MIMIC因子和指标综合指数(SEM)有什么区别?


10

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: 在此处输入图片说明

从本质上讲,f1是一个回归结果为x1x2x3,和y1y2y3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<~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?

Answers:


9

他们是同一模特。

能够将潜在变量定义为复合结果(其中该变量仅具有复合指标)很有用。

如果您没有:

f1 =~ y1 + y2 + y3

您不能放:

f1 ~ x1 + x2 + x3

但是您可以拥有:

f1 <~ x1 + x2 + x3

谢谢!您能否阐明为什么不能拥有f1 ~ x1 + x2 + x3但可以拥有f1 <~ x1 + x2 + x3
dmp

1
因为在第一个实例中,f1在模型中还不是变量,因为它是潜在的,所以您需要对其进行定义。
杰里米·迈尔斯

1
如果有这样的模型,则必须使用f1 =〜0 * x1之类的技巧,以便拥有一个潜在的var,然后可以在f〜x1 + x2 + x3中使用它。
杰里米·迈尔斯
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.