问题描述
假设我有一个不连续的结果变量。例如,它可以是有序分类变量或名义(无序)分类变量。这意味着我需要将变量建模为有序 logit 模型或多项式模型。
我知道 lavaan 和其他软件不包括将整个结构方程模型 SEM 与不连续的结果变量拟合的选项(只有二元变量的解决方法)。 由于我仍然想在分类模型中使用潜在变量,我想知道使用 lavPredict() 函数计算因子分数是否正确,并将这些潜在变量作为回归变量包含在外部分类模型。 我见过很多例子,人们遵循这种方法,但使用探索性因子分析 EFA 或主成分分析 PCA。我更愿意依赖 CFA,因为我对潜在变量有一个清晰而扎实的理论。
此外,lavPredict() 函数具有参数 method 和选项 regression 和 Bartlett。 应该我使用回归还是 Bartlett 因子分数?两种方案有什么区别?
换句话说:
library(lavaan)
HS.model <- ' visual =~ x1 + x2 + x3
textual =~ x4 + x5 + x6
speed =~ x7 + x8 + x9 '
fit <- cfa(HS.model,data=HolzingerSwineford1939)
Latents <- lavPredict(fit)
Latents <- as.data.frame(Latents)
Latents_Bartlett <- lavPredict(fit,method = "Bartlett")
Latents_Bartlett <- as.data.frame(Latents_Bartlett)
在数据帧 Latents 中使用潜在变量 visual、textual 和 speed 是正确的Latents_Bartlett 作为后续有序 logit 模型或多项模型中的回归量?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)