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 &nbsp>&nbsp计算机&nbsp>&nbsp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

R语言实现结构方程模型

查看拟合结果

R语言实现结构方程模型相关推荐

最新文章

热门文章