R语言sem包实现通径分析

结构方程模型（Structural Equation Modeling,SEM)是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。本文主要应用R语言的sem包实现通径分析.

如当自变量数目比较多，且自变量间相互关系比较复杂（如：有些自变量间的关系是相关关系，有些自变量间则可能是因果关系）或者某些自变量是通过其他的自变量间接地对因变量产生影响，这时可以采用通径分析。

library(sem)
library(dplyr)
# 随机生成数据
dat <- matrix(rnorm(100), 25, 4) # 25*4 矩阵
colnames(dat) <- c('a', 'b', 'c', 'd') # 分配列名
cor_num <- cor(dat) # 计算相关性矩阵# 构建模型
# 我们假设 变量a 通过b, c 影响 dmodel.kerch <- specifyModel(# sem包是以文本的形式提交, 路径关系# 默认所有变量都是观测变量# 第一列表示路径#第二列表示回归系数,可以先假定一个任意变量, 模型随后进行修正赋值; 第三列为自由参数的起始值, 没有可设置为NA sem会计算起始值# 下面的变量, 如果存在于数据中, 则为观测变量, 否则为潜在变量text = 'a -> b, a_b, NAa -> c, a_c, NAa -> d, a_d, NAb -> d, b_d, NAb -> c, b_c, NAc -> d, c_d, NAa <-> a, a_a, NAb <-> b, b_b, NAc <-> c, c_c, NAd <-> d, d_d, NA')

## NOTE: it is generally simpler to use specifyEquations() or cfa()
##       see ?specifyEquations

  # 最后四行表示变量自身的影响# 构建sem# 第二个参数可以直接使用相关性矩阵,或者协方差矩阵out_sem <- sem(model.kerch, cor_num, nrow(dat))# 回归系数coef <- out_sem$coeff# 系数名coeff_name <- out_sem$semmod[,1]summary(out_sem)

##
##  Model Chisquare =  1.998401e-15   Df =  0 Pr(>Chisq) = NA
##  AIC =  20
##  BIC =  1.998401e-15
##
##  Normalized Residuals
##       Min.    1st Qu.     Median       Mean    3rd Qu.       Max.
## -2.679e-16 -8.967e-17 -2.125e-18 -7.036e-17  0.000e+00  0.000e+00
##
##  R-square for Endogenous Variables
##      b      c      d
## 0.0005 0.0970 0.1277
##
##  Parameter Estimates
##     Estimate     Std Error z value     Pr(>|z|)
## a_b -0.022182539 0.2040739 -0.10869855 0.9134415924 b <--- a
## a_c  0.311527866 0.1940185  1.60566059 0.1083485056 c <--- a
## a_d  0.324307405 0.2006684  1.61613599 0.1060649147 d <--- a
## b_d -0.037960563 0.1906895 -0.19906998 0.8422080012 d <--- b
## b_c  0.004386601 0.1940185  0.02260919 0.9819620148 c <--- b
## c_d  0.074420572 0.2006197  0.37095355 0.7106721273 d <--- c
## a_a  1.000000000 0.2886751  3.46410162 0.0005320055 a <--> a
## b_b  0.999507935 0.2885331  3.46410162 0.0005320055 b <--> b
## c_c  0.902991774 0.2606713  3.46410162 0.0005320055 c <--> c
## d_d  0.872252005 0.2517975  3.46410162 0.0005320055 d <--> d
##
##  Iterations =  0

  # 构建路径图pathDiagram(out_sem, edge.labels="values")

library(knitr)
knit('/Users/lipidong/baiduyun/work/RFile/learn/sem_with_r.rmd', output = '/Users/lipidong/learn/blog/_posts/2015-11-09-sem_with_r.md')

R语言sem包实现通径分析相关推荐

r语言 bsda包_使用R语言creditmodel包进行Vintage分析或留存率分析
1 什么是vintage分析? Vintage分析(账龄分析法)被广泛应用于信用卡及信贷行业,这个概念起源于葡萄酒,即不同年份出产的葡萄酒的品质有差异,那么不同时期开户或者放款的资产质量也有差异,其核 ...
R语言caret包构建机器学习回归模型（regression model）、使用DALEX包进行模型解释分析、特征重要度、偏依赖分析等
R语言caret包构建机器学习回归模型(regression model).使用DALEX包进行模型解释分析.特征重要度.偏依赖分析等目录
R语言数据包自带数据集之ISwR包的melanom数据集字段解释、数据导入实战
R语言数据包自带数据集之ISwR包的melanom数据集字段解释.数据导入实战目录 R语言数据包自带数据集之ISwR包的melanom数据集字段解释.数据导入实战 #数据字段说明 #导入包 #导入数 ...
R语言数据包自带数据集之survival包的colon数据集字段解释、数据导入实战
R语言数据包自带数据集之survival包的colon数据集字段解释.数据导入实战 #数据字段说明 colon数据集:B/C期结肠癌辅助化疗治疗数据 d # 患者编号 study # 所有患者都是1 ...
R语言数据包自带数据集之survival包的lung数据集字段解释、数据导入实战
R语言数据包自带数据集之survival包的lung数据集字段解释.数据导入实战目录 R语言数据包自带数据集之survival包的lung数据集字段解释.数据导入实战 #数据字段说明 #导入包 #导 ...
R语言数据包自带数据集之ToothGrowth数据集字段解释、数据导入实战
R语言数据包自带数据集之ToothGrowth数据集字段解释.数据导入实战目录 R语言数据包自带数据集之ToothGrowth数据集字段解释.数据导入实战 #数据字段说明 #导入包 #导入数据 #数 ...
R语言数据包自带数据集之mtcars数据集字段解释、数据导入实战
R语言数据包自带数据集之mtcars数据集字段解释.数据导入实战目录 R语言数据包自带数据集之mtcars数据集字段解释.数据导入实战 #会用帮助?或者help函数 #字段说明 #导入包 #导入数据 ...
R语言dplyr包通过数据列的索引重命名数据列实战（Rename Column by Index Position）
R语言dplyr包通过数据列的索引重命名数据列实战(Rename Column by Index Position) 目录 R语言dplyr包通过数据列的索引重命名数据列实战(Rename Colum ...
R语言stringr包str_dup函数字符串多次复制实战
R语言stringr包str_dup函数字符串多次复制实战目录 R语言stringr包str_dup函数字符串多次复制实战 #导入stringr包 #仿真数据

R语言sem包实现通径分析

R语言sem包实现通径分析相关推荐

最新文章

热门文章