R语言:结构方程模型sem、潜变量分析
原文链接:http://tecdat.cn/?p=3071
对于熟悉线性回归拟合结构方程模型的分析师来说,在R环境中,拟合结构方程模型涉及学习新的建模语法,新的绘图语法以及通常是新的数据输入方法(点击文末“阅读原文”获取完整代码数据)。
结构方程模型入门
介绍
然而,拟合结构方程模型可以成为分析师工具箱中的强大工具。
相关视频
设置 环境
在R中实现SEM有许多不同的包,lavaan
软件包为大多数SEM用户提供了全面的功能集,并且具有易于学习的语法来描述SEM模型。要安装lavaan
,我们只需运行:
# 安装
install.packages("lavaan")
读入数据
我们需要读入数据集。我们读取方差 - 协方差矩阵并运行路径分析模型。
mat1 <- matrix(c(1, 0, 0, 0.6, 1, 0, 0.33, 0.63, 1), 3, 3, byrow = TRUE)print(mat1)
## ILL IMM DEP
## ILL 1.00 0.00 0
## IMM 0.60 1.00 0
## DEP 0.33 0.63 1
现在我们在我们的环境中命名了一个方差 - 协方差矩阵。
有了这些数据,我们可以构建两种可能的模型
抑郁症(DEP)影响免疫系统(IMM)影响疾病(ILL)
IMM影响ILL影响DEP
使用SEM我们可以评估哪个模型最能解释我们在上面的数据中观察到的协方差。拟合模型lavaan
是一个两步过程。首先,我们创建一个文本字符串定义lavaan
模型 。接下来,我们给出lavaan
如何拟合这个模型。
# 定义模型# 拟合模型
mod1fit <- sem(mod1, sample.cov = mat1, sample.nobs = 500)# 定义模型2mod2fit <- sem(mod2, sample.cov = mat1, sample.nobs = 500)
现在,我们在环境中为每个模型存储了两个对象。我们有模型字符串和modelfit对象。summary
提供输出:
##
## Number of observations 500
##
## Estimator ML
## Minimum Function Test Statistic 2.994
## Degrees of freedom 1
## P-value (Chi-square) 0.084
##
## Parameter estimates:
##
## Information Expected
## Standard Errors Standard
##
## Estimate Std.err Z-value P(>|z|)
## Regressions:
## ILL ~
## IMM 0.600 0.036 16.771 0.000
## IMM ~
## DEP 0.630 0.035 18.140 0.000
##
## Variances:
## ILL 0.639 0.040
## IMM 0.602 0.038
##
## Number of observations 500
##
## Estimator ML
## Minimum Function Test Statistic 198.180
## Degrees of freedom 1
## P-value (Chi-square) 0.000
##
## Parameter estimates:
##
## Information Expected
## Standard Errors Standard
##
## Estimate Std.err Z-value P(>|z|)
## Regressions:
## DEP ~
## ILL 0.330 0.042 7.817 0.000
## ILL ~
## IMM 0.600 0.036 16.771 0.000
##
## Variances:
## DEP 0.889 0.056
## ILL 0.639 0.040
理解SEM模型的最佳方法之一是使用路径图直观地检查模型。
接下来,我们加载库并制作一些路径图。
这两个简单的路径模型哪个更好?我们可以运行卡方检验。
## Chi Square Difference Test
##
## Df AIC BIC Chisq Chisq diff Df diff Pr(>Chisq)
## mod1fit 1 3786 3803 2.99
## mod2fit 1 3981 3998 198.18 195 0 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
可以看到模型2更好。让我们看一下模型2的一些属性。
点击标题查阅往期内容
结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例
左右滑动查看更多
01
02
03
04
# 拟合优度评价指标
## fmin chisq df pvalue
## 0.198 198.180 1.000 0.000
## baseline.chisq baseline.df baseline.pvalue cfi
## 478.973 3.000 0.000 0.586
## tli nnfi rfi nfi
## -0.243 -0.243 1.000 0.586
## pnfi ifi rni logl
## 0.195 0.587 0.586 -1986.510
## unrestricted.logl npar aic bic
## -1887.420 4.000 3981.020 3997.878
## ntotal bic2 rmsea rmsea.ci.lower
## 500.000 3985.182 0.628 0.556
## rmsea.ci.upper rmsea.pvalue rmr rmr_nomean
## 0.703 0.000 0.176 0.176
## srmr srmr_nomean cn_05 cn_01
## 0.176 0.176 10.692 17.740
## gfi agfi pgfi mfi
## 0.821 -0.075 0.137 0.821
## ecvi
## 0.412
# 模型参数预测
## lhs op rhs est se z pvalue ci.lower ci.upper
## 1 DEP ~ ILL 0.330 0.042 7.817 0 0.247 0.413
## 2 ILL ~ IMM 0.600 0.036 16.771 0 0.530 0.670
## 3 DEP ~~ DEP 0.889 0.056 15.811 0 0.779 1.000
## 4 ILL ~~ ILL 0.639 0.040 15.811 0 0.560 0.718
## 5 IMM ~~ IMM 0.998 0.000 NA NA 0.998 0.998
# 修改指标
## lhs op rhs mi epc sepc.lv sepc.all sepc.nox
## 1 DEP ~~ DEP 0.0 0.000 0.000 0.000 0.000
## 2 DEP ~~ ILL 163.6 -0.719 -0.719 -0.720 -0.720
## 3 DEP ~~ IMM 163.6 0.674 0.674 0.675 0.674
## 4 ILL ~~ ILL 0.0 0.000 0.000 0.000 0.000
## 5 ILL ~~ IMM NA NA NA NA NA
## 6 IMM ~~ IMM 0.0 0.000 0.000 0.000 0.000
## 7 DEP ~ ILL 0.0 0.000 0.000 0.000 0.000
## 8 DEP ~ IMM 163.6 0.675 0.675 0.675 0.676
## 9 ILL ~ DEP 163.6 -0.808 -0.808 -0.808 -0.808
## 10 ILL ~ IMM 0.0 0.000 0.000 0.000 0.000
## 11 IMM ~ DEP 143.8 0.666 0.666 0.666 0.666
## 12 IMM ~ ILL 0.0 0.000 0.000 0.000 0.000
非常感谢您阅读本文,有任何问题请在下面留言!
点击文末“阅读原文”
获取全文完整代码数据资料。
本文选自《R语言:结构方程模型sem、潜变量分析》。
点击标题查阅往期内容
结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例
结构方程模型 SEM 多元回归和模型诊断分析学生测试成绩数据与可视化
在R语言中实现sem进行结构方程建模和路径图可视化
R语言结构方程SEM中的power analysis 效能检验分析
stata如何处理结构方程模型(SEM)中具有缺失值的协变量
R语言基于协方差的结构方程拟合的卡方检验
R语言基于协方差的SEM结构方程模型中的拟合指数
R语言:结构方程模型、潜变量分析
R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
R语言进行支持向量机回归SVR和网格搜索超参数优化
R语言贝叶斯MCMC:用rstan建立线性回归模型分析汽车数据和可视化诊断
R语言深度学习:用keras神经网络回归模型预测时间序列数据
R语言贝叶斯MCMC:GLM逻辑回归、Rstan线性回归、Metropolis Hastings与Gibbs采样算法实例
R语言使用虚拟变量(Dummy Variables) 回归分析工资影响因素
R语言:结构方程模型sem、潜变量分析相关推荐
- R语言:结构方程模型、潜变量分析
结构方程模型入门 介绍 对于熟悉线性回归拟合结构方程模型的分析师来说,首先会感到奇怪.在R环境中,拟合结构方程模型涉及学习新的建模语法,新的绘图语法以及通常是新的数据输入方法.然而,快速重新定位并且很 ...
- r语言清除变量_R语言:结构方程模型、潜变量分析
原文链接: R语言:结构方程模型.潜变量分析tecdat.cn 结构方程模型入门 介绍 对于熟悉线性回归拟合结构方程模型的分析师来说,在R环境中,拟合结构方程模型涉及学习新的建模语法,新的绘图语法以 ...
- R语言结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例
最近我们被客户要求撰写关于SEM的研究报告,包括一些图形和统计输出. 1 简介 在本文,我们将考虑观察/显示所有变量的模型,以及具有潜在变量的模型.第一种有时称为"路径分析",而后 ...
- R语言结构方程模型(SEM)在生态学领域中的应用
前言:结构方程模型(Sructural Equation Model)是一种建立.估计和检验研究系统中多变量间因果关系的模型方法,它可以替代多元回归.因子分析.协方差分析等方法,利用图形化模型方式清晰 ...
- R语言结构方程模型(SEM)在生态学领域中的实践
结构方程模型(Sructural Equation Model)是一种建立.估计和检验研究系统中多变量间因果关系的模型方法,它可以替代多元回归.因子分析.协方差分析等方法,利用图形化模型方式清晰展示研 ...
- R语言结构方程模型(SEM)教程
详情点击链接:R语言结构方程模型(SEM)在生态学应用 结构方程模型(Sructural Equation Model)是一种建立.估计和检验研究系统中多变量间因果关系的模型方法,它可以替代多元回归. ...
- R语言结构方程模型分析与应用
(R语言平台:模型构建.拟合.筛选及结果发表全流程:潜变量分析:组成变量分析:非线性关系处理.非正态数据.分组数据.嵌套数据分析与处理:混合效应模型:贝叶斯方法:经典案例练习及解读) 现代统计学理论和 ...
- R语言结构方程模型在生态学领域中的应用
结构方程模型(Sructural Equation Model)是一种建立.估计和检验研究系统中多变量间因果关系的模型方法,它可以替代多元回归.因子分析.协方差分析等方法,利用图形化模型方式清晰展示研 ...
- r语言结构方程模型可视化_R语言实现拟合神经网络预测和结果可视化
原文链接:http://tecdat.cn/?p=6691 神经网络一直是迷人的机器学习模型之一,不仅因为花哨的反向传播算法,而且还因为它们的复杂性(考虑到许多隐藏层的深度学习)和受大脑启发的结构. ...
最新文章
- 体验Remix——安卓电脑
- vb.net写一个简易的RSS阅读器
- WPF MvvmLight简单实例(1) 页面导航
- 文件操作模式扩展、游标操作
- Random Forest 实用经验(转)
- cojs 香蕉 解题报告
- c# WebApi之接口返回类型详解
- outlook域用户名怎么填_家谱制作软件怎么做成电子版
- aix shell脚本 运行java_IBM AIX shell脚本启动java程序不成功
- oracle学习资料大全
- 详解 inner join with another 'dataframe' df1.join(df2, $df1Key === $df2Key)
- jqTransform表单美化
- VMWare Player Windows XP 虚拟机压缩 vmdk 的方法
- 微信电子健康卡开放平台接口对接
- 神经网络不work该怎么办!看看这11条
- 【Codeforces 538 H】Summer Dichotomy(二分图染色)
- 创业公司 JPEGmini 可以将照片缩小5倍,但保证图片质量和分辨率
- Windows Project2016如何增加加班工时。
- keycloak+gatekeeper(python) 搭建简单流程
- java程序员 女装_java程序员面试着装要求是什么?
热门文章
- 二次优化问题dfp_最优化之DFP算法考试题
- 吐槽memoQ | 我想用机器翻译!
- Houdini JoyOfVex 教程04
- 什么是SSD固态硬盘的QLC、SLC、MLC、TLC
- 【历史上的今天】8 月 22 日:改变世界的程序员们;网络直播的鼻祖;何小鹏离开阿里巴巴
- 【故障诊断】风力涡轮机自动故障检测和隔离的最优解决方案研究(Matlab代码实现)
- 大连市税务局局长赵福增:用区块链打破部门间“信息孤岛”
- 【Axure教程】用中继器制作树形表格
- 硬核推荐!Mac电脑必备软件/工具!
- BlueStacks蓝手指卸载和重新安装