Questions tagged «sem»

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 ' …

10 sem  latent-variable  lavaan 

我正在审查R包OpenMx进行遗传流行病学分析，以了解如何指定和拟合SEM模型。我对此很陌生，所以请多多包涵。我正在遵循《OpenMx用户指南》第59页上的示例。他们在这里绘制以下概念模型： 在指定路径时，他们将潜在的“一个”节点对显示的bmi节点“ T1”和“ T2”的权重设置为0.6，因为： 感兴趣的主要路径是从每个潜在变量到相应观察变量的路径。还估算了这些值（因此将它们全部设置为空），获得的起始值为0.6，并带有适当的标签。 # path coefficients for twin 1 mxPath( from=c("A1","C1","E1"), to="bmi1", arrows=1, free=TRUE, values=0.6, label=c("a","c","e") ), # path coefficients for twin 2 mxPath( from=c("A2","C2","E2"), to="bmi2", arrows=1, free=TRUE, values=0.6, label=c("a","c","e") ), 的0.6的值来自的估计的协方差bmi1和bmi2（严格的单合子双胞胎）。我有两个问题： 当他们说路径的“开始”值为0.6时，是否像在估计GLM时那样设置具有初始值的数值积分例程？ 为什么严格根据单卵双胞胎估算这个值？

10 correlation  sem  causality  paired-data 

我尝试将SEM应用于一个数据集时遇到很多问题。 我们假设存在5个潜在因子A，B，C，D，E，分别具有指标。A1至A5（有序因子），B1至B3（定量），C1，D1，E1（所有后三个有序因子，E1只有2个水平。我们对所有因子之间的协方差很感兴趣。 我曾尝试OpenMx这样做。这是我的一些尝试： 我首先尝试对所有有序因子使用阈值矩阵，但是收敛失败。 我决定hetcor通过库中的函数使用多色/多序列相关性来代替原始数据polycor（我计划自举样本以获得置信区间）。它也无法收敛！ 我试图限制个人使用完整的数据，但是它也失败了！ 我的第一个问题是：是否有一种自然的方式来解释这些故障？ 我的第二个问题是：我该怎么办？？？ 编辑：对于将来可能遇到相同问题的读者，在阅读完polycor... 中的功能代码后，解决方案仅是hetcor()与option 一起使用std.err=FALSE。这给出的估计与StasK给出的估计非常相似。我现在没有时间去更好地了解这里发生的事情！StasK很好地回答了以下问题。 我还有其他问题，但在此之前，这里是一个带有RData文件的URL，该文件包含一个L1仅包含完整数据的数据框：data_sem.RData 这里的几行代码显示的失败hetcor。 > require("OpenMx") > require("polycor") > load("data_sem.RData") > hetcor(L1) Erreur dans cut.default(scale(x), c(-Inf, row.cuts, Inf)) : 'breaks' are not unique De plus : Il y a eu 11 avis (utilisez warnings() pour les visionner) > head(L1) A1 A2 …

10 r  modeling  multiple-regression  sem 

我需要分析临床康复数据的数据集。我对量化“输入”（治疗量）与健康状况变化之间由假设驱动的关系感兴趣。尽管数据集相对较小（n〜70），但我们有重复的数据反映了两者的时间变化。我熟悉R中的非线性混合效应建模，但是对此处输入和输出之间的潜在“因果”关系感兴趣，因此正在考虑SEM的重复测量应用 我希望您能就R中的任何SEM软件包（sam，lavaan，openmx？）最适合重复测量数据提出建议，尤其是针对教科书的建议（该领域是否有“ Pinheiro和Bates”？），我对此表示赞赏。 。

10 r  repeated-measures  panel-data  sem 

我不确定如何继续在拉瓦那做CFA。我有172名参与者的样本（我知道对于CFA来说不算多），还有28项具有7点李克特量表的项目，应该加载七个因素。我使用“ mlm”估计量进行了CFA，但模型拟合确实很差（χ2（df = 329）= 739.36；比较拟合指数（CFI）= 0.69；标准均方根残差（SRMR）=。10；近似均方根误差（RMSEA）=。09； RMSEA 90％置信区间（CI）= [.08，.10]。 我尝试了以下方法： 具有一个通用方法因子->的双因子模型未收敛。 序数数据的估计量（“ WLSMV”）—>模型拟合：（χ2（df = 329）= 462;比较拟合指数（CFI）= 0.81;标准化均方根残差（SRMR）=。09;均方根误差近似值（RMSEA）=。05； RMSEA 90％置信区间（CI）= [.04，.06]） 通过减少那些在因子上负荷较低的项目并在特定项目之间增加协方差的项目来简化模型->模型拟合：χ2（df = 210）= 295; 比较拟合指数（CFI）= 0.86；标准化均方根残差（SRMR）=。08; 近似均方根误差（RMSEA）=。07; RMSEA 90％置信区间（CI）= [.06，.08]。 现在我的问题是： 这样的模型应该怎么办？ 在统计上正确的做法是什么？ 报告它适合还是不适合？以及那些模型中的哪一个？ 我很高兴与您讨论此事。 这是原始模型的CFA的lavaan输出： lavaan (0.5-17.703) converged normally after 55 iterations Used Total Number of observations 149 172 …

9 r  sem  fitting  confirmatory-factor 

我正在寻找一种软件工具（最好是开源的）来高效，简洁地绘制结构方程/混合物模型。 在研究了xfig和graphviz之后，我现在坚持使用通用的矢量图形程序包inkscape，因为它似乎最灵活。 我想调查stat.stackexchange社区：您如何绘制结构方程/混合物模型？你用什么软件？

9 data-visualization  modeling  sem  software