관측 변수의 헤이우드 사례

R에서 lavaan으로 배우는 구조방정식모형

Erin Buchanan

Professor

음수 분산의 원인

음수 분산이 발생하는 원인:
- 모형의 잘못된 설정 또는 미식별
- 작은 표본 크기 또는 표본 변동
- 관측 변수의 척도 상이
- 데이터의 왜도 또는 비정규성

음수 분산 예시

negative.model <- 'latent1 =~ V1 + V2 + V3
    latent2 =~ V4 + V5 + V6'
negative.fit <- cfa(negative.model, data = negative_data)

Warning message:
In lavaan::lavaan(model = negative.model, 
  data = negative_data,  :
  lavaan WARNING: model has NOT converged!

요약으로 헤이우드 사례 확인

summary(negative.fit, standardized = TRUE,
        fit.measures = TRUE, rsquare = TRUE)

** WARNING ** lavaan (0.5-23.1097) did 
   NOT converge after 10000 iterations
** WARNING ** Estimates below are most likely unreliable

Variances:
         Estimate  Std.Err z-value P(>|z|)  Std.lv  Std.all
   .V2    -3949.334      NA                -3949.334 -211.745
   .V5    11885.910      NA                11885.910 615.668

R-제곱 출력 결과 분석

R-Square:
                   Estimate 
    V1                 0.001
    V2                    NA
    V3                 0.000
    V4                -0.000
    V5              -614.668
    V6                -0.000

var(negative_data$V2)

18.83833

모형 업데이트

negative.model <- 'latent1 =~ V1 + V2 + V3
    latent2 =~ V4 + V5 + V6
    V2 ~~ 18.83833*V2'

negative.fit <- cfa(negative.model,
                    data = negative_data)

summary(negative.fit,
        standardized = TRUE,
        fit.measures = TRUE,
        rsquare = TRUE)

업데이트된 출력 결과

Variances:
          Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .V2      18.838                              18.838    0.962
   .V1       7.655    1.145    6.687    0.000    7.655    0.772
   .V3      16.100    1.580   10.189    0.000   16.100    0.848
   .V4      13.866    1.017   13.638    0.000   13.866    0.876
   .V5       8.851    5.472    1.617    0.106    8.851    0.400
   .V6      12.336    0.599   20.596    0.000   12.336    0.956
    latent1  2.261    1.128    2.004    0.045    1.000    1.000
    latent2  1.956    0.875    2.236    0.025    1.000    1.000

음수 분산 예시 (5)

R-Square:
                   Estimate
    V2                0.038
    V1                0.228
    V3                0.152
    V4                0.124
    V5                0.600
    V6                0.044

연습해 봅시다!

R에서 lavaan으로 배우는 구조방정식모형