在具有潜在变量(SEM)的结构方程建模中,常见的模型公式是“多个指标,多个原因”(MIMIC),其中潜在变量是由某些变量引起并由其他变量反映的。这是一个简单的示例:
从本质上讲,f1
是一个回归结果为x1
,x2
和x3
,和y1
,y2
和y3
用于测量指标f1
。
也可以定义一个复合的潜在变量,其中潜在变量基本上等于其组成变量的加权组合。
这是我的问题:f1
在MIMIC模型中,定义为回归结果与将其定义为复合结果之间有区别吗?
使用中的lavaan
软件进行的一些测试R
表明系数相同:
library(lavaan)
# load/prep data
data <- read.table("http://www.statmodel.com/usersguide/chap5/ex5.8.dat")
names(data) <- c(paste("y", 1:6, sep=""), paste("x", 1:3, sep=""))
# model 1 - canonical mimic model (using the '~' regression operator)
model1 <- '
f1 =~ y1 + y2 + y3
f1 ~ x1 + x2 + x3
'
# model 2 - seemingly the same (using the '<~' composite operator)
model2 <- '
f1 =~ y1 + y2 + y3
f1 <~ x1 + x2 + x3
'
# run lavaan
fit1 <- sem(model1, data=data, std.lv=TRUE)
fit2 <- sem(model2, data=data, std.lv=TRUE)
# test equality - only the operators are different
all.equal(parameterEstimates(fit1), parameterEstimates(fit2))
[1] "Component “op”: 3 string mismatches"
这两个模型在数学上如何相同?我的理解是,SEM中的回归公式与复合公式根本不同,但是这一发现似乎拒绝了这个想法。此外,很容易提出一个模型,其中~
运算符不能与<~
运算符互换(使用lavaan
的语法)。通常使用一个代替另一个会导致模型识别问题,尤其是在将潜在变量用于不同的回归公式时。那么它们什么时候可以互换,什么时候不可以互换?
雷克斯·克莱恩(Rex Kline)的教科书(结构方程模型的原理和实践)倾向于用复合材料的术语来讨论MIMIC模型,但是Ives Rosseel的作者Yves Rosseel lavaan
在我见过的每个MIMIC示例中都明确地使用了回归算子。
有人可以澄清这个问题吗?
f1 ~ x1 + x2 + x3
但可以拥有f1 <~ x1 + x2 + x3
?