V této kapitole se pustíš do tvorby svého prvního strukturálního modelu rovnic v balíčku lavaan. Naučíš se klíčovou terminologii, zjistíš, jak modely sestavovat a spouštět. Vytvoříš jednofaktorový model schopností mentálních testů na klasickém datasetu Holzinger a Swineford (1939).

Specifikace modelu

Sestav model rychlosti čtení

Sestav model politické demokracie

Analýza modelu

Analýza modelu rychlosti čtení

Sumarizace politické demokracie

Hodnocení modelu

Prozkoumání standardizovaných zátěží

Prozkoumání indexů shody

Prozkoumání politické demokracie

Jednofaktorové modely

V této kapitole rozšíříš své dovednosti v lavaan o tvorbu vícefaktorových modelů. Vylepšíme jednofaktorové modely z předchozí kapitoly tím, že v klasickém datasetu Holzinger a Swineford (1939) vytvoříme více latentních proměnných.

Specifikace vícefaktorového modelu

Vytvoř model s nulou stupňů volnosti

Oprav model s nulovými stupni volnosti

Sestavení vícefaktorového modelu

Shrnutí vícefaktorového modelu

Struktura modelu

Třífaktorový model s nulovou korelací

Vytvoření přímé cesty

Modifikační indexy

Kontrola rozptylu modelu

Prozkoumání modifikačních indexů

Porovnání modelů

Porovnání dvou modelů

Výběr konkrétních indexů fitu

Vícefaktorové modely

Strukturální modely rovnic ne vždy běží bez problémů. V této kapitole se naučíš odstraňovat Heywoodovy případy, což jsou časté chyby. Také se dozvíš, jak zobrazit svůj model formou diagramu v R pomocí knihovny semPlot.

Heywoodovy případy u latentní proměnné

Analýza latentního Heywoodova případu

Oprava latentního Heywoodova případu

Heywoodovy případy u manifestních proměnných

Analýza manifestního Heywoodova případu

Oprava manifestního Heywoodova případu

Vytváření diagramů pomocí semPaths()

Základní diagram SEM

Úprava rozložení

Úprava popisků

Řešení chyb modelů a diagramy

Tato kapitola se zaměřuje na IQ škálu WAIS-III a její strukturální vlastnosti. Využiješ dovednosti z prvních tří kapitol k vytvoření různých modelů WAIS-III, odstraníš chyby v těchto modelech a vytvoříš diagramy finálního modelu.

Modelování škály IQ WAIS-III

Vytvoření čtyřfaktorového modelu

Aktualizace modelu

Diagram finálního modelu

Aktualizace modelu WAIS-III

Přidání cest pro zlepšení shody

Hierarchický model IQ

Vytvoření hierarchického modelu

Diagram hierarchického modelu

Shrnutí kurzu

Komplexní příklad a rozšíření

Latent Variable Heywood Case Data

WAIS-III IQ Data for Hierarchical Model

Negative Variance Heywood Case Data

Při práci s daty často chceme vytvářet modely pro předpovídání budoucích událostí, ale zároveň nás zajímá hlubší pochopení toho, jak jsou naše data propojena a strukturována. V tomto kurzu prozkoumáš propojení dat pomocí strukturálního modelování rovnic (SEM) v programovacím jazyce R s balíčkem lavaan. SEM tě seznámí s latentními a manifestními proměnnými a naučíš se vytvářet měřicí modely, vyhodnocovat jejich přesnost a opravovat modely se špatnou mírou shody. V průběhu kurzu budeš pracovat s klasickými SEM datasety, jako jsou Holzinger a Swineford (1939) a Bollen (1989). Projdeš také případovou studií vícefaktorového modelu na základě Wechslerovy škály inteligence dospělých. Po absolvování tohoto kurzu budeš schopen/schopna se ponořit do svých dat a získat mnohem hlubší pochopení toho, jak do sebe všechno zapadá.

Intermediate Regression in R

Naučte se vytvářet a hodnotit modely měření pro potvrzení struktury škály nebo dotazníku.

Structural Equation Modeling with lavaan in R

Naučte se vytvářet a hodnotit měřicí modely používané k potvrzení struktury škály nebo dotazníku.

Heywoodovy případy u latentní proměnné

Create Your Free Account