EFAは明らかに1要素をサポートし、測定値は内部的に一貫していますが、CFAは適合性が低いですか？

私は、10項目の自己報告メジャーの心理測定特性を調査しています。2つの独立したサンプルで約400のケースがあります。アイテムは4ポイントリッカートスケールで完成します。EFAは明らかに1要素の解（たとえば、最初の固有値が6を超え、他はすべて1未満）をサポートし、クロンバッハのアルファは優れています（たとえば、.90）。アイテムと合計の相関が低いアイテムはありません。

私はもともとCFAを実行したいと思っていました（EFAはCFAが良くないことを確認した後の単なるフォローアップでした）単要素モデルをテストしました。驚いたことに、モデルへの適合は比較的不十分でした。

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

さらに、各アイテムのロードは非常に良好です（0.65以上）。

奇妙なことにSRMR=.05、これは許容可能/良好です。

修正インデックスは、私がいたるところにエラーを関連付けることを示唆しています。そうすることの明確な合理性があった場合（たとえば、いくつかの項目は非常に類似した文言を持っている）、私はこれを行うでしょう。ただし、すべての測定値は同じように表現されており、すべての誤差項を関連付けることは奇妙で苦痛でしょう。

このようなケースを見たことがありません。指標は内部的に一貫しており、明らかにEFAの1つの要素で構成されていますが、CFAでの適合性は不十分です。結果は両方の独立したサンプル（異なる大陸から）で一致しています。私は2因子CFA（5つのランダムな項目をグループ化）を試してみましたが、適合は同じか、わずかに優れていました。

ここに私の質問があります：

1. EFA / Cronbachアルファ/因子の負荷を考えると、CFI / TLI / RMSEAによる適合はなぜそれほど悪いのですか？
2. なぜSRMRは良いのに他のインデックスはそうでないのですか？私はそれらが異なるものを測定することを知っていますが、私の経験では、ほとんど常に収束します。
3. エラーのいくつかを関連付ける必要がありますか？

アイテムの例：

• あなたは自分の欠点について考えています
• あなたは忘れることが難しい考えを持っています
• あなたはいつも状況を考えています

それはかなり正常です。

CFAはEFAよりもはるかに厳しい基準です。EFAはデータを記述しようとしますが、CFAはモデルが正しいかどうかをテストします。

収束しない理由の1つは、平均相関が低いことです（ただし、RMSEAの方が優れていると思います）。カイ二乗検定は、基本的に残差がゼロに等しいことを示す検定であり、RMSEA、TLI、CFIは検定の変換です。

フィットは常に、1因子ソリューションよりも2因子ソリューションの方が優れています（それらはネストされています）。

さらに質問：サンプルのサイズはどのくらいですか？平均相関とは何ですか？カイ2乗とdfとは何ですか？ヌルモデルのカイ2乗とは何ですか？

相関エラーを追加する必要がありますか？おそらく、そうするとき、あなたは追加の要素を導入しています。このような適合では、多くを追加する必要がある場合があり、その後、混乱を招きます-それらが何らかの方法で正当化されるのが最善です。たとえば、2番目と3番目の項目は、煩わしい考えに関するものです。