¿Por qué el RMSEA suele informarse con un intervalo de confianza del 90% y no del 95%?

Question

Kline (2016) escribe que

[RMSEA] suele reportarse en la salida del ordenador con el intervalo de confianza del 90% $[\hat{\epsilon}_{L},\hat{\epsilon}_{U}]$ donde $\hat{\epsilon}_{L}$ es la estimación del límite inferior de $\epsilon$, el parámetro estimado por $\hat{\epsilon}$, y $\hat{\epsilon}_{U}$ es la estimación del límite superior. Si $\hat{\epsilon} = 0$, entonces $\hat{\epsilon}_{L}$ y todo el intervalo es un intervalo de confianza unilateral donde $\hat{\epsilon}_{U} > \hat{\epsilon}$. Esto explica por qué el nivel de confianza es 90% en lugar del más típico 95%, el nivel convencional para intervalos de confianza bilaterales.

Estoy teniendo problemas para seguir la lógica de Kline aquí. Entiendo que un RMSEA por debajo de 0 no tiene sentido, pero ¿cómo argumenta a favor de un IC del 90%?

Kline, R. B. (2016). Principios y práctica del modelado de ecuaciones estructurales. Publicaciones Guilford.

Answer 1

Curran et al. (2003) escriben que:

Es común reportar intervalos de confianza del 90 por ciento para el RMSEA, principalmente debido al enlace directo resultante con pruebas de hipótesis basadas en la estadística de prueba del modelo.

Tres pruebas de hipótesis a veces informadas en la literatura SEM son:

La prueba de ajuste exacto, $H_{0}: \epsilon = 0$
y
La prueba de ajuste cercano, $H_{0}: \epsilon \leq .05$
y
La prueba de no ajuste cercano, $H_{0}: \epsilon \geq .05$

Por lo tanto, la razón última para usar un IC del 90% es que si lo haces puedes inferir los resultados de esas pruebas de hipótesis a partir del IC. La relación está ilustrada en una tabla en MacCullum et al. (1996) p. 137.

Curran, P. J., Bollen, K. A., Chen, F., Paxton, P., & Kirby, J. B. (2003). Propiedades de muestreo finito de los estimados puntuales e intervalos de confianza del RMSEA. Métodos y Investigación Sociológica, 32, 208-252.

MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Análisis de potencia y determinación del tamaño de la muestra para el modelado de estructuras de covarianza. Métodos Psicológicos, 1, 130.