r-lavaan

    3热度

    1回答

    我使用longInvariance函数来分析间隔数据的两个时间点之间的纵向不变性;我想知道正确的lavaan/semTools R代码应该是什么样子。 当我每次看一个因素时,它都有效;但在检查双因素模型时会产生错误。下面的一个因素 示例代码: model.oneFactor <- ' Factor1T1 =~ Item1 + Item2 + Item3 Factor1T2 =~

    0热度

    1回答

    我有一个数据集,其中一些(但不是全部)受试者在时间2时参与了测试。我想跨组时间和运行测量不变性分析。当然,对于那些只参与时间1的人,他们不会估计时间2潜在变量。 在lavaan中,您可以为模型中的每个变量指定不同的权重,方法是为其加上一个权重向量的前缀。例如,c(0.5,0.2)将使第一组的权重为0.5,第二组的权重为0.2。对我来说,问题是我不能对潜在变量做这件事。 我的问题:我如何告知lava

    0热度

    1回答

    第一次使用R中的lavaan包运行SEM分析。 我有以下模式: FAC1 =〜A1 + A3 + A4 + A5 FAC2 =〜A2 + A7 + A8 + A12 FAC3 =〜A9 + A10 + A11 + A14 FAC4 =〜A12 + A13 + A15 + A16 FAC4〜FAC1 + FAC2 + FAC3 FAC3〜F AC1 + FAC2 .....一些指定项目A1之间协方至

    -2热度

    1回答

    我期待在R中运行CFA,但我对语言一般都很陌生。我试过使用lavaan软件包,但一直未能执行代码。我会继续学习R,但认为我可以在这里得到一些帮助。

    0热度

    1回答

    我想按性别测试度量等价性,但出现错误。 我有以下相关矩阵: (?我怎样才能获得,让我与SDS的重复性协方差/相关矩阵控制台输出) > cor(sub1, use="pairwise.complete.obs") V24 V25 V52 V53 V54 V37 V24 1.000000000 0.697521674 0.01568641 0.018252279 0

    4热度

    2回答

    我想用我的序数数据计算R(lavaan)中的验证性因子分析(CFA)。我正在分析一个包含16个项目(Likert-Scale)的问卷。我假设一个4因素模型最适合我的数据。为了计算CFA,我搜索了信息,并在论文(https://www.researchgate.net/publication/7489589_Comparison_of_alternative_estimation_methods_i

    0热度

    2回答

    我构建使用piecewiseSEM包R(Lefcheck - https://cran.r-project.org/web/packages/piecewiseSEM/vignettes/piecewiseSEM.html)分段结构方程模型 我已经创建的模型设定,我可以评估模型适合,所以模型本身的作品。此外,数据符合模型(p = 0.528)。 但我没有成功提取路径系数。 这是错误我得到:Erro

    0热度

    2回答

    我想使用semPaths()创建具有分类响应变量的SEM模型的路径图。但是我遇到一个错误: library(lavaan) library(semPlot) table.7.5 <-read.table("http://www.da.ugent.be/datasets/Agresti2002.Table.7.5.dat",header=TRUE) table.7.5$mental <-

    0热度

    1回答

    我正在Lavaan运行一个非递归模型。但是,发生了两件事,我不太明白。首先,适合度指数和一些标准误差是“不适用”。其次,不同方向两个变量之间的两个系数不一致(非递归部分:ResidentialMobility - Author):一个是正数,另一个是负数(至少它们应该是相同的方向;否则,如何说明?)。有人可以帮我吗?请让我知道你是否想让我更多地澄清它。谢谢! model01<-'Residenti

    2热度

    1回答

    我想知道如何使用semPlot为lavaan的SEM模型设置不同节点的不同节点。 library(lavaan) library(semPlot) model <- ' # measurement model ind60 =~ x1 + x2 + x3 dem60 =~ y1 + y2 + y3 + y4 dem65 =~ y5 + y6 + y7 +