLS_38 1.00 0.29
## GCLS_39 0.29 1.00
## Sample Size
## [1] 307
## Probability values (Entries above the diagonal are adjusted for multiple tests.)
## GCLS_1 GCLS_2 GCLS_3 GCLS_4 GCLS_5 GCLS_6 GCLS_7 GCLS_8 GCLS_9 GCLS_10
## GCLS_1 0.00 0.52 1.00 0.23 0.01 0.00 1.00 0.34 0.01 0.25
## GCLS_2 0.00 0.00 0.00 0.00 0.05 0.00 0.02 0.00 1.00 0.00
## GCLS_3 0.01 0.00 0.00 0.00 0.01 0.00 0.02 0.00 1.00 0.00
## GCLS_4 0.00 0.00 0.00 0.00 0.59 0.00 0.00 0.00 0.49 0.00
## GCLS_5 0.00 0.00 0.00 0.00 0.00 0.00 0.35 0.09 1.00 0.02
## GCLS_6 0.00 0.00 0.00 0.00 0.00 0.00 0.15 0.01 0.44 0.03
## GCLS_7 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 1.00
## GCLS_8 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.95 1.00
## GCLS_9 0.00 0.04 0.04 0.00 0.02 0.00 0.01 0.00 0.00 0.00
## GCLS_10 0.00 0.00 0.00 0.00 0.00 0.00 0.13 0.01 0.00 0.00
## GCLS_11 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_12 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00
## GCLS_13 0.46 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_14 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_15 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_16 0.01 0.00 0.00 0.00 0.01 0.00 0.01 0.00 0.00 0.00
## GCLS_17 0.00 0.00 0.00 0.00 0.00 0.11 0.00 0.00 0.00 0.00
## GCLS_18 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_19 0.00 0.35 0.34 0.42 0.01 0.00 0.05 0.07 0.00 0.02
## GCLS_20 0.00 0.01 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_21 0.00 0.04 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_22 0.33 0.27 0.41 0.14 0.03 0.01 0.45 0.00 0.00 0.00
## GCLS_23 0.02 0.00 0.13 0.07 0.49 0.49 0.55 0.88 0.00 0.42
## GCLS_24 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_25 0.00 0.02 0.00 0.00 0.01 0.00 0.00 0.00 0.04 0.00
## GCLS_26 0.02 0.20 0.63 0.71 0.02 0.02 0.05 0.02 0.00 0.01
## GCLS_27 0.01 0.13 0.28 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_28 0.02 0.09 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_29 0.01 0.58 0.01 0.01 0.00 0.00 0.00 0.00 0.00 0.05
## GCLS_30 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00
## GCLS_31 0.16 0.17 0.11 0.30 0.13 0.59 0.75 0.65 0.00 0.16
## GCLS_32 0.01 0.00 0.00 0.00 0.03 0.00 0.00 0.00 0.00 0.00
## GCLS_33 0.01 0.38 0.29 0.53 0.39 0.02 0.99 0.07 0.00 0.12
## GCLS_34 0.00 0.09 0.69 0.95 0.00 0.00 0.08 0.77 0.00 0.00
## GCLS_35 0.05 0.00 0.01 0.00 0.00 0.43 0.68 0.60 0.00 0.07
## GCLS_36 0.01 0.84 0.58 0.30 0.46 0.04 0.80 0.33 0.00 0.17
## GCLS_37 0.00 0.00 0.00 0.02 0.00 0.00 0.08 0.12 0.00 0.00
## GCLS_38 0.00 0.71 0.81 0.50 0.01 0.01 0.31 0.66 0.00 0.00
## GCLS_39 0.01 0.04 0.41 0.66 0.05 0.01 0.18 0.23 0.00 0.00
## GCLS_11 GCLS_12 GCLS_13 GCLS_14 GCLS_15 GCLS_16 GCLS_17 GCLS_18 GCLS_19
## GCLS_1 0.09 0.12 1.00 1.00 0.00 1.00 0.44 0.03 0.30
## GCLS_2 0.00 0.00 1.00 0.00 0.04 0.00 0.38 0.00 1.00
## GCLS_3 0.00 0.00 0.00 0.00 0.18 0.00 0.42 0.00 1.00
## GCLS_4 0.00 0.00 0.00 0.00 0.13 0.00 0.10 0.01 1.00
## GCLS_5 0.54 0.12 0.01 0.00 0.01 1.00 0.00 0.00 1.00
## GCLS_6 0.00 0.01 0.57 0.00 0.00 0.00 1.00 0.00 0.18
## GCLS_7 0.01 1.00 0.17 0.00 0.00 1.00 0.13 0.40 1.00
## GCLS_8 0.00 0.00 0.00 0.00 0.00 0.00 0.03 0.02 1.00
## GCLS_9 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_10 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00
## GCLS_11 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01
## GCLS_12 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_13 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_14 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_15 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_16 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01
## GCLS_17 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.03
## GCLS_18 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_19 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_21 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00
## GCLS_22 0.00 0.00 0.00 0.00 0.00 0.10 0.01 0.00 0.00
## GCLS_23 0.72 0.90 0.03 0.20 0.00 0.98 0.59 0.11 0.00
## GCLS_24 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.04
## GCLS_25 0.00 0.00 0.01 0.00 0.01 0.00 0.00 0.00 0.90
## GCLS_26 0.00 0.00 0.00 0.00 0.00 0.44 0.01 0.01 0.00
## GCLS_27 0.00 0.00 0.00 0.00 0.00 0.01 0.04 0.00 0.00
## GCLS_28 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_29 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_30 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.34
## GCLS_31 0.91 0.01 0.25 0.32 0.00 0.03 0.01 0.04 0.00
## GCLS_32 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_33 0.00 0.00 0.00 0.00 0.00 0.00 0.03 0.00 0.00
## GCLS_34 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_35 0.89 0.82 0.21 0.74 0.00 0.23 0.28 0.12 0.00
## GCLS_36 0.04 0.04 0.15 0.00 0.00 0.08 0.20 0.00 0.00
## GCLS_37 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_38 0.00 0.00 0.00 0.01 0.00 0.12 0.00 0.00 0.00
## GCLS_39 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_20 GCLS_21 GCLS_22 GCLS_23 GCLS_24 GCLS_25 GCLS_26 GCLS_27 GCLS_28
## GCLS_1 0.00 0.02 1.00 1.00 0.00 0.05 1.00 1.00 1.00
## GCLS_2 1.00 1.00 1.00 0.00 0.26 1.00 1.00 1.00 1.00
## GCLS_3 0.11 0.00 1.00 1.00 0.00 0.00 1.00 1.00 0.00
## GCLS_4 1.00 0.00 1.00 1.00 0.00 0.00 1.00 0.11 0.01
## GCLS_5 0.00 0.06 1.00 1.00 0.34 1.00 1.00 0.16 0.15
## GCLS_6 0.00 0.03 1.00 1.00 0.03 0.40 1.00 0.00 0.01
## GCLS_7 0.09 0.00 1.00 1.00 0.00 0.00 1.00 0.57 0.00
## GCLS_8 0.00 0.00 0.07 1.00 0.00 0.00 1.00 0.00 0.00
## GCLS_9 0.00 0.27 0.41 0.00 0.01 1.00 0.00 0.01 0.00
## GCLS_10 0.00 0.00 0.09 1.00 0.00 0.01 1.00 0.49 0.00
## GCLS_11 0.00 0.00 0.16 1.00 0.00 0.00 0.59 0.18 0.00
## GCLS_12 0.00 0.02 0.01 1.00 0.00 0.00 0.71 0.28 0.00
## GCLS_13 0.00 0.62 0.00 1.00 0.07 1.00 0.06 0.52 0.00
## GCLS_14 0.00 0.00 0.00 1.00 0.00 0.01 0.01 0.00 0.00
## GCLS_15 0.00 0.00 0.00 0.01 0.01 1.00 0.00 0.00 0.00
## GCLS_16 0.00 0.18 1.00 1.00 0.30 0.65 1.00 1.00 0.00
## GCLS_17 0.00 1.00 1.00 1.00 0.01 0.01 1.00 1.00 0.00
## GCLS_18 0.00 0.17 0.16 1.00 0.11 0.90 1.00 0.03 0.00
## GCLS_19 0.00 0.01 0.00 0.00 1.00 1.00 0.00 0.00 0.00
## GCLS_20 0.00 0.00 0.00 0.00 0.13 1.00 0.00 0.00 0.00
## GCLS_21 0.00 0.00 0.01 0.01 0.00 0.00 0.00 0.00 0.00
## GCLS_22 0.00 0.00 0.00 1.00 0.00 0.12 0.00 0.00 0.00
## GCLS_23 0.00 0.00 0.09 0.00 1.00 1.00 0.00 0.18 0.17
## GCLS_24 0.00 0.00 0.00 0.19 0.00 0.00 0.00 0.00 0.00
## GCLS_25 0.02 0.00 0.00 0.36 0.00 0.00 1.00 1.00 0.00
## GCLS_26 0.00 0.00 0.00 0.00 0.00 0.03 0.00 0.00 0.00
## GCLS_27 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00
## GCLS_28 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_29 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_30 0.00 0.00 0.01 0.37 0.00 0.00 0.19 0.00 0.00
## GCLS_31 0.00 0.09 0.00 0.00 0.61 0.08 0.00 0.00 0.00
## GCLS_32 0.00 0.00 0.02 0.84 0.00 0.00 0.08 0.00 0.00
## GCLS_33 0.00 0.65 0.00 0.00 0.73 0.08 0.00 0.00 0.00
## GCLS_34 0.00 0.06 0.12 0.00 0.04 0.82 0.00 0.00 0.00
## GCLS_35 0.00 0.00 0.04 0.00 0.89 0.10 0.00 0.00 0.00
## GCLS_36 0.00 0.61 0.00 0.00 0.39 0.37 0.00 0.00 0.00
## GCLS_37 0.00 0.44 0.17 0.31 0.05 0.06 0.07 0.00 0.00
## GCLS_38 0.00 0.10 0.31 0.00 0.03 0.34 0.00 0.00 0.00
## GCLS_39 0.00 0.57 0.00 0.05 0.09 0.51 0.00 0.00 0.00
## GCLS_29 GCLS_30 GCLS_31 GCLS_32 GCLS_33 GCLS_34 GCLS_35 GCLS_36 GCLS_37
## GCLS_1 1.00 1.00 1.00 1.00 1.00 0.12 1.00 1.00 0.18
## GCLS_2 1.00 0.00 1.00 0.00 1.00 1.00 0.68 1.00 0.42
## GCLS_3 1.00 0.00 1.00 0.00 1.00 1.00 1.00 1.00 0.75
## GCLS_4 1.00 0.00 1.00 0.00 1.00 1.00 0.02 1.00 1.00
## GCLS_5 0.02 0.00 1.00 1.00 1.00 0.01 1.00 1.00 0.37
## GCLS_6 0.26 0.03 1.00 0.16 1.00 0.32 1.00 1.00 0.00
## GCLS_7 0.01 0.02 1.00 0.00 1.00 1.00 1.00 1.00 1.00
## GCLS_8 0.00 0.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00
## GCLS_9 0.01 1.00 0.00 0.00 0.00 0.00 0.04 0.09 0.00
## GCLS_10 1.00 0.00 1.00 0.00 1.00 0.00 1.00 1.00 0.00
## GCLS_11 0.00 0.00 1.00 0.00 0.45 0.00 1.00 1.00 0.00
## GCLS_12 0.02 0.00 1.00 0.00 0.28 0.00 1.00 1.00 0.00
## GCLS_13 0.00 0.02 1.00 0.00 0.18 0.02 1.00 1.00 0.07
## GCLS_14 0.00 0.00 1.00 0.00 0.28 0.00 1.00 0.13 0.00
## GCLS_15 0.00 0.03 0.11 0.00 0.00 0.00 0.00 0.00 0.00
## GCLS_16 0.55 0.00 1.00 0.00 0.61 0.00 1.00 1.00 0.00
## GCLS_17 0.10 0.01 1.00 0.95 1.00 0.00 1.00 1.00 0.06
## GCLS_18 0.00 0.01 1.00 0.00 0.34 0.00 1.00 0.16 0.00
## GCLS_19 0.00 1.00 0.00 0.18 0.00 0.00 0.00 0.00 0.01
## GCLS_20 0.00 0.04 0.00 0.00 0.00 0.00 0.00 0.01 0.00
## GCLS_21 0.00 0.00 1.00 0.00 1.00 1.00 0.48 1.00 1.00
## GCLS_22 0.00 1.00 0.39 1.00 0.27 1.00 1.00 0.53 1.00
## GCLS_23 0.00 1.00 0.00 1.00 0.04 0.27 0.00 0.00 1.00
## GCLS_24 0.00 0.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00
## GCLS_25 0.07 0.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00
## GCLS_26 0.00 1.00 0.01 1.00 0.00 0.02 0.00 0.02 1.00
## GCLS_27 0.00 0.25 0.03 0.25 0.00 0.45 0.36 0.04 0.16
## GCLS_28 0.00 0.21 1.00 0.03 0.03 0.01 0.18 1.00 0.05
## GCLS_29 0.00 0.02 0.72 0.00 0.21 0.24 0.02 0.52 1.00
## GCLS_30 0.00 0.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00
## GCLS_31 0.00 0.31 0.00 1.00 0.00 0.01 0.11 0.00 0.27
## GCLS_32 0.00 0.00 0.28 0.00 1.00 1.00 1.00 1.00 0.14
## GCLS_33 0.00 0.71 0.00 0.07 0.00 0.02 0.02 0.00 0.00
## GCLS_34 0.00 0.13 0.00 0.08 0.00 0.00 0.00 0.04 0.00
## GCLS_35 0.00 0.06 0.00 0.59 0.00 0.00 0.00 0.02 1.00
## GCLS_36 0.00 0.78 0.00 0.58 0.00 0.00 0.00 0.00 0.00
## GCLS_37 0.02 0.05 0.00 0.00 0.00 0.00 0.26 0.00 0.00
## GCLS_38 0.02 0.48 0.00 0.70 0.00 0.00 0.00 0.00 0.00
## GCLS_39 0.07 0.70 0.00 0.04 0.00 0.00 0.01 0.00 0.00
## GCLS_38 GCLS_39
## GCLS_1 0.32 1.00
## GCLS_2 1.00 1.00
## GCLS_3 1.00 1.00
## GCLS_4 1.00 1.00
## GCLS_5 1.00 1.00
## GCLS_6 1.00 1.00
## GCLS_7 1.00 1.00
## GCLS_8 1.00 1.00
## GCLS_9 0.00 0.00
## GCLS_10 0.61 0.02
## GCLS_11 0.33 0.00
## GCLS_12 0.01 0.00
## GCLS_13 0.05 0.01
## GCLS_14 1.00 0.06
## GCLS_15 0.00 0.00
## GCLS_16 1.00 0.08
## GCLS_17 0.02 0.05
## GCLS_18 0.01 0.62
## GCLS_19 0.00 0.45
## GCLS_20 0.00 0.00
## GCLS_21 1.00 1.00
## GCLS_22 1.00 0.59
## GCLS_23 0.00 1.00
## GCLS_24 1.00 1.00
## GCLS_25 1.00 1.00
## GCLS_26 0.03 0.27
## GCLS_27 0.39 0.26
## GCLS_28 0.04 0.04
## GCLS_29 1.00 1.00
## GCLS_30 1.00 1.00
## GCLS_31 0.53 0.05
## GCLS_32 1.00 1.00
## GCLS_33 0.00 0.00
## GCLS_34 0.00 0.00
## GCLS_35 0.00 1.00
## GCLS_36 0.01 0.00
## GCLS_37 0.07 0.00
## GCLS_38 0.00 0.00
## GCLS_39 0.00 0.00
##
## To see confidence intervals of the correlations, print with the short=FALSE optionKMO(gcls_forfa) # Good## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = gcls_forfa)
## Overall MSA = 0.9
## MSA for each item =
## GCLS_1 GCLS_2 GCLS_3 GCLS_4 GCLS_5 GCLS_6 GCLS_7 GCLS_8 GCLS_9 GCLS_10
## 0.89 0.87 0.87 0.88 0.88 0.91 0.86 0.88 0.91 0.90
## GCLS_11 GCLS_12 GCLS_13 GCLS_14 GCLS_15 GCLS_16 GCLS_17 GCLS_18 GCLS_19 GCLS_20
## 0.93 0.93 0.90 0.94 0.95 0.93 0.91 0.94 0.89 0.93
## GCLS_21 GCLS_22 GCLS_23 GCLS_24 GCLS_25 GCLS_26 GCLS_27 GCLS_28 GCLS_29 GCLS_30
## 0.88 0.86 0.85 0.91 0.88 0.92 0.89 0.94 0.91 0.92
## GCLS_31 GCLS_32 GCLS_33 GCLS_34 GCLS_35 GCLS_36 GCLS_37 GCLS_38 GCLS_39
## 0.85 0.89 0.82 0.86 0.81 0.83 0.90 0.83 0.85cortest.bartlett(gcls_forfa) # Good## R was not square, finding R from data## $chisq
## [1] 4867.882
##
## $p.value
## [1] 0
##
## $df
## [1] 741# Number of factors
ev <- eigen(cor(gcls_forfa))
ev$values # 8 factors## [1] 9.7635271 4.0058215 2.3249082 1.6682541 1.4857619 1.2694275 1.2084255
## [8] 1.0998385 0.9328901 0.9049720 0.8734587 0.8238333 0.7510553 0.7289700
## [15] 0.6826741 0.6680572 0.6497127 0.6216866 0.5967273 0.5742767 0.5610143
## [22] 0.5265659 0.5203889 0.4968461 0.4737059 0.4695162 0.4536233 0.4342761
## [29] 0.4091277 0.3777975 0.3711812 0.3643500 0.3297333 0.3084225 0.2875992
## [36] 0.2763061 0.2578573 0.2353352 0.2120748scree(gcls_forfa, pc=FALSE) # 3 factors
fa.parallel(gcls_forfa, fa="fa") # 4 factors
## Parallel analysis suggests that the number of factors = 6 and the number of components = NAvss(gcls_forfa, plot = TRUE, fm = "pa", n.obs = 307) # MAP is lowest for a 4 factor solution. 
##
## Very Simple Structure
## Call: vss(x = gcls_forfa, fm = "pa", n.obs = 307, plot = TRUE)
## VSS complexity 1 achieves a maximimum of 0.7 with 1 factors
## VSS complexity 2 achieves a maximimum of 0.81 with 2 factors
##
## The Velicer MAP achieves a minimum of 0.01 with 4 factors
## BIC achieves a minimum of -2342.21 with 4 factors
## Sample Size adjusted BIC achieves a minimum of -618.47 with 8 factors
##
## Statistics by number of factors
## vss1 vss2 map dof chisq prob sqresid fit RMSEA BIC SABIC complex
## 1 0.70 0.00 0.0197 702 2471 4.0e-195 41 0.70 0.091 -1549 677 1.0
## 2 0.57 0.81 0.0123 664 1680 2.1e-89 25 0.81 0.071 -2122 -16 1.4
## 3 0.50 0.78 0.0104 627 1310 2.4e-50 20 0.85 0.059 -2281 -293 1.7
## 4 0.44 0.78 0.0096 591 1042 1.9e-27 18 0.87 0.050 -2342 -468 1.9
## 5 0.44 0.75 0.0097 556 879 5.8e-17 16 0.89 0.043 -2305 -542 2.0
## 6 0.40 0.72 0.0099 522 741 8.1e-10 14 0.90 0.037 -2248 -593 2.1
## 7 0.42 0.66 0.0103 489 639 5.8e-06 13 0.90 0.031 -2162 -611 2.4
## 8 0.38 0.67 0.0110 457 549 1.9e-03 12 0.91 0.025 -2068 -618 2.5
## eChisq SRMR eCRMS eBIC
## 1 5344 0.108 0.111 1324
## 2 2099 0.068 0.072 -1703
## 3 1253 0.052 0.057 -2338
## 4 882 0.044 0.049 -2502
## 5 663 0.038 0.044 -2521
## 6 508 0.033 0.040 -2481
## 7 390 0.029 0.036 -2411
## 8 302 0.026 0.033 -2315# Four factor solutionFactor analysis
Following the guidlines of the original GCLS creation and because it is believed that the factors will correlate, we used direct oblimin rotation.
fit1 <- fa(gcls_forfa, 4, rotate = "oblimin")## Loading required namespace: GPArotationfit1## Factor Analysis using method = minres
## Call: fa(r = gcls_forfa, nfactors = 4, rotate = "oblimin")
## Standardized loadings (pattern matrix) based upon correlation matrix
## MR1 MR3 MR2 MR4 h2 u2 com
## GCLS_1 0.17 0.20 0.07 0.09 0.14 0.86 2.7
## GCLS_2 0.37 0.15 -0.37 0.06 0.32 0.68 2.4
## GCLS_3 0.39 0.29 -0.28 -0.09 0.38 0.62 2.8
## GCLS_4 0.31 0.42 -0.32 -0.06 0.45 0.55 2.8
## GCLS_5 0.28 0.19 0.09 -0.02 0.16 0.84 2.0
## GCLS_6 0.26 0.25 -0.03 0.11 0.22 0.78 2.4
## GCLS_7 0.08 0.46 -0.04 -0.03 0.25 0.75 1.1
## GCLS_8 0.07 0.58 -0.13 0.06 0.39 0.61 1.2
## GCLS_9 0.44 0.07 0.30 0.09 0.40 0.60 1.9
## GCLS_10 0.68 0.02 -0.11 -0.01 0.48 0.52 1.1
## GCLS_11 0.58 0.16 -0.02 0.03 0.45 0.55 1.2
## GCLS_12 0.67 0.05 -0.04 0.05 0.51 0.49 1.0
## GCLS_13 0.54 0.11 0.11 -0.02 0.38 0.62 1.2
## GCLS_14 0.53 0.25 0.01 0.09 0.51 0.49 1.5
## GCLS_15 0.48 0.17 0.27 0.13 0.52 0.48 2.0
## GCLS_16 0.67 -0.02 -0.10 0.04 0.45 0.55 1.1
## GCLS_17 0.57 0.01 0.07 -0.04 0.32 0.68 1.0
## GCLS_18 0.64 0.02 0.09 0.02 0.45 0.55 1.0
## GCLS_19 0.29 0.09 0.49 0.10 0.46 0.54 1.8
## GCLS_20 0.40 0.20 0.33 0.16 0.53 0.47 2.8
## GCLS_21 0.05 0.60 0.20 -0.13 0.42 0.58 1.3
## GCLS_22 -0.05 0.42 0.17 0.17 0.25 0.75 1.7
## GCLS_23 -0.11 0.14 0.61 0.06 0.42 0.58 1.2
## GCLS_24 0.09 0.58 -0.02 -0.02 0.39 0.61 1.1
## GCLS_25 0.08 0.55 -0.15 -0.09 0.35 0.65 1.3
## GCLS_26 -0.08 0.37 0.43 0.14 0.38 0.62 2.3
## GCLS_27 -0.07 0.47 0.19 0.26 0.35 0.65 2.0
## GCLS_28 0.27 0.33 0.22 0.07 0.36 0.64 2.8
## GCLS_29 0.02 0.48 0.30 0.06 0.37 0.63 1.7
## GCLS_30 0.21 0.44 -0.19 -0.05 0.34 0.66 1.9
## GCLS_31 0.03 -0.02 0.28 0.26 0.21 0.79 2.0
## GCLS_32 0.26 0.35 -0.08 0.02 0.28 0.72 2.0
## GCLS_33 -0.05 0.00 0.01 0.85 0.70 0.30 1.0
## GCLS_34 0.50 -0.20 0.38 0.09 0.42 0.58 2.3
## GCLS_35 0.00 -0.03 0.73 0.00 0.53 0.47 1.0
## GCLS_36 -0.12 0.03 0.03 0.79 0.60 0.40 1.1
## GCLS_37 0.34 -0.08 -0.14 0.56 0.48 0.52 1.8
## GCLS_38 0.33 -0.17 0.50 0.07 0.40 0.60 2.0
## GCLS_39 0.14 -0.06 -0.07 0.69 0.51 0.49 1.1
##
## MR1 MR3 MR2 MR4
## SS loadings 5.73 4.00 3.00 2.80
## Proportion Var 0.15 0.10 0.08 0.07
## Cumulative Var 0.15 0.25 0.33 0.40
## Proportion Explained 0.37 0.26 0.19 0.18
## Cumulative Proportion 0.37 0.63 0.82 1.00
##
## With factor correlations of
## MR1 MR3 MR2 MR4
## MR1 1.00 0.46 0.09 0.33
## MR3 0.46 1.00 0.07 0.11
## MR2 0.09 0.07 1.00 0.34
## MR4 0.33 0.11 0.34 1.00
##
## Mean item complexity = 1.7
## Test of the hypothesis that 4 factors are sufficient.
##
## df null model = 741 with the objective function = 16.66 with Chi Square = 4867.88
## df of the model are 591 and the objective function was 3.6
##
## The root mean square of the residuals (RMSR) is 0.04
## The df corrected root mean square of the residuals is 0.05
##
## The harmonic n.obs is 307 with the empirical chi square 882.29 with prob < 6.8e-14
## The total n.obs was 307 with Likelihood Chi Square = 1042.36 with prob < 1.9e-27
##
## Tucker Lewis Index of factoring reliability = 0.861
## RMSEA index = 0.05 and the 90 % confidence intervals are 0.045 0.055
## BIC = -2342.21
## Fit based upon off diagonal values = 0.97
## Measures of factor score adequacy
## MR1 MR3 MR2 MR4
## Correlation of (regression) scores with factors 0.95 0.92 0.91 0.93
## Multiple R square of scores with factors 0.90 0.85 0.83 0.86
## Minimum correlation of possible factor scores 0.80 0.69 0.67 0.73fit2 <- fa(gcls_forfa, 4, rotate = "varimax")
fit2## Factor Analysis using method = minres
## Call: fa(r = gcls_forfa, nfactors = 4, rotate = "varimax")
## Standardized loadings (pattern matrix) based upon correlation matrix
## MR1 MR3 MR2 MR4 h2 u2 com
## GCLS_1 0.22 0.23 0.14 0.12 0.14 0.86 3.2
## GCLS_2 0.40 0.28 -0.28 0.08 0.32 0.68 2.7
## GCLS_3 0.42 0.40 -0.21 -0.05 0.38 0.62 2.5
## GCLS_4 0.37 0.51 -0.24 -0.04 0.45 0.55 2.3
## GCLS_5 0.29 0.25 0.14 0.02 0.16 0.84 2.4
## GCLS_6 0.31 0.32 0.07 0.14 0.22 0.78 2.5
## GCLS_7 0.16 0.47 0.03 -0.01 0.25 0.75 1.3
## GCLS_8 0.19 0.59 -0.02 0.06 0.39 0.61 1.2
## GCLS_9 0.44 0.16 0.39 0.16 0.40 0.60 2.6
## GCLS_10 0.65 0.21 -0.02 0.07 0.48 0.52 1.2
## GCLS_11 0.59 0.31 0.08 0.10 0.45 0.55 1.6
## GCLS_12 0.66 0.23 0.07 0.13 0.51 0.49 1.4
## GCLS_13 0.53 0.24 0.19 0.06 0.38 0.62 1.7
## GCLS_14 0.57 0.38 0.14 0.16 0.51 0.49 2.1
## GCLS_15 0.50 0.27 0.39 0.21 0.52 0.48 2.9
## GCLS_16 0.64 0.17 -0.01 0.12 0.45 0.55 1.2
## GCLS_17 0.53 0.15 0.13 0.04 0.32 0.68 1.3
## GCLS_18 0.61 0.18 0.17 0.11 0.45 0.55 1.4
## GCLS_19 0.30 0.13 0.57 0.17 0.46 0.54 1.8
## GCLS_20 0.44 0.28 0.45 0.23 0.53 0.47 3.2
## GCLS_21 0.13 0.57 0.26 -0.10 0.42 0.58 1.6
## GCLS_22 0.06 0.38 0.27 0.17 0.25 0.75 2.3
## GCLS_23 -0.08 0.06 0.63 0.08 0.42 0.58 1.1
## GCLS_24 0.19 0.59 0.07 -0.01 0.39 0.61 1.2
## GCLS_25 0.17 0.56 -0.09 -0.08 0.35 0.65 1.3
## GCLS_26 0.01 0.30 0.51 0.16 0.38 0.62 1.8
## GCLS_27 0.06 0.43 0.32 0.25 0.35 0.65 2.6
## GCLS_28 0.33 0.38 0.32 0.11 0.36 0.64 3.1
## GCLS_29 0.11 0.45 0.39 0.08 0.37 0.63 2.2
## GCLS_30 0.28 0.50 -0.11 -0.03 0.34 0.66 1.7
## GCLS_31 0.07 -0.03 0.36 0.27 0.21 0.79 2.0
## GCLS_32 0.32 0.41 0.01 0.05 0.28 0.72 1.9
## GCLS_33 0.10 0.01 0.24 0.79 0.70 0.30 1.2
## GCLS_34 0.44 -0.09 0.44 0.18 0.42 0.58 2.4
## GCLS_35 -0.02 -0.08 0.72 0.05 0.53 0.47 1.0
## GCLS_36 0.03 0.02 0.24 0.73 0.60 0.40 1.2
## GCLS_37 0.40 0.04 0.05 0.56 0.48 0.52 1.8
## GCLS_38 0.28 -0.12 0.54 0.14 0.40 0.60 1.8
## GCLS_39 0.24 0.01 0.14 0.66 0.51 0.49 1.4
##
## MR1 MR3 MR2 MR4
## SS loadings 5.27 4.17 3.61 2.49
## Proportion Var 0.14 0.11 0.09 0.06
## Cumulative Var 0.14 0.24 0.33 0.40
## Proportion Explained 0.34 0.27 0.23 0.16
## Cumulative Proportion 0.34 0.61 0.84 1.00
##
## Mean item complexity = 1.9
## Test of the hypothesis that 4 factors are sufficient.
##
## df null model = 741 with the objective function = 16.66 with Chi Square = 4867.88
## df of the model are 591 and the objective function was 3.6
##
## The root mean square of the residuals (RMSR) is 0.04
## The df corrected root mean square of the residuals is 0.05
##
## The harmonic n.obs is 307 with the empirical chi square 882.29 with prob < 6.8e-14
## The total n.obs was 307 with Likelihood Chi Square = 1042.36 with prob < 1.9e-27
##
## Tucker Lewis Index of factoring reliability = 0.861
## RMSEA index = 0.05 and the 90 % confidence intervals are 0.045 0.055
## BIC = -2342.21
## Fit based upon off diagonal values = 0.97
## Measures of factor score adequacy
## MR1 MR3 MR2 MR4
## Correlation of (regression) scores with factors 0.91 0.9 0.91 0.90
## Multiple R square of scores with factors 0.83 0.8 0.83 0.81
## Minimum correlation of possible factor scores 0.67 0.6 0.66 0.62```{r}
# Create total scores
gcls_data_total <- gcls_data_recoded %>% dplyr::mutate(GCLSY_Total = rowSums(across(c(GCLS_1:GCLS_39)), na.rm = TRUE),
GCLSY_Subscale1 = rowSums(across(c(GCLS_1:GCLS_8)), na.rm = TRUE),
GCLSY_Subscale2 = rowSums(across(c(GCLS_9:GCLS_17)), na.rm = TRUE),
GCLSY_Subscale3 = rowSums(across(c(GCLS_18:GCLS_20)), na.rm = TRUE),
GCLSY_Subscale4 = rowSums(across(c(GCLS_21:GCLS_32)), na.rm = TRUE),
GCLSY_Subscale5 = rowSums(across(c(GCLS_33:GCLS_39)), na.rm = TRUE),
TCS_Avg = rowMeans(across(c(TCS_1:TCS_12)), na.rm = TRUE),
Anxiety_Total = rowSums(across(c(Anxiety_1:Anxiety_7)), na.rm = TRUE),
Depression_Total = rowSums(across(c(Depression_1:Depression_9)), na.rm = TRUE),
Wellbeing = rowSums(across(c(Wellbeing_1:Wellbeing_20)), na.rm = TRUE),
Life_Sat_Total = LifeSat,
SocD_Total = rowSums(across(c(SocD_1:SocD_14)), na.rm = TRUE)) %>%
select(GCLSY_Total:SocD_Total)
colSums(is.na(gcls_data_total)) # Sense check
gcls_data_total %>% summarise_at(vars(GCLSY_Total,
GCLSY_Subscale1,
GCLSY_Subscale2,
GCLSY_Subscale3,
GCLSY_Subscale4,
GCLSY_Subscale5,
TCS_Avg,
Anxiety_Total,
Depression_Total,
Wellbeing,
Life_Sat_Total,
SocD_Total), list(mean = mean,
sd = sd,
min = min,
max = max))
correlations <- corr.test(gcls_data_total)
print(correlations, short = FALSE)
```