Question

我在R中运行路径分析，下面的矩阵表示变量之间的影响。

    M <- c(0, 0, 0, 0, 0)
    p<-c(0, 0, 0, 0, 0)
    O <- c(0, 0, 0, 0, 0)
    T <- c(1, 0, 1, 1, 0)
    Sales <- c(1, 1, 1, 1, 0)

sales_path <- rbind(M, p, O, T, Sales)

colnames(sales_path) <- rownames(sales_path)

#innerplot(sales_pls)

sales_blocks <- list(
                c("m1", "m2"),
                #c("pr"),
                c("R1"),
                #c("C1"),
                c("tt1"),
                c("Sales")
)

sales_modes = rep("A", 5)

sales_pls <- plspm(input_file, sales_path, sales_blocks, scheme = "centroid", scaled = FALSE,  modes = sales_modes)

我有两个问题：

我收到的权重可以用它们来计算潜在变量的值，例如：我的M变量有清单变量是否有计算其值的公式？
我运行路径分析的主要目的是预测销售额。是否可以通过estimations(beta)使用每个潜在变量？

Answer 1

我想知道我是否能够计算出潜在的价值变量

是。它实际上非常容易。您可以通过运行sales_pls$scores获取潜在变量分数。您也可以运行summary(sales_pls)。为了便于解释，您可能希望将潜在变量表示为与指标（清单变量）相同的比例。这可以通过标准化每个指标块中的外部权重来实现，以便将权重表示为比例。但是，为了应用此标准化，所有外部权重必须为正。您可以将函数rescale()应用于对象sales_pls，并获得以清单变量的原始比例表示的分数。获得重新调整后的分数后，您可以使用summary()来验证所获得的结果是否有意义（即以原始指标范围表示的分数）：

# rescaling scores
rescaled_sales_pls = rescale(sales_pls)
# summary
summary(rescaled_sales_pls)

（您也可以运行rescaled_sales_pls）

如果我可以使用输出中的beta来预测销售

理论上我猜你可以，但我不确定你为什么这么想。这里路径分析的效用是分解独立变量和多元回归模型的因变量之间的相关性的来源。

R中的SEM-路径分析

1 个答案: