Skip to Main Content
Table 2. 

Regression Weights (γ1 to γ4) and Fit Indices of Measurement Models for ERP Components

Latent Factor
γ1
γ2
γ3
γ4
CFI
RMSEA
SRMR
χ2(df = 2)
P100 latency .84 .81 .86 .82 1.0 .000 .007 0.39 
P100 amplitude .97 .93 .91 .95 .994 .126 .008 4.68 
N170 latency .83 .86 .86 .85 1.0 .000 .003 0.13 
N170 amplitude .92 .95 .95 .96 1.0 .000 .005 1.80 
Dm latency .57 .63 .59 .68 1.0 .000 .012 0.32 
Dm amplitude .85 .93 .96 .95 .994 .117 .013 4.32 
ERE for learned faces latency .72 .50 .74 .61 .997 .037 .033 2.23 
ERE for learned faces amplitude .48 .52 .70 .71 .922 .16 .052 6.30 
ERE for unfamiliar faces latency .38 .67 .51 .42 1.0 .000 .038 1.92 
ERE for unfamiliar faces amplitude .63 .63 .75 .78 .987 .083 .030 3.17 
LRE for learned faces latency .51 .57 .60 .62 1.0 .000 .020 0.78 
LRE for learned faces amplitude .59 .54 .74 .68 .961 .123 .042 4.56 
LRE for unfamiliar faces latency .28 .78 .55 .29 1.0 .000 .036 1.77 
LRE for unfamiliar faces amplitude .66 .66 .57 .55 1.0 .000 .028 1.81 
Latent Factor
γ1
γ2
γ3
γ4
CFI
RMSEA
SRMR
χ2(df = 2)
P100 latency .84 .81 .86 .82 1.0 .000 .007 0.39 
P100 amplitude .97 .93 .91 .95 .994 .126 .008 4.68 
N170 latency .83 .86 .86 .85 1.0 .000 .003 0.13 
N170 amplitude .92 .95 .95 .96 1.0 .000 .005 1.80 
Dm latency .57 .63 .59 .68 1.0 .000 .012 0.32 
Dm amplitude .85 .93 .96 .95 .994 .117 .013 4.32 
ERE for learned faces latency .72 .50 .74 .61 .997 .037 .033 2.23 
ERE for learned faces amplitude .48 .52 .70 .71 .922 .16 .052 6.30 
ERE for unfamiliar faces latency .38 .67 .51 .42 1.0 .000 .038 1.92 
ERE for unfamiliar faces amplitude .63 .63 .75 .78 .987 .083 .030 3.17 
LRE for learned faces latency .51 .57 .60 .62 1.0 .000 .020 0.78 
LRE for learned faces amplitude .59 .54 .74 .68 .961 .123 .042 4.56 
LRE for unfamiliar faces latency .28 .78 .55 .29 1.0 .000 .036 1.77 
LRE for unfamiliar faces amplitude .66 .66 .57 .55 1.0 .000 .028 1.81 
Close Modal

or Create an Account

Close Modal
Close Modal