0

私は、47 の観測変数と 6 つの潜在変数を持つ構造方程式モデル (sem) モデルに取り組んでいます。そのうち 5 つの観測変数は内生的であり、1 つの潜在変数は内生的です。データに欠損値はなく、サンプル サイズは 4,634 です。

sem次のコマンドを使用して Stataで実行しました。

sem (I   -> i1 i2 i3 i4 i5_1)                                  ///
    (N   -> n1 n2 n3 n4)                                       ///
    (S   -> s1 s2 s3 s4 s5 s6 s7 s8 s9)                        ///
    (T   -> t1 t2 t3 t4)                                       ///
    (SES -> se1 se2 se3 se4 se5 se6 se7 se8 se9 se10           ///
            se11 se12 se13 se14 se15 se16 se17 se18 se19 se20) ///
    (CS  -> c1 c2 c3 c4 c5)                                    ///
    (CS  <- I N S T SES)

次のエラー メッセージが返されました。

initial values are not feasible

このメッセージが表示されるのはなぜですか? このエラーに対処するにはどうすればよいですか?

4

1 に答える 1

0

まず、各測定モデルを個別に見て、そこに問題があるかどうかを確認します。すなわち:

sem ( i1 i2 i3 i4 i5_1 <- I)

sem ( i1 i2 i3 i4 i5_1 <- N)

等

私の推測では、SES のモデルが問題であることが判明する可能性があります。

編集：

あなたのコメントに基づいて、分離した測定モデルが収束することがわかりました。次のステップは、それぞれの測定モデルをチェックして、意味があるかどうかを確認することです。それぞれの荷重は予想される符号を持っていますか? 意外と大きい、小さい積載はありませんか？それが見られる場合は、なぜそれが当てはまるのかを理解する必要があります。これには、データをじっと見つめ、グラフと相関表を確認するだけで済みます。

測定モデルに問題がなければ、次のステップは構造部分を調べることです。明らかに、測定モデルと同じトリックを行うことはできません。つまり、測定モデルなしでは構造部分を推定することはできません。構造には潜在変数が含まれており、それらが何であるかを定義するのは測定モデルです。したがって、測定モデルがなければ、構造モデルは識別されません。

代わりに私がすることは、モデルを単純化し、問題が発生するまで複雑さを追加することです. たとえば、次のように始めます。

sem (I  -> i1 i2 i3 i4 i5_1) ///
    (CS -> c1 c2 c3 c4 c5)   ///
    (CS <- I)

続行するより:

sem (I  -> i1 i2 i3 i4 i5_1) ///
    (N  -> n1 n2 n3 n4)      ///
    (CS -> c1 c2 c3 c4 c5)   ///
    (CS <- I N)

等

そうすれば、どの潜在変数が問題を引き起こしているかを見つけることができます。私の最初の動きは、その変数の測定モデルを調べ、その変数のスケールを調べることです。デフォルトsemでは、その変数の負荷を 1 に設定することにより、観測された変数の 1 つのスケールを「借用」します。その変数はある意味で「変」ですか? 同様に、内因性潜在変数のスケールも調べますCS。それらが奇妙である場合は、別の変数の読み込みをより適切なスケールで 1 に制限することを選択するか、潜在変数の分散を 1 に制限することによって潜在変数を「標準化」することができます。

于 2013-06-17T14:43:36.313 に答える