запуск CFA в lavaan - отображение корреляции между скрытыми переменными - PullRequest
Новая
       4

запуск CFA в lavaan - отображение корреляции между скрытыми переменными

0 голосов
/ 10 июля 2019

Я провел анализ фактора подтверждения и теперь я хотел бы применить критерий Форнелла / Ларкера. Для этого мне нужна корреляция между скрытыми переменными. Как я могу отобразить / получить корреляцию между скрытыми переменными?

Я пробовал следующие команды, генерирующие вывод:

  • standardizedSolution(fit)
  • summary(fit, fit.measures=TRUE)
  • lavInspect(fit,"standardized")

Но ни одна из этих команд не генерирует "фи" (ковариацию между скрытыми переменными. Таким образом, у меня есть два вопроса:

1) Итак, кто-нибудь знает, как отобразить скрытые переменные подтверждающего факторного анализа в r?

2) Посмотрите на вывод lavInspect (подходит, «стандартизирован») (см. Ссылку внизу текста). Вместо «фи» он генерирует «$ psi». Это "пси" может быть "Фи"? Поскольку генерируемая им матрица выглядит как корреляционная матрица

Вот код: 

#packages
library(lavaan)
library(readr)

CNCS<- read_delim("Desktop/20190703 Full Launch/Regressionen/Factor analysis/CNCS -47 Reversed.csv",
       ";", escape_double = FALSE, trim_ws = TRUE)

View(CNCS)
library(carData)
library(car)

CNCS.model <-

'AttitudeTowardsTheDeal =~ Q42_1 + Q42_2 + Q42_3

SubjectiveNormsImportance =~ Q43_r1 + Q43_r2 + Q43_r3 + Q43_r4

SubjectiveNormsFavour =~ Q44_r1 + Q44_r2 + Q44_r3 + Q44_r4

EaseOfPurchasing =~ Q45_r1 + Q45_r2 + Q45_r3 + Q45_r4 + Q45_r5 + Q45_r6

SE =~ Q3_r1 + Q3_r2 + Q3_r3 + Q4_r4

Consumer Innovativeness =~ Q4_r1 + Q4_r2 + Q4_r3 + Q4_r4 + Q4_r5

Purchase Intention =~ Q41moeglich_1 + Q41gewiss_1 + Q1wahrscheinlich_1 + Q41vorauss_1'


fit <- cfa(CNCS.model, data=CNCS)
summary(fit, fit.measures=TRUE)
lavInspect(fit,"standardized")
standardizedSolution(fit)

Частичный ВЫХОД lavInspect(fit,"standardized")

Пожалуйста, перейдите по ссылке на скриншот частичного вывода lavInspect ()

1 Ответ

0 голосов
/ 16 июля 2019

Возьмите пример cfa, приведенный в руководстве, как 

library(lavaan)
## The famous Holzinger and Swineford (1939) example
HS.model <- ' visual  =~ x1 + x2 + x3
              textual =~ x4 + x5 + x6
              speed   =~ x7 + x8 + x9 '

fit <- cfa(HS.model, data=HolzingerSwineford1939)

и включите стандартизированное соответствие в сводку с 

summary(fit, standardized = TRUE)

, получив 

...

Latent Variables:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
  visual =~                                                             
    x1                1.000                               0.900    0.772
    x2                0.554    0.100    5.554    0.000    0.498    0.424
    x3                0.729    0.109    6.685    0.000    0.656    0.581
  textual =~                                                            
    x4                1.000                               0.990    0.852
    x5                1.113    0.065   17.014    0.000    1.102    0.855
    x6                0.926    0.055   16.703    0.000    0.917    0.838
  speed =~                                                              
    x7                1.000                               0.619    0.570
    x8                1.180    0.165    7.152    0.000    0.731    0.723
    x9                1.082    0.151    7.155    0.000    0.670    0.665

Covariances:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
  visual ~~                                                             
    textual           0.408    0.074    5.552    0.000    0.459    0.459
    speed             0.262    0.056    4.660    0.000    0.471    0.471
  textual ~~                                                            
    speed             0.173    0.049    3.518    0.000    0.283    0.283

Variances:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .x1                0.549    0.114    4.833    0.000    0.549    0.404
   .x2                1.134    0.102   11.146    0.000    1.134    0.821
   .x3                0.844    0.091    9.317    0.000    0.844    0.662
   .x4                0.371    0.048    7.779    0.000    0.371    0.275
   .x5                0.446    0.058    7.642    0.000    0.446    0.269
   .x6                0.356    0.043    8.277    0.000    0.356    0.298
   .x7                0.799    0.081    9.823    0.000    0.799    0.676
   .x8                0.488    0.074    6.573    0.000    0.488    0.477
   .x9                0.566    0.071    8.003    0.000    0.566    0.558
    visual            0.809    0.145    5.564    0.000    1.000    1.000
    textual           0.979    0.112    8.737    0.000    1.000    1.000
    speed             0.384    0.086    4.451    0.000    1.000    1.000

Вы найдете записи матрицы ковариации в разделах Covariances: и Variances: соответственно в столбце Estimate и записи матрицы корреляции в столбце Std.lv.

Обратите внимание, что inspect или, скорее, lavInspect предоставляет аргумент what, который по умолчанию указывается с "free".Взятые из руководства, три соответствующие другие опции:

  • "est": список матриц моделей.Значения представляют собой оценочные параметры модели.Псевдонимы: «оценки» и «x».

  • "std": список матриц моделей.Значения представляют (полностью) стандартизированные параметры модели (дисперсии как наблюдаемой, так и скрытой переменных устанавливаются в единицу).Псевдонимы: "std.all", "стандартизированный".

  • "std.lv": список матриц моделей.Значения представляют стандартизированные параметры модели (только дисперсии скрытых переменных установлены на единицу.)

, которые относятся к сводным столбцам Estimate Std.lv и Std.all.Далее попробуйте следующую строку 

cov2cor(lavInspect(fit, what = "est")$psi)

В случае каких-либо сомнений, я рекомендую вам обратиться к учебному пособию , пакетам инфраструктуры поддержки или домашней странице.

...