同事问我在这个问题上有什么帮助,我真的不知道。他们在一项研究中对某些潜在变量的作用进行了假设,然后一名裁判要求他们在SEM中将其正式化。由于他们的需求似乎并不困难,我想我会尝试一下……现在,我只是在寻找有关该主题的不错的入门指南!
Google并不是我真正的朋友。提前谢谢了...
PS:我读了结构方程模型利用SEM包中的R由约翰·福克斯,以及本文由同一作者。我认为这足以满足我的目的,无论如何欢迎其他参考。
同事问我在这个问题上有什么帮助,我真的不知道。他们在一项研究中对某些潜在变量的作用进行了假设,然后一名裁判要求他们在SEM中将其正式化。由于他们的需求似乎并不困难,我想我会尝试一下……现在,我只是在寻找有关该主题的不错的入门指南!
Google并不是我真正的朋友。提前谢谢了...
PS:我读了结构方程模型利用SEM包中的R由约翰·福克斯,以及本文由同一作者。我认为这足以满足我的目的,无论如何欢迎其他参考。
Answers:
我会去研究Mplus软件的作者Múthen和Múthen的一些论文,特别是
(从此处以PDF格式提供:分类变量的加权最小二乘法。)
在Mplus Wiki上还有更多值得一看的内容,例如WLS与带序数据的WLSMV结果;两位作者反应灵敏,并在可能的情况下始终提供详细的答案以及随附的参考资料。健壮的加权最小二乘法与基于ML的多变量或多序列相关矩阵分析方法的一些比较可以在以下位置找到:
Lei,PW(2009)。结构方程建模中有序数据的估计方法。质量与数量,43,495–507。
对于其他数学开发,您可以看一下:
Jöreskog,KG(1994)关于多色相关性及其渐近协方差矩阵的估计。心理疗法,59(3),381-389。(另请参见SY Lee的论文。)
Sophia Rabe-Hesketh和她的同事在SEM上也有不错的论文。一些相关的参考资料包括:
John Uebersax的出色网站上可能列出了其他不错的资源,尤其是四色和多色相关系数简介。鉴于您也对应用程序工作感兴趣,我建议您看一下OpenMx(还有另一个用于建模协方差结构的软件包)和lavaan(旨在提供类似于EQS或Mplus的输出),它们都可以在R下获得。
虽然目前仅与您的目标保持一致,但是如果您继续使用潜在变量进行项目,我强烈建议您阅读Denny Boorsboom的Measurementing the Mind。不要被标题所迷惑,它主要是关于潜变量逻辑的详细文章,以及对经典测试理论的大量批评。我要说的是,如果您在纵向框架中利用潜在变量,则有必要阅读。虽然这仅与潜在变量的逻辑有关,但与实际估计模型无关。
请回传您的经验,尽管我也想扩展我的库,但我已经在这里给出了一些参考。FWIW,肯·博伦(Ken Bollen)的具有潜在变量的结构方程式是我阅读清单中的下一个(尽管这仅基于我对他的学术著作的看法)。
除此之外,我还要说我也喜欢BengtMuthén的作品。MPlus软件非常受欢迎,您可以在Mplus网站上查看可以完成的所有类型的分析(链接到用户指南)。他还在UCLA的统计分析课程中拥有一系列带有潜在变量的mp3帖子。我还没有全部听过,但是我怀疑所有这些内容都是对该周演讲所涵盖的特定主题的详尽介绍。
这是我参加的课程的推荐教科书:PBKline,结构方程建模的原理和实践,吉尔福德出版社。这是一篇介绍性文章,而不是大量的数学文章。
对于更数学的贝叶斯治疗,您可以尝试:SY。Lee,结构方程建模:贝叶斯方法,Wiley。
我目前正在使用来学习SEM LISREL
。我们正在使用这两本书:
Schumaker博士是我课程的讲师。第一本书非常擅长介绍SEM,因为它引导您完成模型规格说明,识别等过程。尽管它基于LISREL
软件,但我希望一般方法和结果解释将独立于软件。
克莱恩的书很棒。有关论文的快速介绍,请参见
Gefen,D.2000。结构方程建模和回归:研究实践指南。CAIS。第4卷。http://aisel.aisnet.org/cais/vol4/iss1/7/
Hox,JJ和Bechger,TM对结构方程建模的介绍。家庭科学评论。11:354-373。http://joophox.net/publist/semfamre.pdf
Lei,PW和Wu,Q。2007。结构方程模型介绍:问题和实践考虑。教育评估:问题与实践。http://dx.doi.org/10.1111/j.1745-3992.2007.00099.x
Grace,J.2010。观察研究的结构方程建模。野生动物管理杂志。72:14-22 http://dx.doi.org/10.2193/2007-307
Jarrett Byrnes(此处为jebyrnes)也将他为期一周的SEM入门课程资料发布在此处:http : //byrneslab.net/teaching/sem/
本课程面向研究人员,将SEM应用于生物和生态数据,但涵盖了SEM概念,R代码和示例的一般介绍,因此可能会对其他人有所帮助。我发现这些材料对于几乎不了解该方法非常有帮助。