Dans l’arsenal méthodologique des sciences humaines et de la psychométrie, peu d’outils théoriques occupent une place aussi centrale et indispensable que la distribution du khi-deux. Véritable fondation de l’inférence non paramétrique, de l’évaluation de conformité des distributions et des tests d’ajustement des modélisations causales complexes, cette loi de probabilité continue d’orienter les décisions scientifiques des chercheurs face à la variabilité inhérente aux conduites humaines.
La distribution du khi-deux (χ²) en statistique psychologique
1. Définition concise
La distribution du khi-deux (notée conventionnellement χ², d’après la lettre grecque khi) est une loi de probabilité continue théorique représentant la distribution de la somme des carrés de k variables aléatoires indépendantes et identiquement distribuées selon une loi normale centrée réduite. Le paramètre fondamental k correspond aux degrés de liberté du système, déterminant à la fois l’espérance mathématique, la variance et la forme géométrique de la densité de probabilité.
Dans le domaine de la psychologie quantitative et de l’évaluation psychométrique, la distribution du khi-deux intervient principalement comme distribution d’échantillonnage de référence sous l’hypothèse nulle. Elle permet d’évaluer statistiquement l’écart entre des fréquences observées empiriquement au sein d’échantillons comportementaux et des fréquences attendues dérivées d’un modèle théorique préalable.
Au-delà de son application historique aux tableaux de contingence croisant des variables qualitatives, la distribution du khi-deux sert de référence asymptotique pour les tests de rapport de vraisemblance, l’estimation des paramètres par le maximum de vraisemblance et l’appréciation globale de l’ajustement dans les modèles d’équations structurelles.
2. Étymologie et origines linguistiques
La dénomination de cette loi provient directement de la vingt-deuxième lettre de l’alphabet grec, khi (majuscule Χ, minuscule χ), associée au terme arithmétique « carré » ou « deux », désignant l’élévation à la deuxième puissance des variables normales composantes. En langue française, les dénominations « distribution du khi-deux », « loi du khi-deux », « distribution du khi-carré » et « loi du χ² » sont employées de façon interchangeable dans la littérature méthodologique.
Le symbole et la désignation formelle ont été introduits dans le champ statistique moderne par le biométricien et statisticien britannique Karl Pearson dans son article fondateur de 1900. Pearson cherchait un cadre analytique rigoureux pour surmonter les postulats parfois restrictifs de normalité univariée et déterminer si un ensemble de dénombrements catégoriels pouvait raisonnablement provenir d’une population parente spécifiée.
L’appellation s’est rapidement imposée dans les pays francophones au cours du vingtième siècle grâce aux travaux de diffusion statistique appliquée à l’agronomie, à la démographie puis à la psychologie différentielle, traduisant l’expression anglaise chi-square distribution.
3. Prononciation et forme grammaticale
Sur le plan phonétique, le terme se prononce couramment [ki dø] ou [ki ka.ʁe] en français standard. Bien que l’étymologie grecque suggère une consonne aspirée ou occlusive, la prononciation savante francophone a consacré le son occlusif vélaire sourd [k], identique à l’initiale de « kilo », plutôt qu’une consonne fricative.
Sur le plan morphosyntaxique, « khi-deux » fonctionne comme un syntagme nominal invariable apposé. On écrit au singulier « la distribution du khi-deux » et au pluriel « les statistiques de khi-deux ». Le substantif « distribution » ou « loi » reste du genre féminin, tandis que le terme « khi-deux » pris isolément est masculin (« le khi-deux calculé est supérieur au seuil critique »).
Dans la rédaction scientifique contemporaine, les normes éditoriales préconisent l’usage du symbole grec en italique accompagné d’un exposant numérique standard (χ²), évitant la lettre latine « x » majuscule ou minuscule surmontée d’un chiffre afin de prévenir toute confusion avec les variables d’observation brutes.
4. Explication conceptuelle détaillée
La distribution du khi-deux possède des propriétés probabilistes singulières qui découlent directement de sa genèse algébrique. Si l’on considère k variables aléatoires Z₁, Z₂, …, Zₖ mutuellement indépendantes, chacune suivant une loi normale standard de moyenne zéro et de variance unitaire, la quantité définie par la somme de leurs carrés est nécessairement strictement positive ou nulle. Par conséquent, le domaine de définition (ou support) de la distribution du khi-deux est restreint à l’intervalle semi-infini [0, +∞[.
La forme de la courbe de densité de probabilité dépend exclusivement de la valeur attribuée au paramètre k, correspondant aux degrés de liberté. Pour une valeur de k = 1, la distribution présente une allure hyperbolique strictement décroissante avec une asymptote verticale tendant vers l’infini lorsque la valeur de la statistique approche de zéro. Pour k = 2, la densité se transforme en une décroissance exponentielle parfaite débutant à une ordonnée finie. Dès lors que k > 2, la courbe acquiert une morphologie unimodale asymétrique positive caractérisée par une queue étirée vers les valeurs élevées de l’abscisse.
Les moments de la distribution possèdent une élégante simplicité analytique. L’espérance mathématique (la moyenne théorique) est exactement égale au nombre de degrés de liberté : E(χ²) = k. La variance théorique équivaut quant à elle au double des degrés de liberté : Var(χ²) = 2k. Le mode, représentant la valeur la plus probable de la statistique, se situe exactement au point k – 2 pour tout k ≥ 2.
En vertu du théorème central limite, lorsque le nombre de degrés de liberté augmente considérablement (souvent matérialisé par k > 30 ou k > 50 en méthodologie pratique), l’asymétrie positive s’atténue progressivement. La distribution du khi-deux converge alors vers une loi normale de paramètres μ = k et σ² = 2k, autorisant le recours à des approximations gaussiennes pour les grands systèmes d’équations ou les tables de contingence très étendues.
Sur le plan conceptuel, la statistique de test associée calcule la divergence quadratique globale standardisée entre une observation concrète et une attente théorique. En élevant au carré les différences relatives, l’opération élimine les annulations mutuelles entre déviations positives et négatives tout en pénalisant de manière disproportionnée les écarts majeurs, ce qui en fait un détecteur sensible de mauvaises spécifications distributionnelles.
5. Développement historique
Bien que l’histoire retienne prioritairement l’apport de Karl Pearson au tournant du vingtième siècle, la distribution mathématique sous-jacente avait été identifiée de manière fragmentaire par plusieurs mathématiciens au cours du dix-neuvième siècle. Le géomètre et actuaire français Irénée-Jules Bienaymé avait anticipé la loi dès 1852 en étudiant les erreurs résiduelles dans les problèmes d’ajustement linéaire. En 1863, Ernst Abbe décrivit la distribution des sommes de résidus quadratiques en Allemagne, suivi par Friedrich Robert Helmert en 1875 et 1876, qui en formalisa rigoureusement l’expression analytique dans le contexte de la théorie des erreurs d’observation géodésiques.
L’acte de naissance de la distribution comme instrument d’inférence universel en psychologie et en sciences biométriques intervient en 1900 avec la publication du célèbre mémoire de Karl Pearson dans le Philosophical Magazine. Pearson y introduit le test du khi-deux pour éprouver la validité d’hypothèses sur des fréquences de variables discrètes réparties au sein de cellules d’observation mutuellement exclusives.
Néanmoins, une controverse majeure éclata dans les années 1920 entre Karl Pearson et le jeune statisticien Ronald Aylmer Fisher. Pearson soutenait initialement que le nombre de degrés de liberté devait être égal au nombre total de cellules du tableau moins un, quelle que soit la nature des estimations intermédiaires. Fisher démontra avec éclat en 1922 et 1924 que chaque paramètre de population estimé à partir des données de l’échantillon réduisait le nombre de degrés de liberté d’une unité supplémentaire, modifiant de manière décisive le seuil critique de rejet dans les tableaux de contingence croisés.
Durant la seconde moitié du vingtième siècle, l’expansion de la psychométrie moderne sous l’impulsion de psychologues et statisticiens tels que Samuel Wilks, David Satorra et Peter Bentler a étendu l’usage du khi-deux à l’évaluation des structures de covariance. Dès les années 1970, Karl Jöreskog l’a intégrée comme indice fondamental de discordance dans le programme LISREL, consacrant la distribution du khi-deux comme l’arbitre central de la modélisation statistique en psychologie.
6. Fondements théoriques
La dérivation mathématique rigoureuse de la loi du khi-deux s’enracine dans la famille générale des distributions Gamma. De façon précise, une distribution du khi-deux à k degrés de liberté représente un cas particulier d’une loi Gamma dont le paramètre de forme vaut α = k / 2 et le paramètre d’intensité (ou d’échelle inverse) vaut β = 1 / 2. Sa fonction de densité de probabilité pour x > 0 s’exprime analytiquement selon l’équation :
f(x; k) = (1 / (2^(k/2) * Γ(k/2))) * x^((k/2) – 1) * exp(-x/2)
où Γ(z) symbolise la fonction Gamma d’Euler, qui généralise la notion de factorielle aux nombres réels et complexes.
Une propriété théorique fondamentale réside dans l’additivité reproductive : si X et Y sont deux variables aléatoires mutuellement indépendantes distribuées respectivement selon des lois du khi-deux à k₁ et k₂ degrés de liberté, alors leur somme (X + Y) suit rigoureusement une loi du khi-deux à k₁ + k₂ degrés de liberté. Cette reproductibilité est systématiquement exploitée en psychométrie lors de la comparaison de modèles imbriqués via le test de différence de khi-deux (Δχ²).
Sur le plan asymptotique, le théorème de Wilks (1938) confère à la distribution du khi-deux un statut prépondérant dans l’inférence fondée sur le maximum de vraisemblance. Selon ce théorème, deux fois le logarithme négatif du rapport de vraisemblance entre un modèle restreint et un modèle saturé converge asymptotiquement vers une loi du khi-deux dont les degrés de liberté correspondent à la différence entre le nombre de paramètres libres des deux modélisations.
Lorsque l’hypothèse nulle est erronée ou lorsqu’un effet psychologique réel de taille non nulle existe dans la population, la statistique d’échantillonnage ne suit plus une distribution centrale du khi-deux, mais une distribution du khi-deux non centrée. Cette variante dépend d’un paramètre additionnel appelé paramètre de non-centralité (λ), déterminant direct de la puissance statistique des tests d’hypothèse en recherche expérimentale et psychométrique.
7. Composantes clés, types et dimensions
L’utilisation de la distribution du khi-deux dans les sciences du comportement s’articule autour de plusieurs déclinaisons structurelles et fonctionnelles majeures :
- Degrés de liberté (ddl ou df) : Dimension centrale de la distribution correspondant au nombre de valeurs libres de varier dans le calcul final. Dans une table à une dimension comprenant C catégories, ddl = C – 1. Dans une table de contingence bivariée à R lignes et C colonnes, ddl = (R – 1) * (C – 1).
- Statistique de test de Pearson (χ² d’adéquation) : Mesure la concordance entre une distribution empirique observée et une distribution théorique postulée au sein d’une seule variable catégorielle discrète.
- Statistique de contingence ou d’indépendance (χ² d’association) : Évalue l’indépendance stochastique entre deux variables catégorielles distinctes en confrontant les fréquences conjointes observées aux fréquences attendues calculées par le produit des probabilités marginales.
- Distribution du khi-deux non centrée : Famille de courbes décalées vers la droite, employées pour le calcul a priori de la taille d’échantillon et l’analyse de puissance statistique (1 – β) en fonction de la taille de l’effet anticipée.
- Statistique de rapport de vraisemblance (G²) : Alternative computationnelle reposant sur le logarithme des rapports de fréquences, convergeant asymptotiquement vers la même distribution du khi-deux que la statistique de Pearson mais possédant des vertus d’additivité supérieures dans les modèles log-linéaires.
- Statistique d’ajustement du modèle (χ² psychométrique) : Évalue l’écart résiduel entre la matrice de covariance observée empiriquement sur un ensemble d’items psychologiques et la matrice de covariance reconstituée par un modèle théorique factoriel ou structurel.
8. Exemples et cas illustratifs
Pour illustrer concrètement l’usage de cette distribution, considérons une investigation en psychologie clinique portant sur l’efficacité relative de trois approches psychothérapeutiques (Thérapie Cognitivo-Comportementale, Thérapie Psychodynamique, Prise en charge standard) auprès d’une cohorte de 150 patients souffrant d’un trouble anxieux généralisé. À l’issue d’un suivi de six mois, les participants sont classés selon une variable polytomique ordonnée : « Rémis », « Amélioré », « Inchangé ou Dégradé ».
Les chercheurs dressent une table de contingence croisant les 3 lignes de modalités thérapeutiques et les 3 colonnes de devenir clinique. Les effectifs théoriques sont calculés sous l’hypothèse nulle d’indépendance (affirmant qu’aucune modalité thérapeutique ne prédispose à un devenir particulier). La statistique du khi-deux sommée sur les 9 cellules du tableau totalise par exemple une valeur de χ² = 14,28 pour un nombre de degrés de liberté égal à (3 – 1) * (3 – 1) = 4. En consultant la fonction de répartition du khi-deux pour 4 degrés de liberté, la valeur critique au seuil α = 0,05 se situe à 9,49. La probabilité critique associée (p = 0,0065) étant nettement inférieure au seuil conventionnel, les cliniciens rejettent l’hypothèse d’indépendance et concluent à une efficacité différenciée des thérapies.
Un second exemple emblématique concerne l’analyse factorielle confirmatoire (AFC) d’un inventaire de personnalité évaluant l’extraversion au moyen de 10 items continus chez 500 étudiants. Le modèle postule que l’ensemble des réponses s’organise autour d’un facteur latent univarié. L’algorithme de maximisation calcule la distance globale entre les corrélations observées et celles prédites par le facteur unique. La statistique de discordance suit une loi du khi-deux avec 35 degrés de liberté (obtenus par la formule p(p + 1)/2 – q, où p = 10 items et q = 20 paramètres estimés). Un khi-deux calculé de 38,1 produit une valeur p = 0,33, signalant l’absence de divergence statistiquement significative et confirmant l’excellente adéquation des données empiriques à la structure unifactorielle.
9. Mesure et évaluation psychométrique
Dans l’évaluation psychométrique contemporaine, le rôle de la distribution du khi-deux est ambivalent : elle constitue le test de référence absolu sur le plan théorique, mais sa sensibilité extrême aux fluctuations numériques d’échantillonnage impose des adaptations méthodologiques rigoureuses.
Dans les modèles d’équations structurelles et les analyses factorielles confirmatoires, la statistique du khi-deux dépend directement de la taille de l’échantillon N selon l’équation de base χ² = (N – 1) * F_min, où F_min représente la valeur minimale de la fonction de discordance. Il en résulte qu’avec des effectifs importants (par exemple N > 1000), des écarts minimes, négligeables d’un point de vue clinique ou théorique entre les corrélations observées et attendues, conduisent quasi systématiquement au rejet statistique de l’hypothèse nulle (p < 0,05).
Pour pallier cette limitation inhérente, les psychométriciens ont élaboré une panoplie d’indices d’ajustement dérivés qui pondèrent ou réinterprètent la statistique de khi-deux à la lumière des degrés de liberté et de la taille de l’échantillon. Parmi les indices les plus reconnus figurent :
- Le ratio khi-deux sur degrés de liberté (χ² / ddl) : Indice intuitif où une valeur comprise entre 1 et 3 (voire jusqu’à 5 selon certains méthodologistes) est considérée comme l’indicateur d’un compromis parcimonieux acceptable.
- L’Erreur quadratique moyenne d’approximation (RMSEA) : Fondée explicitement sur le paramètre de non-centralité de la distribution du khi-deux par degré de liberté, évaluant l’approximation du modèle dans la population indépendamment de la taille absolue de l’échantillon.
- Les indices d’ajustement incrémentaux (CFI, TLI) : Comparant la valeur de khi-deux du modèle théorique spécifié à celle d’un « modèle nul » d’indépendance totale, ancré également dans les propriétés théoriques de cette distribution.
En outre, lorsque les données ordinales ou continues s’écartent substantiellement de la normalité multivariée (asymétrie marquée ou aplatissement excessif), la statistique standard ne suit plus une loi du khi-deux théorique, provoquant une inflation massive de l’erreur de type I. Les psychométriciens recourent alors aux corrections de Satorra-Bentler (1994) ou de Yuan-Bentler, qui redimensionnent la statistique et ses degrés de liberté pour préserver la validité de la référence distributionnelle.
10. Applications et pertinence pratique en psychologie
La polyvalence de la distribution du khi-deux se manifeste à travers toutes les sous-disciplines des sciences psychologiques, intervenant à chaque étape de la validation des instruments et de la vérification des hypothèses comportementales :
En psychologie différentielle et psychométrie, la distribution du khi-deux est au cœur des protocoles d’invariance de mesure transculturelle ou intergroupes. Lors de la comparaison d’un instrument psychologique entre hommes et femmes ou entre différents groupes nationaux, les chercheurs réalisent des tests d’invariance par étapes successives (configurale, métrique, scalaire et stricte). La détérioration d’adéquation entre chaque étape emboîtée est formellement quantifiée par la différence de khi-deux (Δχ²) associée à sa variation de degrés de liberté (Δddl).
En psychopathologie cognitive et neuropsychologie, le test d’indépendance du khi-deux permet d’analyser les fréquences d’apparition de dysfonctions cognitives discrètes consécutives à des lésions cérébrales spécifiques, isolant les phénomènes de double dissociation en contrastant les catégories de patients et les profils de performance neurocognitive.
En psychologie sociale et comportementale, elle facilite le traitement des schémas d’adhésion à des croyances idéologiques, des choix électoraux ou des attitudes en fonction de variables démographiques telles que l’appartenance socioculturelle, le genre ou le statut socioéconomique.
11. Recherches et preuves empiriques
Le comportement de la statistique du khi-deux a suscité une abondante littérature empirique de simulation par la méthode de Monte-Carlo au cours des quatre dernières décennies, visant à circonscrire précisément les conditions dans lesquelles l’approximation distributionnelle demeure robuste.
Dans leur travail séminal de 1999, Li-tze Hu et Peter M. Bentler ont mené des simulations massives pour examiner les performances de la statistique du khi-deux et des indices dérivés sous diverses conditions de non-normalité multivariée et de variations d’effectifs (de N = 150 à N = 5000). Leurs résultats ont démontré de façon concluante que sous les conditions de grands échantillons, le test de khi-deux conventionnel rejette abusivement des modèles théoriquement corrects présentant de légères spécifications incomplètes, ce qui a conduit à la formalisation de seuils d’acceptation conjoints combinant la statistique de khi-deux corrigée à des indices robustes tels que le SRMR et le RMSEA.
D’autres travaux méthodologiques majeurs, conduits par Kenneth Bollen (1989) ainsi que Marsh, Balla et McDonald (1988), ont documenté l’impact de la complexité des modèles sur la valeur du khi-deux. Plus un modèle factoriel intègre d’indicateurs observés, plus la statistique de discordance croît rapidement, même si la matrice résiduelle ne comporte que du bruit blanc aléatoire sans signification théorique. Ces découvertes empiriques ont conduit à nuancer le dogme du rejet catégorique d’un modèle fondé sur la seule significativité nominale du khi-deux.
12. Considérations culturelles et transculturelles
L’application transculturelle de la distribution du khi-deux intervient de façon déterminante lors des enquêtes internationales d’envergure, à l’instar des programmes d’évaluation des compétences psychologiques, scolaires ou organisationnelles (comme les études PISA ou les études épidémiologiques de l’OMS).
Dans les contextes multilingues et multiculturels, les chercheurs se heurtent fréquemment au problème du fonctionnement différentiel des items (DIF, Differential Item Functioning). Les tests d’invariance fondés sur le khi-deux révèlent souvent des discordances significatives entre pays qui ne traduisent pas des différences réelles dans le trait psychologique latent, mais reflètent plutôt des nuances de traduction, des biais de désirabilité sociale propres à chaque culture ou des styles de réponse distincts (tels que la tendance à privilégier les réponses extrêmes ou, à l’inverse, le point milieu de l’échelle).
Ainsi, le test de khi-deux joue un rôle prophylactique fondamental : il prévient les comparaisons directes abusives de moyennes de traits psychologiques entre nations tant que l’équivalence scalaire des mesures n’a pas été confirmée par l’absence d’accroissement statistiquement significatif de la statistique de discordance.
13. Critiques, controverses et limites
En dépit de son élégance mathématique et de son universalité, la distribution du khi-deux fait l’objet de réserves chroniques et de débats méthodologiques intenses :
La première critique majeure concerne l’extrême dépendance à la taille d’échantillon (le « paradoxe de la puissance »). Dans les petits échantillons (N < 100), le test manque dramatiquement de puissance statistique, échouant fréquemment à détecter des écarts réels substantiels entre théorie et observation (erreur de type II). À l’inverse, dans les méga-échantillons contemporains (N > 10 000 issus des données ouvertes ou de l’analyse des traces numériques), le test détecte des anomalies insignifiantes et rejette mécaniquement tout modèle théorique, l’hypothèse nulle d’identité parfaite entre la structure théorique et la réalité empirique étant une fiction ontologique.
Une seconde limite historique découle de la règle empirique de Cochran régissant les tables de contingence. Le calcul d’approximation vers la loi continue du khi-deux n’est considéré comme valide que si aucune cellule ne possède un effectif théorique inférieur à 1, et qu’au moins 80 % des cellules présentent un effectif théorique supérieur ou égal à 5. En cas de violation de ces critères, l’utilisation de la distribution asymptotique du khi-deux produit des taux d’erreur inacceptables, exigeant la substitution par le test exact de Fisher.
Enfin, la controverse persiste quant à l’usage de la correction de continuité de Yates pour les tables 2×2. Bien qu’introduite pour compenser l’approximation d’une distribution discrète par une loi continue, de nombreux statisticiens contemporains déconseillent son usage systématique au motif qu’elle se révèle excessivement conservatrice, réduisant indûment la puissance du test statistique au détriment de la détection d’effets légitimes.
14. Termes connexes et distinctions conceptuelles
Afin de prévenir toute ambiguïté théorique, il convient de distinguer précisément la distribution du khi-deux de notions voisines du corpus statistique :
- Loi normale standard (Z) : La loi du khi-deux dérive directement de la loi normale ; la somme des carrés de k variables normales centrées réduites indépendantes forme une variable distribuée selon un khi-deux à k degrés de liberté. Pour k = 1, χ²₁ équivaut rigoureusement au carré d’une variable Z².
- Distribution de Student (t) : Le rapport d’une variable normale standard sur la racine carrée d’une variable du khi-deux divisée par ses degrés de liberté engendre la distribution de Student. Le carré d’une statistique t à ν degrés de liberté correspond à une statistique de Fisher à (1, ν) degrés de liberté.
- Distribution de Fisher-Snedecor (F) : Définie expressément comme le ratio standardisé de deux distributions du khi-deux mutuellement indépendantes, chacune divisée par son nombre respectif de degrés de liberté. Utilisée pour l’analyse de variance (ANOVA).
- Test exact de Fisher : Contrairement au test du khi-deux qui repose sur une approximation asymptotique continue, le test exact de Fisher calcule la probabilité combinatoire exacte sous la distribution hypergéométrique, constituant le recours privilégié en présence de très petits effectifs.
- Statistique de rapport de vraisemblance (G² ou Déviance) : Bien qu’elle partage asymptotiquement la même distribution théorique du khi-deux que la statistique de Pearson, elle repose sur une formulation logarithmique issue de la théorie de l’information.
15. Synthèse et points clés
La distribution du khi-deux (χ²) représente un pilier incontournable de l’architecture inférentielle en psychologie expérimentale, clinique et psychométrique. Définie comme la somme de variables normales standardisées élevées au carré, elle présente un domaine exclusivement positif et une morphologie asymétrique régie par ses degrés de liberté.
Son rôle méthodologique s’étend des comparaisons de fréquences catégorielles basiques (tests d’adéquation et d’indépendance de Pearson) jusqu’à l’arbitrage sophistiqué de la validité structurelle des modèles psychométriques contemporains (AFC, SEM, invariance de mesure). Si son extrême sensibilité à la taille de l’échantillon exige de l’associer systématiquement à des indices d’adéquation complémentaires et à des corrections de non-normalité, la maîtrise de ses propriétés théoriques demeure une compétence fondamentale pour tout chercheur aspirant à quantifier rigoureusement la complexité des conduites humaines.
Références
- Bentler, P. M., & Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3), 588–606. https://doi.org/10.1037/0033-2909.88.3.588
- Bollen, K. A. (1989). Structural equations with latent variables. John Wiley & Sons. https://doi.org/10.1002/9781118619179
- Fisher, R. A. (1922). On the interpretation of χ² from contingency tables, and the calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94. https://doi.org/10.2307/2340521
- Hu, L. T., & 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
- Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5, 50(302), 157–175. https://doi.org/10.1080/14786440009463897
- Satorra, A., & Bentler, P. M. (1994). Corrections to test statistics and standard errors in covariance structure analysis. In A. von Eye & C. C. Clogg (Eds.), Latent variables analysis: Applications for developmental research (pp. 399–419). Sage Publications, Inc.