首次使用lavaan
中的R
包运行结构方程模型(SEM)分析。
fac1 =~ a1+a3+a4+a5
fac2 =~ a2+a7+a8+a12
fac3 =~ a9+a10+a11+a14
fac4 =~ a12+a13+a15+a16
fac4 ~ fac1+fac2+fac3
fac3 ~ fac1+fac2
..... some more specifying the co-variance between items a1 to a16
Latent Variables:
Estimate Std.Err Z-value P(>|z|) Std.lv Std.all
fac1 =~
a1 1.000 0.624 0.684
a3 0.848 0.112 7.589 0.000 0.529 0.568
....
....
....
fac2 =~
a12 1.000 0.463 0.330
a2 3.764 1.290 2.918 0.004 1.742 1.691
lavaan
如何为a1
选择fac1
,为a12
选择fac2
,为什么将值1
指定为系数?< / LI>
a1
和a12
对各自潜在变量有重要贡献吗?1
?答案 0 :(得分:0)
执行潜变量建模时,始终存在分配未观察变量的比例的问题。毕竟,你还没有收集有关这些潜在变量的数据,那么你怎么可能知道它们的规模或方差呢?
解决此问题的一种方法是许多SEM程序中的默认设置,包括lavaan
中的R
包,用于修复给定潜在变量的第一个变量的加载到{ {1}}。这具有将观察到的变量的比例分配给潜在变量的效果。
另一种流行的替代方案是使用潜在变量的标准化标度(即,平均值= 0,sd = 1),在这种情况下,第一变量的加载由模型自由估计。在1
中,可以按如下方式实现:
lavaan
添加`fit<-cfa(model, data=df, std.lv=T)`
告诉std.lv=T
使用潜在变量的标准化比例,而不是将加载修复为lavaan
。