如何解决lavaan 因子得分以供其他模型使用
假设我有一个不连续的结果变量。例如，它可以是有序分类变量或名义（无序）分类变量。这意味着我需要将变量建模为有序 logit 模型或多项式模型。
我知道 lavaan 和其他软件不包括将整个结构方程模型 SEM 与不连续的结果变量拟合的选项（只有二元变量的解决方法）。 由于我仍然想在分类模型中使用潜在变量，我想知道使用 lavPredict() 函数计算因子分数是否正确，并将这些潜在变量作为回归变量包含在外部分类模型。 我见过很多例子，人们遵循这种方法，但使用探索性因子分析 EFA 或主成分分析 PCA。我更愿意依赖 CFA，因为我对潜在变量有一个清晰而扎实的理论。
此外，lavPredict() 函数具有参数 method 和选项 regression 和 Bartlett。 应该我使用回归还是 Bartlett 因子分数？两种方案有什么区别？
换句话说：
library(lavaan)
HS.model <- ' visual =~ x1 + x2 + x3
textual =~ x4 + x5 + x6
speed =~ x7 + x8 + x9 '
fit <- cfa(HS.model,data=HolzingerSwineford1939)
Latents <- lavPredict(fit)
Latents <- as.data.frame(Latents)
Latents_Bartlett <- lavPredict(fit,method = "Bartlett")
Latents_Bartlett <- as.data.frame(Latents_Bartlett)
在数据帧 Latents 中使用潜在变量 visual、textual 和 speed 是正确的Latents_Bartlett 作为后续有序 logit 模型或多项模型中的回归量？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
