首页 / 更多教程 / R语言:结构方程模型、潜变量分析
R语言:结构方程模型、潜变量分析
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了R语言:结构方程模型、潜变量分析，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含6243字，纯文字阅读大概需要9分钟。
内容图文
原文链接：http://tecdat.cn/?p=3071
结构方程模型入门
介绍
对于熟悉线性回归拟合结构方程模型的分析师来说，在R环境中，拟合结构方程模型涉及学习新的建模语法，新的绘图语法以及通常是新的数据输入方法。然而，拟合结构方程模型可以成为分析师工具箱中的强大工具。
设置 环境
在R中实现SEM有许多不同的包，lavaan软件包为大多数SEM用户提供了全面的功能集，并且具有易于学习的语法来描述SEM模型。要安装lavaan，我们只需运行：
# 安装
install.packages("lavaan")
读入数据
我们需要读入数据集。我们读取方差 - 协方差矩阵并运行路径分析模型。
mat1 <- matrix(c(1, 0, 0, 0.6, 1, 0, 0.33, 0.63, 1), 3, 3, byrow = TRUE)
print(mat1)
## ILL IMM DEP
## ILL 1.00 0.00 0
## IMM 0.60 1.00 0
## DEP 0.33 0.63 1
现在我们在我们的环境中命名了一个方差 - 协方差矩阵。有了这些数据，我们可以构建两种可能的模型
- 抑郁症（DEP）影响免疫系统（IMM）影响疾病（ILL）
- IMM影响ILL影响DEP
使用SEM我们可以评估哪个模型最能解释我们在上面的数据中观察到的协方差。拟合模型lavaan是一个两步过程。首先，我们创建一个文本字符串定义lavaan模型 。接下来，我们给出lavaan如何拟合这个模型。
# 定义模型
# 拟合模型
mod1fit <- sem(mod1, sample.cov = mat1, sample.nobs = 500)
# 定义模型2
mod2fit <- sem(mod2, sample.cov = mat1, sample.nobs = 500)
现在，我们在环境中为每个模型存储了两个对象。我们有模型字符串和modelfit对象。summary提供输出：
##
## Number of observations 500
##
## Estimator ML
## Minimum Function Test Statistic 2.994
## Degrees of freedom 1
## P-value (Chi-square) 0.084
##
## Parameter estimates:
##
## Information Expected
## Standard Errors Standard
##
## Estimate Std.err Z-value P(>|z|)
## Regressions:
## ILL ~
## IMM 0.600 0.036 16.771 0.000
## IMM ~
## DEP 0.630 0.035 18.140 0.000
##
## Variances:
## ILL 0.639 0.040
## IMM 0.602 0.038
##
## Number of observations 500
##
## Estimator ML
## Minimum Function Test Statistic 198.180
## Degrees of freedom 1
## P-value (Chi-square) 0.000
##
## Parameter estimates:
##
## Information Expected
## Standard Errors Standard
##
## Estimate Std.err Z-value P(>|z|)
## Regressions:
## DEP ~
## ILL 0.330 0.042 7.817 0.000
## ILL ~
## IMM 0.600 0.036 16.771 0.000
##
## Variances:
## DEP 0.889 0.056
## ILL 0.639 0.040
理解SEM模型的最佳方法之一是使用路径图直观地检查模型。
接下来，我们加载库并制作一些路径图。
这两个简单的路径模型哪个更好？我们可以运行卡方检验。
## Chi Square Difference Test
##
## Df AIC BIC Chisq Chisq diff Df diff Pr(>Chisq)
## mod1fit 1 3786 3803 2.99
## mod2fit 1 3981 3998 198.18 195 0 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
可以看到模型2更好。让我们看一下模型2的一些属性。
# 拟合优度评价指标## fmin chisq df pvalue ## 0.198 198.180 1.000 0.000 ## baseline.chisq baseline.df baseline.pvalue cfi ## 478.973 3.000 0.000 0.586 ## tli nnfi rfi nfi ## -0.243 -0.243 1.000 0.586 ## pnfi ifi rni logl ## 0.195 0.587 0.586 -1986.510 ## unrestricted.logl npar aic bic ## -1887.420 4.000 3981.020 3997.878 ## ntotal bic2 rmsea rmsea.ci.lower ## 500.000 3985.182 0.628 0.556 ## rmsea.ci.upper rmsea.pvalue rmr rmr_nomean ## 0.703 0.000 0.176 0.176 ## srmr srmr_nomean cn_05 cn_01 ## 0.176 0.176 10.692 17.740 ## gfi agfi pgfi mfi ## 0.821 -0.075 0.137 0.821 ## ecvi ## 0.412
# 模型参数预测## lhs op rhs est se z pvalue ci.lower ci.upper ## 1 DEP ~ ILL 0.330 0.042 7.817 0 0.247 0.413 ## 2 ILL ~ IMM 0.600 0.036 16.771 0 0.530 0.670 ## 3 DEP ~~ DEP 0.889 0.056 15.811 0 0.779 1.000 ## 4 ILL ~~ ILL 0.639 0.040 15.811 0 0.560 0.718 ## 5 IMM ~~ IMM 0.998 0.000 NA NA 0.998 0.998
# 修改指标
## lhs op rhs mi epc sepc.lv sepc.all sepc.nox
## 1 DEP ~~ DEP 0.0 0.000 0.000 0.000 0.000
## 2 DEP ~~ ILL 163.6 -0.719 -0.719 -0.720 -0.720
## 3 DEP ~~ IMM 163.6 0.674 0.674 0.675 0.674
## 4 ILL ~~ ILL 0.0 0.000 0.000 0.000 0.000
## 5 ILL ~~ IMM NA NA NA NA NA
## 6 IMM ~~ IMM 0.0 0.000 0.000 0.000 0.000
## 7 DEP ~ ILL 0.0 0.000 0.000 0.000 0.000
## 8 DEP ~ IMM 163.6 0.675 0.675 0.675 0.676
## 9 ILL ~ DEP 163.6 -0.808 -0.808 -0.808 -0.808
## 10 ILL ~ IMM 0.0 0.000 0.000 0.000 0.000
## 11 IMM ~ DEP 143.8 0.666 0.666 0.666 0.666
## 12 IMM ~ ILL 0.0 0.000 0.000 0.000 0.000
非常感谢您阅读本文，有任何问题请在下面留言！
最受欢迎的见解
3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）
5.R语言回归中的Hosmer-Lemeshow拟合优度检验
6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标
内容总结
以上是互联网集市为您收集整理的R语言:结构方程模型、潜变量分析全部内容，希望文章能够帮你解决R语言:结构方程模型、潜变量分析所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。