我想创建一个路径分析,以确定一组变量[A,B,C]对一个人的生存概率(逻辑结果(1-0))的直接影响。但是,变量A也影响变量B和C。路径分析将是识别A对结果(1-0)的直接和间接(通过B和C)影响的方法。 1
我一直在尝试使用lavaan软件包(R),但是我不确定它是否支持逻辑结果。
以下是带有模拟数据的示例:
data <- data.frame(outcome=rep(c(0,1),1000))
data$A <- ifelse(data$outcome==1, rnorm(500, mean = 10, sd = 2)*1.2, rnorm(500, mean = 10, sd = 2))
data$B <- ifelse(data$outcome==1, runif(500, 5, 10)+data$A, runif(500, 2, 7)+data$A)
data$C <- ifelse(data$outcome==0, runif(500, 5, 10)-data$A, runif(500, 2, 7)-data$A)
model <- '
outcome ~ A + B + C
B ~ A
C ~ A
'
fit <- cfa(model, data=data)
summary(fit, fit.measures = T, standardized=T, rsquare=T)
它不会创建任何危险信号,但我在某处读到lavaan不支持逻辑回归。是真的吗? 我自己的真实数据模型向我显示了警告,因此我认为最好向四周询问以确保使用正确的方法:
In lav_model_vcov(lavmodel = lavmodel, lavsamplestats = lavsamplestats, :
lavaan WARNING: could not compute standard errors!
lavaan NOTE: this may be a symptom that the model is not identified.
其他问题: 这是模拟模型的摘要:
lavaan (0.6-1) converged normally after 23 iterations
Number of observations 2000
Estimator ML
Model Fit Test Statistic 549.174
Degrees of freedom 1
P-value (Chi-square) 0.000
我的模拟数据的P值(卡方)为0.000,这很奇怪,因为我读到Shipley(生物学中的原因和相关性)指出,路径分析的假设检验是向后的,
对我有什么提示?谢谢!