モデル分析

Rで学ぶlavaanによる構造方程式モデリング

Erin Buchanan

Professor

モデルの用語

自由度（df）
- 観測変数の数と推定値の数によって決まる
- df = 可能な値 - 推定値
- 可能な値 = 観測変数 * (観測変数 + 1) / 2
識別可能性
- 観測変数を少なくとも3つ含める
- df > 0 のモデルを作成する
- スケーリングと制約を用いてdfを調整する

モデルを分析する

#model specification
visual.model <- 'visual =~ x1 + x2 + x3 + x7 + x8 + x9'

#model analysis
visual.fit <- cfa(model = visual.model,
                  data = HolzingerSwineford1939)

視覚速度モデル

結果全体の要約

summary(visual.fit)

lavaan (0.5-23.1097) converged normally after  27 iterations

  Number of observations                           301

  Estimator                                         ML
  Minimum Function Test Statistic              106.553
  Degrees of freedom                                 9
  P-value (Chi-square)                           0.000

Parameter Estimates:

結果の要約：因子負荷量

Latent Variables:
                   Estimate  Std.Err  z-value  P(>|z|)
  visual =~                                           
    x1                1.000                           
    x2                0.586    0.139    4.215    0.000
    x3                0.882    0.149    5.923    0.000
    x7                0.728    0.137    5.320    0.000
    x8                0.944    0.143    6.599    0.000
    x9                1.205    0.170    7.095    0.000

結果の要約：分散

Variances:
                   Estimate  Std.Err  z-value  P(>|z|)
   .x1                0.973    0.093   10.405    0.000
   .x2                1.249    0.106   11.789    0.000
   .x3                0.975    0.090   10.842    0.000
   .x7                0.979    0.087   11.311    0.000
   .x8                0.678    0.069    9.841    0.000
   .x9                0.455    0.069    6.580    0.000
    visual            0.386    0.092    4.201    0.000

練習しましょう！

Rで学ぶlavaanによる構造方程式モデリング