Questions tagged «sem»

当我使用GAM时，它给了我剩余的DF为（代码的最后一行）。这意味着什么？超越GAM示例，通常，自由度可以是非整数吗？26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 -1.6217 -0.8971 1.2445 6.0516 (Dispersion Parameter for gaussian family taken to be 6.6717) Null Deviance: 1126.047 on 31 degrees of freedom Residual Deviance: 177.4662 on 26.6 degrees of …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

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。

24 references  modeling  sem  psychometrics 

我注意到这个问题在统计咨询设置中经常出现，我很想知道您的想法。 语境 我经常与进行研究的研究学生交谈，大致如下： 观察研究 样本大小可能是100、200、300等。 已经测量了多种心理量表（例如，焦虑，抑郁，性格，态度，其他临床量表，可能是智力等）。 研究人员已经阅读了相关文献，并对可能的因果关系有一些想法。通常，将变量一般概念化为前因，过程变量和结果变量。他们还经常听到结构方程建模更适合测试他们正在研究的变量集之间关系的整体模型。 题 您认为在什么条件下结构方程建模是分析此类研究的合适技术？ 如果您不建议结构方程建模，您会推荐哪些替代技术？ 对于考虑在这种情况下使用结构方程建模的研究人员，您将提供什么建议？

20 scales  causality  sem  observational-study 

这里的术语是一团糟。“结构方程”与“建筑桥梁”一样模糊，而“贝叶斯网络” 本质上并不是贝叶斯。因果关系之神朱迪亚·珀尔（Judea Pearl）说得更好，这两个模型流派几乎相同。 那么，重要的区别是什么？ （令我惊讶的是，截至本文撰写时，SEM的Wikipedia页面甚至还没有包含“网络”一词。）

19 sem  bayesian-network  causality 

我想测试一个多阶段路径模型（例如，A预测B，B预测C，C预测D），其中所有变量都是嵌套在组中的单个观察值。到目前为止，我已经通过R中的多个独特的多级分析来做到这一点。 我更喜欢使用像SEM这样的技术，该技术可以让我同时测试多个路径（A-> B-> C-> D），并且仍然可以正确处理2级（组中的个人）。 我了解MPLUS可以解决这个问题。我可以使用R包吗？

18 r  multilevel-analysis  sem  path-model 

在偏最小二乘回归（PLSR）或偏最小二乘结构方程模型（PLS-SEM）中，“偏偏”一词指的是什么？

16 multiple-regression  least-squares  terminology  sem  partial-least-squares 

我很好奇是否有特定的或更适合于结构方程建模的图形技术。我猜这可能属于用于协方差分析的探索性工具或用于SEM模型评估的图形诊断的类别。（我在这里实际上并不是在考虑路径/图形图。）

14 sem  data-visualization 

谁能提供例子说明为什么选择一个？它们的计算方法不同吗？

13 sem  psychometrics  psychology  scale-construction 

我正在使用R lavaan软件包来估计结构方程模型。假设模型由1个具有1个潜伏的内生清单变量和2个清单解释性变量组成： group = {0,1} attitude1 = latent,scale age = respondent's age 然后，所需的lavaan模型不起作用： model <- ' attitude1 =~ att1 + att2 + att3 outcome ~ age*group + attitude1*group' 我的目标是按照线性回归的方法，确定每个变量和组之间的主要作用和相互作用作用。能做到吗？

13 r  interaction  sem  lavaan 

我正在Amos 18中运行结构方程模型（SEM）。我正在为我的实验寻找100名参与者（宽松使用），这可能不足以进行成功的SEM。反复告诉我，SEM（以及EFA，CFA）是一种“大样本”统计程序。长话短说，我没有参加100名参与者（这真是令人惊讶！），并且在排除两个有问题的数据点之后只有42个参与者。出于兴趣，我还是尝试了该模型，令我惊讶的是，它看起来非常合适！CFI> .95，RMSEA <.09，SRMR <.08。 该模型并不简单，实际上我会说它相对复杂。我有两个潜在变量，一个有两个观测变量，另一个有5个观测变量。我在模型中还有四个观察到的变量。间接变量和直接变量之间存在许多关系，例如，某些变量是其他四个变量内生的。 我对SEM有点陌生；但是，我认识的两个非常熟悉SEM的人告诉我，只要拟合指标良好，效果是可以解释的（只要它们很重要），并且该模型没有任何明显的“错误”。我知道某些适合度指标在暗示良好适合度方面偏向或反对小样本，但我前面提到的三个指标似乎不错，而且我相信也没有类似偏见。为了测试间接影响，我使用引导程序（2000个样本左右），90％的偏差校正了信心，蒙特卡洛。另外需要注意的是，我针对三种不同的条件运行三种不同的SEM。 我有两个问题，我希望一些人可以考虑，如果您有贡献，请回答： 我的模型是否存在没有通过拟合指数证明的重大弱点？小样本将突出显示该研究的弱点，但我想知道是否存在一些我完全没有注意到的巨大统计问题。我计划将来再增加10至20名参与者，但这仍将为我提供相对较小的样本进行此类分析。 给我很小的样本，或者在使用它的上下文中，我使用引导程序是否有任何问题？ 我希望这些问题对本论坛来说不是太“基本”。我已经阅读了许多关于SEM和相关问题的章节，但是我发现人们在这方面的观点非常分散！ 干杯

13 modeling  sample-size  bootstrap  sem 

我很想收到有关在构建量表时何时使用“ 因子得分 ”而不是简单得分总和的建议。即“精炼”而不是“未精炼”的因素评分方法。来自DiStefano等。（2009; pdf），重点增加了： 因子得分计算方法主要有两类：精炼和非精炼。未精炼的方法是相对简单的累积过程，可提供有关个人在因素分布上的位置的信息。简单性使其具有一些吸引人的功能，即，未经改进的方法既易于计算，又易于解释。完善的计算方法使用更复杂的技术方法来创建因子得分。 与未改进的方法相比，它们更精确，更复杂，并提供标准化分数的估计值。 在我看来，如果目标是创建一个可以在研究和设置中使用的量表，那么所有量表项的简单总和或平均得分就很有意义。但是，可以说，目标是评估程序的治疗效果，而重要的对比在于样品（治疗组与对照组）之间。有什么理由使我们更喜欢因子得分来衡量总和或平均值？ 要具体说明替代方案，请考虑以下简单示例： library(lavaan) library(devtools) # read in data from gist ====================================================== # gist is at https://gist.github.com/ericpgreen/7091485 # this creates data frame mydata gist <- "https://gist.github.com/ericpgreen/7091485/raw/f4daec526bd69557874035b3c175b39cf6395408/simord.R" source_url(gist, sha1="da165a61f147592e6a25cf2f0dcaa85027605290") head(mydata) # v1 v2 v3 v4 v5 v6 v7 v8 v9 # 1 3 4 3 4 …

12 factor-analysis  sem  scales 

我有一个时间序列数据集，试图将其拟合隐马尔可夫模型（HMM），以便估计数据中的潜在状​​态数。我的伪代码是这样的： for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states = "model with smallest BIC" ... } 现在，在通常的回归模型中，BIC倾向于支持最简约的模型，但对于HMM，我不确定这是在做什么。谁真的知道BIC标准倾向于哪种HMM？我也能够获得AIC和似然值。由于我试图推断出真实的州总数，因此其中一个标准是否比另一个标准“更好”？

12 r  aic  hidden-markov-model  bic  spss  manova  time-series  r  lme4-nlme  regression  modeling  negative-binomial  bayesian  bugs  state-space-models  hypothesis-testing  data-transformation  factor-analysis  sem 

在这里提出了这个问题，但是没有人给出很好的答案。因此，我认为再次提出该建议是一个好主意，并且我想补充一些意见/问题。 第一个问题是“ PLS路径建模”和“ PLS回归”之间的区别是什么？更概括地说，什么是结构方程建模（SEM），路径建模和回归？据我了解，回归更多地关注预测，而SEM则关注于响应和预测变量之间的关系，而路径建模是SEM的特例？ 我的第二个问题是PLS有多可靠？最近，如Rönkkö等人所述，它受到了许多批评。2016年以及Rönkkö等人。2015年这导致了拒绝的论文基础上高一级期刊，如PLS 经营管理杂志（这里是期刊编辑的说明）： 我们几乎拒绝所有基于PLS的手稿，因为我们得出结论，在OM研究人员使用的各种模型中，PLS毫无例外都是错误的建模方法。 我应该注意我的领域是光谱学，既不是管理/心理学也不是统计学。在上面链接的论文中，作者更多地谈论了PLS作为SEM方法，但对我来说，他们的批评似乎也适用于PLS回归。

12 sem  partial-least-squares  path-model 

有人可以帮我理解同时方程模型和结构方程模型（SEM）之间的区别吗？如果有人可以向我提供一些有关它的文献，那就太好了。 另外，是否有文献在时间序列环境中使用过SEM？我得到的文献大部分是在横截面数据上下文中解释的SEM。 谢谢！

12 time-series  references  sem 

我正在尝试使用进行验证性因素分析（CFA）lavaan。我很难解释产生的输出lavaan。 我有一个简单的模型-收集调查数据中的项目支持4个因素。这些因素与这些项目所测量的一致，在某种程度上看来它们可以用作有效的测量。 请帮我理解所产生的输出如下lavaan的cfa()： Number of observations 1730 Estimator ML Minimum Function Test Statistic 196.634 Degrees of freedom 21 P-value (Chi-square) 0.000 Model test baseline model: Minimum Function Test Statistic 3957.231 Degrees of freedom 36 P-value 0.000 User model versus baseline model: Comparative Fit Index (CFI) 0.955 Tucker-Lewis Index (TLI) 0.923 …

11 r  sem  confirmatory-factor  lavaan