r-lavaan

    1熱度

    1回答

    我想測試一個SEM模型。有3個指標(I1到I3)構成了一個潛在構建LC。這個應該解釋一個因變量DV。迄今爲止很簡單。 現在我假設指標的獨特差異(沒有進入LC)將對DV提供額外的解釋。是這樣的: IV1 ↖ IV2 ← LC → DV IV3 ↙ ↑ ↑ │ e3 ───────┘ 在lavaan誤差項/殘差(E3)通常不寫成: model = ' # latent va

    0熱度

    1回答

    當出現錯誤時,Error in lines[[i]] : subscript out of bounds試圖編織從外部文件讀入模型的塊,然後在lavaan中適合該模型。 我創建一個.R文件模型: model <- readLines(con = textConnection(' depression =~ thoughts + pain + brain + use + suic + ta

    0熱度

    2回答

    中的ConQuest得分命令ConQuest您可以使用命令「score」來使用相同的清單變量/原始數據,但編碼不同的多維/潛在變量建模。例如: score (1,2,3) (0,1,2) (0,1,0) ! items(1-3); 「再編碼」 的原始分數爲1至3中0,1和2的第一維度和爲0,1,0爲第二維(潛變量)。 你知道任何方式如何實現在[R包TAM(使用lavaan語法或其他)是否相同?

    1熱度

    1回答

    我已成功使用Lavaan軟件包中的grow()函數對R進行研究,從中成功建立了縱向數據的模型。我無法在任何地方找到它記錄如何爲每個參與者提取預測軌跡。我只能找到整個組的預測軌跡(根據摘要輸出的「截距」部分給出)。

    0熱度

    1回答

    問題:如何在lavaan中設置殘差相關(潛在變量之間的協方差)爲1? 我正在運行多重多方法分析,複製了Barbara Byrne爲Mplus用戶描述的方法(第10章:http://books.google.com/books/about/Structural_Equation_Modeling_With_Mplus.html?id=u58MPwAACAAJ)。該方法涉及創建四個模型。我的問題涉及到

    1熱度

    2回答

    我想用R中的lavaan來計算潛在變量和觀察變量之間的相關性。 下面是我試圖做的一個簡單示例。我們有一些數據和lavaan模型。 data(bfi) names(bfi) <- tolower(names(bfi)) mod <- " agree =~ a1 + a2 + a3 + a4 + a5 consc =~ c1 + c2 + c3 + c4 + c5 age ~~ agree

    1熱度

    1回答

    我有一個問題需要用Lavaan(R)執行多組CFA。 事實上,我有幾個分類變量和一些變量包含11個類別。所以我會爲這些變量設定10個閾值。在附件中,您可以找到我的結果的一部分。在這幅圖中,你可以看到我有10個閾值,但第10個閾值小於第9個,它沒有按照壓痕順序排列。我有11個類別的幾個變量,這是每個變量的相同問題。 我的問題是:爲什麼不在壓痕順序? 在這裏,你可以找到我的R-代碼的一部分: mode

    1熱度

    1回答

    以下中介模型來自lavaan tutorial。 下面我使用semPlot包中的semPaths打印了模型結構。但有一條路徑似乎缺失。 set.seed(1234) X <- rnorm(100) M <- 0.5*X + rnorm(100) Y <- 0.7*M + rnorm(100) Data <- data.frame(X = X, Y = Y, M = M) model <-

    0熱度

    1回答

    我正在使用lavaan軟件包,我的意圖是將我的模型殘差作爲數據框用於進一步的使用。我運行了幾個有分組變量的模型。這裏的基本工作流程: require(lavaan) df <- data.frame( y1 = sample(1:100), y2 = sample(1:100), x1 = sample(1:100), x2 = sample(1:1

    2熱度

    1回答

    我怎樣才能得到一個包含所有潛在因素的表格和每個測量項目對所有因素的加載?我似乎無法找到一種方法來從合適的lavaan模型中解脫出來。這裏是我用來生成模型擬合的通用代碼。 library(lavaan) fit <- sem(mySemModel, data=df, std.ov=TRUE, std.lv=TRUE) summary(fit, fit.measures=TRUE, rsq=TRU