如何解决semPaths() :带有和不带有分类变量的图之间的差异
我是结构方程建模 (SEM) 和 lavaan 的新手。我一直在尝试使用 lavaan 拟合以下模型:
mod_sem <- '
#measurements
Lat1 =~ y1 + y2
Lat2 =~ x1 + x2
Lat3 =~ x3 + x4 + x5
#regressions
Lat1 ~ Lat2 + Lat3 + x6
'
变量 y1、y2、x1、x2、x6 是连续的,而 x3、x4 和 x5 是二元分类的。最初,我使用以下方法拟合模型并绘制结果:
fit_sem <- sem(mod_sem,data = dtf,estimator= "WLSMV")
summary(fit_sem,standardized = TRUE,fit.measures = TRUE)
semPaths(fit_sem,what = "paths",whatLabels = "stand",rotation = 2)
semPaths()
输出如下:
在仔细查看 lavaan 教程后,我意识到我应该定义内生分类变量 (https://lavaan.ugent.be/tutorial/cat.html),因此我尝试遵循教程中建议的第二种方法:
fit_sem <- sem(mod_sem,data = dt_f,estimator= "WLSMV",ordered = c("x3","x4","x5"))
summary(fit_sem,rotation = 2)
生成以下路径:
我的问题是:
-
为什么路径看起来不同?第二张图中的三角形代表什么,为什么它们第一次没有出现?我读到 SEM 中的三角形节点表示常数,但我不清楚为什么如果是这种情况,它们没有第一次出现。
-
我现在是否遵循了处理此类数据的正确方法? (当我将分类值定义为序数时)
非常感谢
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。