Méthodes Alternatives d'Évaluation de l'Ajustement du Modèle

Cet article traite des mesures d'ajustement d'un modèle. Deux types d'erreur impliqués dans l'ajustement d'un modèle sont considérés. La première est l'erreur d'approximation, qui concerne l'ajustement du modèle, avec des valeurs de paramètres choisies de manière optimale mais inconnues, à la matrice de covariance de la population. La seconde est l'erreur globale, qui concerne l'ajustement du modèle, avec des valeurs de paramètres estimées à partir de l'échantillon, à la matrice de covariance de la population. Des mesures des deux types d'erreur sont proposées et des estimations ponctuelles et par intervalle de ces mesures sont suggérées. Ces mesures prennent en compte le nombre de paramètres dans le modèle afin d'éviter de pénaliser les modèles parcimonieux. Les difficultés pratiques associées aux tests habituels d'ajustement exact d'un modèle sont discutées et un test d'« ajustement proche » d'un modèle est proposé.