Интерпретация лавановых коэффициентов СЭМ

Question

Первый раз с использованием пакета lavaan в R для запуска анализа SEM.

У меня есть следующие модели:

fac1 = ~ a1 + a3 + a4 + a5

fac2 = ~ a2 + a7 + a8 + a12

FAC3 = ~ a9 + a10 + a11 + а14

fac4 = ~ а12 + а13 + а15 + а16

fac4 ~ fac1 + fac2 + FAC3

FAC3 ~ е AC1 + fac2

..... еще немного указав ковариации между элементами a1 до a16

Выходной сигнал выглядит следующим образом:

латентных переменных: Расчетный Std.Err Z-значение Р (> | г |) Std.lv Std.all fac1 = ~

a1    1.000        0.624 0.684 

a3    0.848 0.112 7.589 0.000 0.529 0.568 

.... ....

fac2 = ~

a12    1.000        0.463 0.330 

a2    3.764 1.290 2.918 0.004 1.742 1.691 

Мои вопросы: 1. Как lavaan выбрать a1 для fac1 и a12 для fac2 и почему это присвоить значения 1 в качестве коэффициентов? 2. Являются ли они a1 и a12 значительными вкладчиками для соответствующих скрытых переменных? 3. Есть ли способ, чтобы модель оценивала их или выводила их без значения, равного 1?

Благодаря

Answer 1

При выполнении скрытого переменного моделирования, всегда есть вопрос о том, что шкале для назначения ненаблюдаемых переменных. В конце концов, вы не собрали данные по этим скрытым переменным, так как могли бы вы узнать их масштаб или, соответственно, их дисперсию?

Один из способов решения этой проблемы (который по умолчанию используется во многих программах SEM, включая пакет lavaan в R), заключается в том, чтобы зафиксировать загрузку первой переменной для данной скрытой переменной в 1. Это имеет эффект " присваивая «шкале этой наблюдаемой переменной скрытую переменную».

Другая популярная альтернатива - использовать стандартную шкалу для скрытой переменной (то есть, среднее значение = 0, sd = 1), и в этом случае загрузка для первой переменной свободно оценивается моделью. В lavaan это может быть реализовано следующим образом: fit<-cfa(model, data=df, std.lv=T)

Добавление std.lv=T говорит lavaan использовать стандартизированную шкалу для скрытой переменной вместо фиксации нагрузки 1.