Как проверить, что переменные ошибок индикатора не коваризуются? - PullRequest
Новая
       12

Как проверить, что переменные ошибок индикатора не коваризуются?

0 голосов
/ 31 марта 2019

Я изучаю SEM / CFA и в настоящее время изучаю книгу Божеана (2014) об использовании lavaan . В главе, где он говорил о CFA и количестве переменных-индикаторов, которые необходимы для обеспечения того, чтобы модель была просто / переопределена, он дал несколько практических правил. Например, «LV (скрытая переменная) имеет 3 индикаторные переменные, а отклонения ошибок не коваризуются».

Мой вопрос в гисте: как это проверить? После запуска модели я смог получить ковариационную матрицу ошибок (следуя инструкциям, приведенным в книге), но я не уверен, как это интерпретировать. Ниже я привожу пример, который использовал Божан (эти коды взяты из его книги) 

# convert vector of correlations into matrix
   wisc4.cor <-  lower2full(c(1,0.72,1,0.64,0.63,1,0.51,0.48,0.37,1,0.37,0.38,0.38,0.38,1))
# enter the SDs
   wisc4.sd <- c(3.01 , 3.03 , 2.99 , 2.89 , 2.98)
# name the variables
   colnames(wisc4.cor) <- rownames(wisc4.cor) <- c("Information", "Similarities", "Word.Reasoning", "Matrix.Reasoning", "Picture.Concepts")
   names(wisc4.sd) <-  c("Information", "Similarities", "Word.Reasoning", "Matrix.Reasoning", "Picture.Concepts")
# convert correlations and SDs to covarainces
   wisc4.cov <- cor2cov(wisc4.cor,wisc4.sd)
# specify single factor model
   wisc4.model<-'
   g =~ a*Information + b*Similarities + c*Word.Reasoning + d*Matrix.Reasoning + e*Picture.Concepts
'
# fit model
   wisc4.fit <- cfa(model=wisc4.model, sample.cov=wisc4.cov, sample.nobs=550,  std.lv=FALSE)
# examine parameter estimates
   summary(wisc4.fit,standardized=TRUE)
   parameterEstimates(wisc4.fit,standardized=TRUE)

#obtain the model-implied covariances of the indicator variables
   inspect(wisc4.fit, "cov.ov")

И вот что я получил: 

                 Infrmt Smlrts Wrd.Rs Mtrx.R Pctr.C
Information      9.044                             
Similarities     6.551  9.164                      
Word.Reasoning   5.716  5.633  8.924               
Matrix.Reasoning 4.303  4.241  3.700  8.337        
Picture.Concepts 3.606  3.553  3.100  2.334  8.864

Как мне это интерпретировать? Большое спасибо!

...