R语言实现结构方程模型
搬运自: 结构方程模型(SEM)可用于微生态研究及R语言实现.
# view data
PoliticalDemocracy# design modelmodel <- '
# 利用被测变量(右)定义潜在变量(左):测量模型
ind60 =~ x1 + x2 + x3
dem60 =~ y1 + y2 + y3 + y4
dem65 =~ y5 + y6 + y7 + y8
# 构建回归方程:路径模型
dem60 ~ ind60
dem65 ~ ind60 + dem60
# 两边相同,表示该变量的方差,不同的话表示两者的协方差
#y1 ~~ y1 表示该变量的方差
y1 ~~ y5 #两者协方差
y2 ~~ y4 + y6
y3 ~~ y7
y4 ~~ y8
y6 ~~ y8'
# fit model ---------------------------------------------------------------library(lavaan)
## 加载SEM建模需要的R包:lavaanfit <- sem(model, data = PoliticalDemocracy)
## 使用SEM函数拟合模型summary(fit)
summary(fit, fit.measures=TRUE)
summary(fit, standardized = TRUE)
查看拟合结果
# calculating fitting coefficients ----------------------------------------fitMeasures(fit,c("chisq","df","pvalue","gfi","cfi","rmr","srmr","rmsea"))
指标名称 | 名称缩写 | 指标作用 | 接受标准 |
---|---|---|---|
卡方值 | CHISQ | 矩阵整体相似程度 | P>0.05 |
拟合指数 | GFI | 说明模型解释力 | >0.90 |
相对拟合指数 | CFI | 说明模型较虚无模型的改善程度 | >0.95 |
未标准化残差 | RMR | 未标准化假设模型整体残差 | 越小越好 |
标准化残差 | SRMR | 标准化模型整体残差 | <0.08 |
近似均方根误差 | RMSEA | 理论模型与饱和模型的差异 | <0.05 |
# visualization library(semPlot)
## 加载SEM绘图包pdf("plot.pdf")
p = semPaths(fit)
dev.off()
## 使用semPaths函数绘图pdf("plot2.pdf")
p2 = semPaths(fit, what = "std", layout = "tree2", fade=F, nCharNodes = 0)
dev.off()pdf("plot3.pdf")
p3 = semPaths(fit, what = "std", layout = "tree2", fade=F, nCharNodes = 0, intercepts = F, residuals = F, thresholds = F)
dev.off()
R语言实现结构方程模型相关推荐
- r语言实现sem_R-SEM-paper(R语言分析结构方程模型).pdf
您所在位置:网站首页 > 海量文档  > 计算机 > 行业软件 R-SEM-paper(R语言分析结构方程模型).pd ...
- r语言实现sem_利用R语言做结构方程模型分析
R的功能很强大,各种包很多.但就是因为包太多,造成了很大的麻烦.不可避免的,可以做结构方程模型的包也不少,例如:sem.psych.OpenMx,lavaan等.我选择了lavaan包.原因:语法简介 ...
- 基于R语言的代理模型(高斯过程、贝叶斯优化、敏感性分析、异方差性等)高级技术应用
基于R语言的代理模型(高斯过程.贝叶斯优化.敏感性分析.异方差性等)高级技术应用 直播时间:10月30日-10月31日.11月6日-7日(4天+1周辅导练习) (上午9:30-12:00 下午14: ...
- R语言构建xgboost模型:控制训练信息输出级别verbose参数
R语言构建xgboost模型:控制训练信息输出级别verbose参数 目录 R语言构建xgboost模型:控制训练信息输出级别verbose参数
- R语言构建回归模型并进行模型诊断(线性关系不满足时)、进行变量变换(Transforming variables)、使用car包中的boxTidwell函数对预测变量进行Box–Tidwell变换
R语言构建回归模型并进行模型诊断(线性关系不满足时).进行变量变换(Transforming variables).使用car包中的boxTidwell函数对预测变量进行Box–Tidwell变换 目 ...
- R语言构建xgboost模型:基于稀疏数据(dgCMatrix which is a sparse matrix)、稠密数据(dense matrix)、xgb.DMatrix数据聚合
R语言构建xgboost模型:基于稀疏数据(dgCMatrix which is a sparse matrix).稠密数据(dense matrix) 目录
- R语言构建xgboost模型:使用xgb.DMatrix保存、加载数据集、使用getinfo函数抽取xgb.DMatrix结构中的数据
R语言构建xgboost模型:使用xgb.DMatrix保存.加载数据集.使用getinfo函数抽取xgb.DMatrix结构中的数据 目录
- R语言使用线性回归模型来预测(predict)单个样本的目标值(响应值、response)实战
R语言使用线性回归模型来预测(predict)单个样本的目标值(响应值.response)实战 目录
- R语言随机森林模型:计算随机森林模型的特征重要度(feature importance)并可视化特征重要度、使用少数重要特征拟合随机森林模型(比较所有特征模型和重要特征模型在测试集上的表现差异)
R语言随机森林模型:计算随机森林模型的特征重要度(feature importance)并可视化特征重要度.使用少数重要特征拟合随机森林模型(比较所有特征模型和重要特征模型在测试集上的表现差异) 目录
- R语言构建xgboost模型:xgb.cv函数交叉验证确定模型的最优子树个数(可视化交叉验证对数损失函数与xgboost模型子树个数的关系)、交叉验证获取最优子树之后构建最优xgboost模型
R语言构建xgboost模型:xgb.cv函数交叉验证确定模型的最优子树个数(可视化交叉验证对数损失函数与xgboost模型子树个数的关系).交叉验证获取最优子树之后构建最优xgboost模型 目录
最新文章
- 寻找孪生素数(当p为素数时,p+2也为素数)
- python学习笔记一
- 沉浸式视频技术应用与挑战
- 计算机作文叙事,电脑争夺战叙事作文
- 推荐一个值得加入C++开发者俱乐部
- html5里面em是什么单位,HTML5中单位em的理解
- Mbps、Kbps、bps、MB、KB
- php中声明空数组,总结PHP中初始化空数组的最佳方法
- 虚拟机ping不通主机与外网的解决方法
- mapper层中的SQLxml约束,头部标签
- 汉罗塔python_基于Python的汉诺塔算法
- 高等代数——大学高等代数课程创新教材(丘维声)——3.5笔记+习题
- Zbrush学习笔记十——制作毛发、模型减面
- 用C语言写个sin和cos程序,C语言sin和cos函数的实现
- AcWing 1107 魔板
- 从青云上市,看中国云计算小巨头的“屠龙”之路
- 软件删不掉要计算机管理,控制面板卸载不了程序,小编教你如何处理控制面板中卸载不掉的软件...
- 个人计算机多核cpu好处,多核CPU的优缺点
- YOLO算法(一)——Yolo介绍 Yolov1
- LoRaWAN入网参数设置