修正指数

使用 R 中的 lavaan 进行结构方程模型（SEM）

Erin Buchanan

Professor

改进拟合不佳的模型

用户模型 vs 基线模型：
  Comparative Fit Index (CFI)                    0.879
  Tucker-Lewis Index (TLI)                       0.774

近似误差均方根：
  RMSEA                                          0.128
  90% 置信区间                             0.094  0.164
  P 值 RMSEA <= 0.05                              0.000

标准化残差均方根：
  SRMR                                           0.079
使用 R 中的 lavaan 进行结构方程模型（SEM）

改进拟合不佳的模型 (2)

潜变量：
          Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
  visual =~                                                             
    x1       1.000                               0.777    0.667
    x2       0.690    0.124    5.585    0.000    0.536    0.456
    x3       0.985    0.160    6.157    0.000    0.766    0.678
  speed =~                                                              
    x7       1.000                               0.622    0.572
    x8       1.204    0.170    7.090    0.000    0.749    0.741
    x9       1.052    0.147    7.142    0.000    0.654    0.649
使用 R 中的 lavaan 进行结构方程模型（SEM）

改进拟合不佳的模型 (3)

方差：
          Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .x1      0.754    0.110    6.838    0.000    0.754    0.555
   .x2      1.094    0.103   10.661    0.000    1.094    0.792
   .x3      0.688    0.105    6.557    0.000    0.688    0.540
   .x7      0.796    0.082    9.756    0.000    0.796    0.673
   .x8      0.461    0.077    6.002    0.000    0.461    0.451
   .x9      0.587    0.071    8.273    0.000    0.587    0.578

var(HolzingerSwineford1939$x1)

1.362898
使用 R 中的 lavaan 进行结构方程模型（SEM）

修正指数

modificationindices(twofactor.fit, sort = TRUE)

      lhs op rhs     mi    epc sepc.lv sepc.all sepc.nox
34     x7 ~~  x8 35.521  0.624   0.624    0.568    0.568
18 visual =~  x9 35.521  0.659   0.512    0.508    0.508
36     x8 ~~  x9 19.041 -0.527  -0.527   -0.517   -0.517
16 visual =~  x7 19.041 -0.503  -0.391   -0.359   -0.359
26     x1 ~~  x9 11.428  0.177   0.177    0.151    0.151
  • 逐一添加
  • 仅添加有理论意义的参数
使用 R 中的 lavaan 进行结构方程模型（SEM）

更新模型

34     x7 ~~  x8 35.521  0.624   0.624    0.568    0.568

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

用户模型 vs 基线模型：
  Comparative Fit Index (CFI)                    0.976
  Tucker-Lewis Index (TLI)                       0.949
使用 R 中的 lavaan 进行结构方程模型（SEM）

让我们练习！

使用 R 中的 lavaan 进行结构方程模型（SEM）

Preparing Video For Download...