gpt4 book ai didi

r - R 的 lavaan 中的模型识别

转载 作者:行者123 更新时间:2023-12-02 03:55:26 24 4
gpt4 key购买 nike

我正在尝试使用 R 的 lavaan 包进行潜在变量分析。但是,我收到以下错误消息:

Warning messages: 1: In lav_data_full(data = data, group = group, cluster = cluster, : lavaan WARNING: some observed variances are (at least) a factor 1000 times larger than others; use varTable(fit) to investigate 2: In lav_model_vcov(lavmodel = lavmodel, lavsamplestats = lavsamplestats, : lavaan WARNING: could not compute standard errors! lavaan NOTE: this may be a symptom that the model is not identified. 3: In lav_object_post_check(object) : lavaan WARNING: some estimated ov variances are negative 4: In lav_object_post_check(object) :
lavaan WARNING: some estimated lv variances are negative

我的模型结构如下:

enter image description here

model <- "
# regressions
eigenvector.frug ~ Size + Morphology

# latent variables
Size =~ Mass + Forearm
Morphology =~ LMT + BUM

# covariances and variances
Mass ~~ Forearm
LMT ~~ BUM
Mass ~~ Mass
Forearm ~~ Forearm
LMT ~~ LMT
BUM ~~ BUM
"

我正在运行的代码是:

fit <- sem(model, data=data,
orthogonal=TRUE)

我得到以下摘要:

lavaan (0.5-23.1097) converged normally after 141 iterations

Number of observations 41

Estimator ML
Minimum Function Test Statistic 88.676
Degrees of freedom 2
P-value (Chi-square) 0.000

Parameter Estimates:

Information Expected
Standard Errors Standard

Latent Variables:
Estimate Std.Err z-value P(>|z|)
Size =~
Mass 1.000
Forearm 4.941 NA
Morphology =~
LMT 1.000
BUM 1.349 NA

Regressions:
Estimate Std.Err z-value P(>|z|)
eigenvector.frug ~
Size -0.000 NA
Morphology -2.774 NA

Covariances:
Estimate Std.Err z-value P(>|z|)
.Mass ~~
.Forearm 59.805 NA
.LMT ~~
.BUM 2.926 NA
Size ~~
Morphology 0.000

Variances:
Estimate Std.Err z-value P(>|z|)
.Mass 272.184 NA
.Forearm -518.752 NA
.LMT 3.283 NA
.BUM 5.871 NA
.eigenvectr.frg 0.344 NA
Size 26.894 NA
Morphology -0.038 NA

由于数据在不同尺度上有所不同,我尝试使用尺度函数对所有变量进行标准化,然后再次运行模型。

data2 = scale(data)

然后我收到以下错误消息:

Warning message: In lav_model_vcov(lavmodel = lavmodel, lavsamplestats = lavsamplestats, : lavaan WARNING: could not compute standard errors! lavaan NOTE: this may be a symptom that the model is not identified.

以及以下摘要:

lavaan (0.5-23.1097) converged normally after  69 iterations

Number of observations 41

Estimator ML
Minimum Function Test Statistic 87.973
Degrees of freedom 2
P-value (Chi-square) 0.000

Parameter Estimates:

Information Expected
Standard Errors Standard

Latent Variables:
Estimate Std.Err z-value P(>|z|)
Size =~
Mass 1.000
Forearm 0.940 NA
Morphology =~
LMT 1.000
BUM 0.181 NA

Regressions:
Estimate Std.Err z-value P(>|z|)
eigenvector.frug ~
Size 0.536 NA
Morphology -0.042 NA

Covariances:
Estimate Std.Err z-value P(>|z|)
.Mass ~~
.Forearm 0.389 NA
.LMT ~~
.BUM 0.541 NA
Size ~~
Morphology 0.000

Variances:
Estimate Std.Err z-value P(>|z|)
.Mass 0.404 NA
.Forearm 0.471 NA
.LMT 0.394 NA
.BUM 0.957 NA
.eigenvectr.frg 0.819 NA
Size 0.571 NA
Morphology 0.581 NA

你能帮我找出问题所在吗?非常感谢。

最佳答案

我认为问题在于同一构造上的指标之间的相关残差。您试图以冗余的方式解释同一构造上的指标之间的关系。

例如,潜在构造“尺寸”可以解释指示变量“质量”和“前臂”之间的关系。残差将被概念化为指标中的方差,该方差不能由潜在构造解释。

然后你要做的就是让残差相互关联,这对“质量”和“前臂”之间的共享方差进行建模,而潜在因素无法解释这一点。

问题在于您的潜在构造仅由这两个变量组成。您基本上是在告诉lavaan:“将这两个指标之间的方差建模为潜在构造......不等!还将相同的方差建模为残差!”所以 lavaan 基本上是在告诉你,“这没有意义,我不能那样做!”我会尝试这段代码:

model2 <- "
# regressions
eigenvector.frug ~ Size + Morphology

# latent variables
Size =~ Mass + Forearm
Morphology =~ LMT + BUM

# covariances and variances
Mass ~~ Mass
Forearm ~~ Forearm
LMT ~~ LMT
BUM ~~ BUM
"

此代码隐式将残差协方差修复为零。

您可能遇到的另一个问题是每个子模型均未识别。对于每个潜在变量,您尝试根据 2 个未识别的指标来估计潜在构造(即,您有 3 个与方差相关的元素可供使用,但您正在估计 2 个残差、一个载荷和一个潜在方差) 。为了解决这个问题,您可以将每个潜在因子的载荷限制为彼此相等。我们可以通过为因子载荷分配相同的标签来做到这一点(这里,每个因子为“a”和“b”)。

model3 <- "
# regressions
eigenvector.frug ~ Size + Morphology

# latent variables
Size =~ a*Mass + a*Forearm
Morphology =~ b*LMT + b*BUM

# covariances and variances
Mass ~~ Mass
Forearm ~~ Forearm
LMT ~~ LMT
BUM ~~ BUM
"

关于r - R 的 lavaan 中的模型识别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44114501/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com