SEMモデルをテストしようとしています。潜在的な構成LCを構成する3つの指標(I1〜I3)がある。これは、従属変数DVを説明する必要があります。今のところ単純です。誤差項から従属変数(lavaan)への回帰
今私は、指標のユニークな分散が(LCに実行しない)DVに追加説明を貢献することを前提としています。このような何か:
IV1 ↖
IV2 ← LC → DV
IV3 ↙ ↑
↑ │
e3 ───────┘
lavaan
で誤差項/残差(E3)は、通常は書かれていません。また、
model = '
# latent variables
LV =~ IV1 + IV2 + IV3
# regression
DV ~ LV
'
、I3の残留は、DVを説明するために貢献しcompontentに分割する必要があります、残りの1つの残差を含む。
私はではありません私はDVに貢献することができるユニークな説明I3を示す私の目標は、その私の目標はI3によって直接説明したいと思います。したがって、分散は2つのパスに分散されません。代わりに、経路IV3→LC→DVを最大化し、残差をI3→DVに入れたいと思う。
質問:私はSEMモデルでこれを鎮圧するにはどうすればよいですか?まったく可能ですか?
ボーナス質問:意味をなさないしていますか?さらに:各独立変数がDVへの道を持っていることは、SEMの見解(理論的にはそうです)から意味がありますか?
サイドノート:私がすでに行ったことは、伝統的に、一連の計算を使用してこれを計算することでした。すなわち、私はLVへのペンダントを計算しました(I1からI3の平均で、主成分を使用することもできます)。その後、3回の回帰Ix→LCを行い、1xの残差をDVに多重回帰しました。共通分散を取り除くことは、残差の1つを余分にするように思われます(私はまだ完全に理解できません)ので、回帰モデルは残差のそれぞれについてb
を推定できませんが、最後のものはスキップ(NA)します。しかし、これはCrossValidatedにとってはむしろ疑問です。モデルをプログラミングコードに入れること、つまり残差(e3)からDVにパスを「描画」することに興味がある瞬間です。ありがとう!あなたの質問のために
まず、お寄せいただきありがとうございます。私には何かを学ぶだけです:回帰において 'lavaan'は' x3'の残差/誤差を使う方法を "知っています"?私は伝統的な回帰にもっと慣れています。そこでは、潜在的な構造(私はこのようには持っていないでしょう)と従属変数は 'x3'の分散を「共有する」べきです。潜在変数の「定義」は、SEM/lavaanの回帰よりも何らかの優先度を持っていますか?私はR2(それが差異がない)については心配しませんが、パス係数について(私は 'x3→x4'に対してはほんの少ししか期待していません)について心配していません。 – BurninLeo
このように考えてみましょう。潜在変数ビジュアルには、x1、x2、x3のすべての共有分散が含まれています。したがって、x4をvisualとx3で予測すると、x3の係数はx3とx4の関連を表し、x4とx1、x2、x3の共分散(すなわち潜在的構成)との間の関連性を制御します。しかし、必ずしもすべての場合において、x3とx4の残差の間に小さな関連性があるとは思えません。 – jsakaluk