Invarianza di misura (configurale, metrica, scalare)
L'invarianza di misura verifica se una scala significa la stessa cosa tra gruppi diversi, in tre passi annidati: configurale (stesso pattern di carichi), metrica (carichi uguali) e scalare (carichi e intercette uguali). Serve l'invarianza scalare prima di confrontare le medie latenti tra i gruppi. Ogni passo aggiunge vincoli, e l'invarianza è sostenuta quando il fit non peggiora in modo significativo: una variazione del CFI (ΔCFI) di .01 o meno (Cheung & Rensvold, 2002), spesso letta insieme a un ΔRMSEA di .015 o meno (Chen, 2007).
Questa pagina è una traduzione dell'originale inglese revisionato. Vedi l'originale (EN)
invarianza di misuraChe cos'è
L'invarianza di misura verifica se una scala significa la stessa cosa tra i gruppi — per esempio uomini e donne, o paesi. Se non è così, confrontare le medie dei gruppi è fuorviante, perché i gruppi non rispondono agli item alle stesse condizioni. Testi l'invarianza in passi annidati: configurale (stesso schema di carichi), metrica (carichi uguali) e scalare (carichi e intercette uguali). Ogni passo aggiunge vincoli, e verifichi se il fit peggiora in modo rilevante. L'invarianza scalare è ciò che ti serve prima di confrontare le medie latenti tra i gruppi.
Quando usarlo
- Vuoi confrontare un costrutto tra gruppi (genere, paese, condizione).
- Hai tradotto o adattato una scala e devi mostrare che funziona allo stesso modo.
- Esegui un CB-SEM multi-gruppo e un revisore chiede prove di invarianza.
- Pianifichi di confrontare le medie latenti e ti serve prima l'invarianza scalare.
Quando non usarlo
- Non stai confrontando gruppi — una CFA a gruppo singolo è sufficiente.
- Le dimensioni dei gruppi sono troppo piccole per stimare un modello stabile in ciascun gruppo.
Assunzioni
- Un modello di misura che già si adatta bene in ogni gruppo separatamente (modello configurale).
- Ampiezza del campione ragionevole in ogni gruppo.
- Gli stessi item somministrati a tutti i gruppi.
- I modelli annidati sono specificati correttamente a ogni passo (prima i carichi, poi le intercette).
Soglie e valori limite
| Criterion | Rule of thumb | Source |
|---|---|---|
| Fit del modello configurale (convenzione precedente) | Fit accettabile in tutti i gruppi (CFI ≥ .90, RMSEA ≤ .08) | Bentler & Bonett (1980; https://doi.org/10.1037/0033-2909.88.3.588); Browne & Cudeck (1993) |
| Fit del modello configurale (convenzione più rigorosa) | Fit accettabile in tutti i gruppi (CFI ≥ .95, RMSEA ≤ .06) | Hu & Bentler (1999; https://doi.org/10.1080/10705519909540118) |
| ΔCFI (metrica, scalare) | ≤ .01 sostiene l'invarianza | Cheung & Rensvold (2002) |
| ΔRMSEA | ≤ .015 sostiene l'invarianza | Chen (2007) |
| Test della differenza del χ² | Non significativo sostiene l'invarianza (ma sensibile a N) | Cheung & Rensvold (2002) |
Come riportarlo in APA
L'invarianza di misura è stata testata tra i gruppi. Il modello configurale si adattava bene, CFI = .9X, RMSEA = .0X. Vincolare i carichi (invarianza metrica) non ha peggiorato il fit, ΔCFI = .00X. Vincolare le intercette (invarianza scalare) ha tenuto anch'esso, ΔCFI = .00X, tutti sotto il criterio di .01 (Cheung & Rensvold, 2002), a sostegno della piena invarianza di misura.
Come Explonia lo esegue
Explonia esegue il test di invarianza multi-gruppo per il CB-SEM nel browser sui dati che raccogli o carichi. Stima in sequenza i modelli configurale, metrico e scalare e riporta il cambiamento nel fit — incluso il ΔCFI rispetto alla regola di .01 — così puoi vedere a quale passo l'invarianza tiene o si rompe. I risultati preparano un'“Article description” in stile APA che puoi rivedere e modificare, e puoi esportare in AMOS, R o SPSS (.sav). L'invarianza per il PLS-SEM (MICOM) è in roadmap.
Domande frequenti
Qual è la regola del ΔCFI per l'invarianza di misura?
Un cambiamento del CFI di .01 o meno tra modelli annidati sostiene l'invarianza (Cheung & Rensvold, 2002). È preferito al test della differenza del χ², che è eccessivamente sensibile all'ampiezza del campione.
Qual è la differenza tra invarianza metrica e scalare?
L'invarianza metrica significa che i carichi sono uguali tra i gruppi (il costrutto si lega agli item allo stesso modo). L'invarianza scalare aggiunge intercette uguali, che ti servono prima di confrontare le medie dei gruppi.
Cosa succede se l'invarianza scalare fallisce?
Puoi testare l'invarianza parziale liberando le intercette non invarianti mentre mantieni vincolato il resto, poi confrontare le medie con cautela, riportando quali item non erano invarianti.
Mi serve l'invarianza per confrontare i gruppi?
Sì, se vuoi confrontare le medie o le relazioni in modo significativo. Senza almeno l'invarianza metrica (e idealmente scalare), le differenze tra gruppi possono riflettere differenze di misura, non differenze reali.
Last updated: settembre 2026
Esegui Invariance sui tuoi stessi dati
Raccogli o carica i tuoi dati, esegui l'analisi nel tuo browser e ottieni una bozza di paragrafo APA che puoi modificare. Inizia gratis. Nessuna carta di credito.
Inizia gratis