如何解决更高阶因子lavaan和semTools的AVE和Omega值
我想在reliability()（软件包semTools）的输出中使用软件包sem()的{{1}}函数。
我正在使用如下功能：
lavaan但是我收到以下警告：
高阶因子被忽略。
reliability(fit,return.total = TRUE,dropSingle = FALSE,omit.imps = c("no.conv","no.se"))
但是，我的模型具有更多变量。这是使用 VOR DID ANT
alpha 0.7144851 0.7303742 0.7381195
omega 0.7317086 0.7474582 0.7590928
omega2 0.7317086 0.7474582 0.7590928
omega3 0.7428142 0.7558317 0.7597882
avevar 0.3642473 0.3856845 0.4598487
创建的sem()模型生成的输出：
lavaan这是我用来生成潜在变量的SEM模型：
Latent Variables:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
CPT =~
CPT2 1.000 0.486 0.570
CPT3 1.270 0.239 5.312 0.000 0.618 0.840
CPT4 0.897 0.218 4.121 0.000 0.436 0.518
ANT =~
ANT1 1.000 0.399 0.564
ANT4 1.596 0.356 4.486 0.000 0.636 0.737
ANT3 1.068 0.291 3.667 0.000 0.426 0.494
ROL =~
ROL1 1.000 0.686 0.841
ROL2 0.992 0.120 8.300 0.000 0.681 0.761
ROL3 0.999 0.117 8.572 0.000 0.686 0.781
ROL4 0.794 0.113 7.009 0.000 0.545 0.664
SET =~
SET1 1.000 0.613 0.571
SET2 1.185 0.220 5.382 0.000 0.726 0.809
SET3 1.081 0.207 5.220 0.000 0.663 0.747
SET4 0.989 0.216 4.578 0.000 0.606 0.600
CTO =~
CTO1 1.000 0.903 0.752
CTO2 0.878 0.145 6.037 0.000 0.793 0.687
CTO3 1.005 0.155 6.482 0.000 0.907 0.772
RWD =~
RWD1 1.000 0.831 0.831
RWD2 1.054 0.097 10.878 0.000 0.876 0.911
RWD3 1.025 0.099 10.373 0.000 0.852 0.863
VOR =~
VOR1 1.000 0.281 0.383
VOR2 2.107 0.665 3.170 0.002 0.592 0.605
VOR3 1.994 0.615 3.245 0.001 0.560 0.653
VOR4 1.845 0.578 3.193 0.001 0.518 0.619
VOR5 1.968 0.603 3.264 0.001 0.553 0.667
DID =~
DID1 1.000 0.447 0.667
DID2 1.250 0.191 6.530 0.000 0.559 0.804
DID3 1.176 0.187 6.302 0.000 0.526 0.759
DID4 0.969 0.172 5.632 0.000 0.433 0.658
DID5 0.550 0.224 2.453 0.014 0.246 0.268
ABT =~
ABT1 1.000 0.701 0.703
ABT2 1.321 0.195 6.760 0.000 0.926 0.809
ABT3 0.578 0.135 4.291 0.000 0.405 0.475
ABT4 0.864 0.165 5.248 0.000 0.606 0.589
EMT =~
VOR 1.000 0.666 0.666
DID 1.672 0.602 2.778 0.005 0.699 0.699
ABT 3.372 1.159 2.909 0.004 0.900 0.900
如何在不忽略高阶因子的情况下获取所有所有潜在变量的AVE和Omega值？
解决方法
您的模型是高阶模型，因为它使用潜在变量（VOR DID和ABT）作为因变量（请参见第{{1行） }}。
使用包EMT =~ VOR + DID + ABT中的函数semPaths()绘制模型时，模型如下所示：
由于semPlot仅能处理一个因素，因此它会忽略模型的上层变量（“高阶因子”）。
幸运的是，有一个解决方案。只需使用semTools中的函数reliability()：
reliabilityL2()这应该为您提供Omega缺少的变量。
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。
