如何解决为什么使用综合分数时路径分析会失败?
我正在尝试使用 lavaan
对读取评估数据(无潜在变量)运行路径分析,但通常会失败并显示以下错误:
In lav_model_estimate(lavmodel = lavmodel,lavpartable = lavpartable,:
lavaan WARNING: the optimizer warns that a solution has NOT been found
虽然数据比较大,但我已经看出问题的根源在于模型的这一部分:reading ~ a + b + c
a
、b
和 c
都是 0-30 的分数,它们基本上是 3 组不同的词。 “阅读”是基本综合分数(即,对于每个孩子,“阅读”是将 a+b+c
相加)。
删除 a、b 或 c 中的任何一个都会产生“成功”的结果,所以我相信模型中以某种方式太多信息?
a、b 和 c 之间的相关性并不特别异常 - 介于 0.3 和 0.37 之间。
是否有任何原因导致路径分析会因为使用这样的综合分数而失败,即使分数之间存在差异?
解决方法
经过一些评论,我想我明白你想要什么了。我的建议是将阅读假设为潜在变量(在 literature 中很常见),运行多组验证性因素分析以测试组间的潜在差异。
model <- "reading =~ a + b + c"
semTools::measurementInvariance(model=model,data=df,group="variable of grouping")
如果测量不变性成立,则您的组在拟合方面没有差异。如果没有,您可以调查失败的地方(使用 Δχ² 标准或 ΔCFI 标准或其他)。
示例:
HS.model <- ' visual =~ x1 + x2 + x3'
semTools::measurementInvariance(model=HS.model,data=HolzingerSwineford1939,group="school")
或者,对于 semTools,您可以使用 lavaan
函数:
library(lavaan)
fit <- cfa(model=model,group="school",group.equal=c("loadings")) #then if it holds,group.equal=c("loadings","intercepts"))
如果您想针对特定参数专门比较两组:
model_free <- "visual =~ x1 + c(l1,l2)*x2 + x3"
fit_model_free <- cfa(model=model_free,group="school")
model_equal <- "visual =~ x1 + c(l3,l3)*x2 + x3"
fit_model_equal <- cfa(model=model_equal,group="school")
lavaan::anova(fit_model_free,fit_model_equal) #LRT test
如果模型不同,则意味着一组中的一个负荷与另一组的负荷在统计学上存在显着差异。
在这个例子中,没有:
(¬_¬)lavaan::anova(fit_model_free,fit_model_equal)
Chi-Squared Difference Test
Df AIC BIC Chisq Chisq diff Df diff Pr(>Chisq)
fit_model_free 0 2718.0 2784.8 0.0000
fit_model_equal 1 2716.2 2779.3 0.2078 0.20782 1 0.6485
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。