CFA と SEM についていくつか質問があります。

概念モデルを開発し、そのためのデータを収集しました。私はあまり統計を勉強していないので、実際の分析に苦労しています。したがって、この投稿の内容は、私の数日間の読書に基づいています。

基本的には、Mplus などの他のソフトウェアではなく R を使用してモデリングを行いたいと考えています。これは、R では段階的にモデル化する必要があるためです。これは、学習が拡大されることを意味します。

最初は EFA を使用するという間違った道をたどりましたが、以前にモデルをすでに開発していたため、すぐに必要ないことに気付きました。

今、CFA を使用して、下からの概念モデルを 3 次因子モデルと見なすことができるかどうかを理解しようとしていますか?

左端の変数は、中央のマニフェスト変数のメディエーター変数 (観測) です。

Rでこれを行うにはどうすればよいですか? 2 次の 3 因子モデルの CFA の例をいくつか見ましたが、メディエーター変数がある私のようなものは見たことがありません。前もって感謝します！

ツイン モデリングを行うために数年前に記述されたOpenMxスクリプトの例があります。

OpenMx バージョン 1.0 用に作成されました (スクリプトはここにリンクされています) 。

実行すると、適合関数と目的関数の更新に関するいくつかの警告が表示されます。OpenMx 2.0 fit 関数呼び出しを使用するには、どのように更新すればよいですか?

lavaan複数の既知のグループ sem モデルを実行するときに提供される出力から、個々のグループのカイ 2 乗値を抽出したいと考えています。としてカイ 2 乗の合計のみが提供され、fitMeasureカイ 2 乗値は では個々の推定値として扱われませんparameterEstimates。この情報を抽出するための他の自動化された方法はないようです。

関数を使用することができましたcapture.output()。そこからカイ 2 乗値の見出しを見つけ、グループ数 + 1 に基づいて値の行数を数えることができます。次に、使用strsplit()してスペースで分割し、最後に値を取得します。私はこれのための関数を書くことができますが、ここで車輪を再発明したくありません.

初めてlavaanパッケージを使用しRて構造方程式モデル (SEM) 解析を実行します。

コード：

出力：

私の質問:

1. forとforをどのようにlavaan選択し、なぜ値を係数として割り当てたのですか?a1fac1a12fac21
2. それらはa1、a12それぞれの潜在変数への重要な貢献者ですか?
3. モデルに値を設定せずにそれらを推定または導出させる方法はあります1か?

編集：以下のコメントに基づいて、より明確にすることにしました。これが私が取り組んでいるデータの例です。

したがって、2 つの変数AとがありBます。これらはより大きな変数のサブグループであるため、同じ y 軸で表すことができます。2 つのレベルを持つ別の変数でそれらをグループ化したいと考えてoutcomeいます。

私は次のことをします

mean+semここで、矢印関数を使用して、各グループの平均と平均の間に SEM バーを描画する必要もあります。

を使用して SEM を取得できますtapplyが、4 つのバーのそれぞれに矢印を配置する方法がわかりません。

これは、プロットに矢印を配置しません。

baseではなくグラフィックスを使用ggplot2していますが、どうすればよいですか? 誰か助けてくれませんか？他のすべてのグラフは のGrapheRパッケージを使用して作成したRので、これもベース グラフィックスを使用して作成しようとしているので、原稿ではすべて同じように見えます。

ありがとう。

同じ名前の R パッケージの 'plspm' 関数を使用して SEM を評価しようとしています。競合する 2 つのモデルがあります。

モデル 1:

対

モデル 2:

したがって、違いは A と B の間の矢印の方向だけにあります。

コードを実行すると (以下を参照)、最初のモデル (モデル 1) は応答を返しますが、2 番目のモデル (モデル 2) は次のエラーを返します。

check_path(path_matrix) のエラー: 'path_matrix' は下三角行列でなければなりません

私の質問: WHYYYYYY???! 最初の行列を正しい形式にする方法と、2 番目の行列を正しい形式にする方法については、ロジックがわかりません。「下三角行列」を構成するものについて混乱していますか? 以下は、完全なコードと、自分で実行するためのいくつかのデータです。前もって感謝します！