Függelék A — Mutatók értelmezése, kritériumszintjei szerzők szerint

A.1 Cohen-d jellegű mutatók értelmezésének lehetőségei

A mutató nagyságát előjelfüggetlenül, abszolútértékben kell értelmezni. Egyes nevezetes hatásnagyság-értelmezések:

Iránymutatás (R argumentum)	Elhanyagolható / Nagyon kicsi	Kicsi	Közepes / Mérsékelt	Nagy / Extrém
Cohen (1988)	d < 0,2	0,2 ≤ d < 0,5	0,5 ≤ d < 0,8	d ≥ 0,8
Lovakov és Agadullina (2021)	d < 0,15	0,15 ≤ d < 0,36	0,36 ≤ d < 0,65	d ≥ 0,65
Gignac és Szodorai (2016)	d < 0,2	0,2 ≤ d < 0,41	0,41 ≤ d < 0,63	d ≥ 0,63
Sawilowsky (2009)	d < 0,1 (elhanyagolható) 0,1 ≤ d < 0,2 (nagyon kicsi)	0,2 ≤ d < 0,5	0,5 ≤ d < 0,8	0,8 ≤ d < 1,2 (nagy) 1,2 ≤ d < 2,0 (nagyon nagy) d ≥ 2,0 (óriási)

A.2 Korrelációs koefficiens értelmezésének lehetőségei

Az együttható nagyságát előjelfüggetlenül, abszolútértékben kell értelmezni Összefoglaló táblázat egyes r koefficiens értelmezésekhez:

Forrás	Gyenge/kicsi	Közepes	Erős/nagy	Nagyon nagy
Cohen (1988)	0,10-0,29	0,30-0,49	0,50	-
Evans (1996)	0,20-0,39	0,40-0,59	0,60-0,79	> 0,80
Hemphill (2003)	< 0,20	0,20-0,30	> 0,30	-
Gignac és Szodorai (2016)	0,10	0,20	0,30	-
Funder és Ozer (2019)	0,10	0,20	0,30	> 0,40
Lovakov és Agadullina (2021)	0,12	0,24	0,41	-

A.3 Faktoranalízis és SEM mutatók

A.3.1 Kaiser-Meyer-Olkin mutató és MSA mutató értelmezési lehetőségei

Értéktartomány	Kaiser (1974) Kaiser (1974)	Hair et al. (2019) Hair és mtsai. (2019)
0,90+	ideális (marvelous)	0,8 fölött ideális
0,80 – 0,89	dicséretes (meritorious)
0,70 – 0,79	átlagos (middling)	0,7-től jó
0,60 – 0,69	középszerű (mediocre)	0,5 - 0,7 középszerű
0,50 – 0,59	siralmas (miserable)
< 0,50	elfogadhatatlan (unacceptable)	< 0,50 alatt elfogadhatatlan

A.3.2 Faktortöltések minőségi besorolásai

Faktortöltés	Minőségi besorolás Comrey és Lee (2013)
≥ 0,71	kitűnő
0,63 – 0,70	nagyon jó
0,55 – 0,62	jó
0,45 – 0,54	közepes
0,32 – 0,44	gyenge
< 0,32	nem értelmezhető

A.3.3 RMSEA mutató

Szerző	RMSEA elfogadhatóság
Browne és Cudeck (1992)	< 0,05 szoros illeszkedés, < 0,08 elfogadható hibaközelítés, > 0,10 nem elfogadható
MacCallum és mtsai. (1996)	< 0,01 kiváló
Hu és Bentler (1999)	≤ 0,06
Steiger (2007)	< 0,03 ideális, < 0,07 elfogadható
Byrne és Byrne (2013)	< 0,05

A.3.4 SRMR

Szerző	SRMR elfogadhatóság
Hu és Bentler (1999)	< 0,08
Schermelleh-Engel és mtsai. (2003)	0-0,05 jó illeszkedés, 0,05-0,10 elfogadható

A.3.5 Khí-négyzet és szabadságfok aránya (χ²/df)

Szerző	χ²/df elfogadhatóság
Cole (1987)	< 2 kiváló illeszkedés
Wheaton és mtsai. (1977)	< 5 elfogadható (régebbi standard)
Általános gyakorlat	< 3 elfogadható érték

A.3.6 CFI és TLI (NNFI) mutatók

Szerző	CFI / TLI elfogadhatóság
Hu és Bentler (1999)	≥ 0,95 kiváló illeszkedés
Bentler (1990)	> 0,90 elfogadható illeszkedés (hagyományos határérték)

A.3.7 WRMR (Súlyozott reziduális négyzetes középérték)

Szerző	WRMR elfogadhatóság
Yu (2002)	≤ 1,0 megfelelő illeszkedés (kifejezetten WLSMV becslő és kategorikus adatok esetén)

A.3.8 GFI és AGFI (Illeszkedés jósága mutatók – elavult, ne alkalmazzuk)

Szerző	GFI / AGFI elfogadhatóság
Jöreskog és Sörbom (1982)	≥ 0,90 megfelelő illeszkedés (klasszikus határérték)
Figyelmeztetés	Ne használjuk! Ha a szaklap megköveteli, a ≥ 0,90 (AGFI esetén néha ≥ 0,85) érték az elvárt

Bentler, P. M. (1990). Comparative Fit Indexes in Structural Models. Psychological Bulletin, 107(2), 238–246. https://doi.org/10.1037/0033-2909.107.2.238

Browne, M. W., és Cudeck, R. (1992). Alternative Ways of Assessing Model Fit. Sociological Methods & Research, 21(2), 230–258. https://doi.org/10.1177/0049124192021002005

Byrne, B. M., és Byrne, B. M. (2013). Structural Equation Modeling With EQS (0. kiad.). Routledge. https://doi.org/10.4324/9780203726532

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2. kiad.). Academic Press.

Cole, D. A. (1987). Utility of Confirmatory Factor Analysis in Test Validation Research. Journal of Consulting and Clinical Psychology, 55(4), 584–594. https://doi.org/10.1037/0022-006X.55.4.584

Comrey, A. L., és Lee, H. B. (2013). A First Course in Factor Analysis. Psychology Press. https://doi.org/10.4324/9781315827506

Evans, J. D. (1996). Straightforward statistics for the behavioral sciences. Thomson Brooks/Cole Publishing.

Funder, D. C., és Ozer, D. J. (2019). Evaluating Effect Size in Psychological Research: Sense and Nonsense. Advances in Methods and Practices in Psychological Science, 2(2), 156–168. https://doi.org/10.1177/2515245919847202

Gignac, G. E., és Szodorai, E. T. (2016). Effect size guidelines for individual differences researchers. Personality and Individual Differences, 102, 74–78. https://doi.org/https://doi.org/10.1016/j.paid.2016.06.069

Hair, J. F., Black, W. C., Babin, B. J., és Anderson, R. E. (2019). Multivariate Data Analysis (8. kiad.). Cengage.

Hemphill, J. F. (2003). Interpreting the Magnitudes of Correlation Coefficients. American Psychologist, 58(1), 78–79. https://doi.org/10.1037/0003-066X.58.1.78

Hu, L., és Bentler, P. M. (1999). Cutoff Criteria for Fit Indexes in Covariance Structure Analysis: Conventional Criteria versus New Alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118

Jöreskog, K. G., és Sörbom, D. (1982). Recent Developments in Structural Equation Modeling. Journal of Marketing Research, 19(4), 404–416. https://doi.org/10.1177/002224378201900402

Kaiser, H. F. (1974). An Index of Factorial Simplicity. Psychometrika, 39(1), 31–36. https://doi.org/10.1007/BF02291575

Lovakov, A., és Agadullina, E. R. (2021). Empirically Derived Guidelines for Effect Size Interpretation in Social Psychology. European Journal of Social Psychology, 51(3), 485–504. https://doi.org/10.1002/ejsp.2752

MacCallum, R. C., Browne, M. W., és Sugawara, H. M. (1996). Power Analysis and Determination of Sample Size for Covariance Structure Modeling. Psychological Methods, 1(2), 130–149. https://doi.org/10.1037/1082-989X.1.2.130

Sawilowsky, S. S. (2009). New Effect Size Rules of Thumb. Journal of Modern Applied Statistical Methods, 8(2), 597–599. https://doi.org/10.22237/jmasm/1257035100

Schermelleh-Engel, K., Moosbrugger, H., és Müller, H. (2003). Evaluating the Fit of Structural Equation Models: Tests of Significance and Descriptive Goodness-of-Fit Measures. Methods of Psychological Research Online, 8(2), 23–74.

Steiger, J. H. (2007). Understanding the Limitations of Global Fit Assessment in Structural Equation Modeling. Personality and Individual Differences, 42(5), 893–898. https://doi.org/10.1016/j.paid.2006.09.017

Wheaton, B., Muthen, B., Alwin, D. F., és Summers, G. F. (1977). Assessing Reliability and Stability in Panel Models. Sociological Methodology, 8, 84. https://doi.org/10.2307/270754

Yu, C.-Y. (2002). Evaluating Cutoff Criteria of Model Fit Indices for Latent Variable Models with Binary and Continuous Outcomes [Doctoral dissertation]. University of California, Los Angeles.