如何解决如何不允许误差项在 SEM 中与 lavaan 相关
我目前正在使用数据集运行结构方程建模分析,但遇到了一些问题。在运行完整的 sem 之前,我打算运行一个 CFA 来复制我正在使用的这个措施完成的心理测试。该测量有 24 个项目,它们构成 5 个子量表(潜在变量),这些子量表又加载到“总”高阶因子上。在文献中,他们描述了“在所有模型中,项目被限制为仅加载一个因子,不允许误差项相关,并且因子的方差固定为 1”。
我已将约束项加载到一个因子上,并将这些因子的方差设置为 1,但我无法在我的模型中指定不允许相关的误差项。它们是否意味着项目的误差项不允许相关?是否有一种简单的方法可以在 lavaan 中做到这一点,还是我必须逐字逐句地去“y1~~ 0y2”、“y1~~0y3”..等等每个项目?>
预先感谢您的帮助。
解决方法
默认情况下,错误项不相关,作者打算提及他们没有使用那种修改索引。通常在同一因素内关联项目的残差。以下是具有三个一阶因子、因子方差固定为 1 且没有相关误差项的分层模型示例:
library(lavaan)
#> This is lavaan 0.6-7
#> lavaan is BETA software! Please report any bugs.
#>
HS.model3 <- ' visual =~ x1 + x2 + x3
textual =~ x4 + x5 + x6
speed =~ x7 + x8 + x9
higher =~ visual + textual + speed'
fit6 <- cfa(HS.model3,data = HolzingerSwineford1939,std.lv=T)
summary(fit6)
#> lavaan 0.6-7 ended normally after 36 iterations
#>
#> Estimator ML
#> Optimization method NLMINB
#> Number of free parameters 21
#>
#> Number of observations 301
#>
#> Model Test User Model:
#>
#> Test statistic 85.306
#> Degrees of freedom 24
#> P-value (Chi-square) 0.000
#>
#> Parameter Estimates:
#>
#> Standard errors Standard
#> Information Expected
#> Information saturated (h1) model Structured
#>
#> Latent Variables:
#> Estimate Std.Err z-value P(>|z|)
#> visual =~
#> x1 0.439 0.194 2.257 0.024
#> x2 0.243 0.108 2.253 0.024
#> x3 0.320 0.138 2.326 0.020
#> textual =~
#> x4 0.842 0.064 13.251 0.000
#> x5 0.937 0.071 13.293 0.000
#> x6 0.780 0.060 13.084 0.000
#> speed =~
#> x7 0.522 0.066 7.908 0.000
#> x8 0.616 0.067 9.129 0.000
#> x9 0.564 0.064 8.808 0.000
#> higher =~
#> visual 1.791 0.990 1.809 0.070
#> textual 0.617 0.129 4.798 0.000
#> speed 0.640 0.143 4.489 0.000
#>
#> Variances:
#> Estimate Std.Err z-value P(>|z|)
#> .x1 0.549 0.114 4.833 0.000
#> .x2 1.134 0.102 11.146 0.000
#> .x3 0.844 0.091 9.317 0.000
#> .x4 0.371 0.048 7.779 0.000
#> .x5 0.446 0.058 7.642 0.000
#> .x6 0.356 0.043 8.277 0.000
#> .x7 0.799 0.081 9.823 0.000
#> .x8 0.488 0.074 6.573 0.000
#> .x9 0.566 0.071 8.003 0.000
#> .visual 1.000 #fixed...
#> .textual 1.000 #fixed...
#> .speed 1.000 #fixed...
#> higher 1.000
由 reprex package (v0.3.0) 于 2021 年 3 月 8 日创建
如您所见,没有相关性,一阶和二阶因子的固定方差为 1(即 std.lv=T
)。
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。