多因子模型设定

使用 R 中的 lavaan 进行结构方程模型（SEM）

Erin Buchanan

Professor

多因子模型

visual.model <- 'visual =~ x1 + x2 + x3 + x7 + x8 + x9'
visual.fit <- cfa(model = visual.model,
                  data = HolzingerSwineford1939)    
summary(visual.fit, standardized = TRUE, 
        fit.measures = TRUE)

与基线模型比较：
  比较拟合指数（CFI）                         0.701
  Tucker-Lewis 指数（TLI）                    0.502
使用 R 中的 lavaan 进行结构方程模型（SEM）

为何不做两个小模型？

visual.model <- 'visual =~ x1 + x2 + x3'
visual.fit <- cfa(model = visual.model,
                  data = HolzingerSwineford1939)    
summary(visual.fit, standardized = TRUE, 
        fit.measures = TRUE)

speed.model <- 'speed =~ x7 + x8 + x9'
speed.fit <- cfa(model = speed.model,
                 data = HolzingerSwineford1939)    
summary(speed.fit, standardized = TRUE, 
        fit.measures = TRUE)
使用 R 中的 lavaan 进行结构方程模型（SEM）

为何不做两个小模型？（2）

  样本量                                           301

  估计方法                                         ML
  最小函数检验统计量                            0.000
  自由度                                            0
  最小函数值                         0.0000000000000
  • 可能的参数 = 3*(3+1)/2 = 6
  • 估计的参数 = 2 个系数 + 4 个方差 = 6
  • 自由度 = 6 - 6 = 0
使用 R 中的 lavaan 进行结构方程模型（SEM）

设定约束

  • 通过约束令参数相等
  • 估计更少参数可增加自由度
  • 用命名为参数设置相等约束
visual.model <- 'visual =~ x1 + a*x2 + a*x3'
使用 R 中的 lavaan 进行结构方程模型（SEM）

含约束的输出

visual.model <- 'visual =~ x1 + a*x2 + a*x3'
visual.fit <- cfa(model = visual.model,
                  data = HolzingerSwineford1939)    
summary(visual.fit, standardized = TRUE, 
        fit.measures = TRUE)

潜变量：
           Estimate Std.Err z-value P(>|z|)  Std.lv Std.all
  visual =~                                                             
    x1       1.000                           0.745    0.639
    x2  (a)  0.910   0.142   6.397   0.000   0.678    0.562
    x3  (a)  0.910   0.142   6.397   0.000   0.678    0.614
使用 R 中的 lavaan 进行结构方程模型（SEM）

设定多因子模型

twofactor.model <- 'visual =~ x1 + x2 + x3 
    speed =~ x7 + x8 + x9'

twofactor.fit <- cfa(model = twofactor.model,
                     data = HolzingerSwineford1939)
summary(twofactor.fit, standardized = TRUE, 
        fit.measures = TRUE)

  自由度                                            8
  P 值（卡方）                                   0.000
使用 R 中的 lavaan 进行结构方程模型（SEM）

Passons à la pratique !

使用 R 中的 lavaan 进行结构方程模型（SEM）

Preparing Video For Download...