Modell aktualisieren

Das aktuelle WAIS-III-Modell weist einen Heywood-Fall zwischen Wahrnehmungsorganisation und Verarbeitungsgeschwindigkeit auf. Um ein stark korreliertes Set latenter Variablen zu beheben, solltest du diese beiden Variablen zu einer latenten Variable zusammenfassen. Lege eine Variable performance an, die die manifesten Variablen der latenten Variablen perceptorg und processing kombiniert.

Die Daten wurden für dich geladen und heißen IQdata. Du kannst sie mit head(IQdata) ansehen.

Diese Übung ist Teil des Kurses

<Kurs>Strukturgleichungsmodellierung mit lavaan in R</Kurs>

Kurs ansehen

Übungsanweisungen

Bearbeite das Vier-Faktoren-Modell so, dass es eine Variable performance enthält, gemessen durch piccomp, block, matrixreason, digsym und symbolsearch.
Verwende die Funktion cfa(), um das Modell auf neue Fehler zu prüfen.
Fasse das Modell zusammen, um die Modellgüte mit der standardisierten Lösung und Fit-Indizes zu bestimmen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Edit the original model
wais.model <- 'verbalcomp =~ vocab + simil + inform + compreh 
workingmemory =~ arith + digspan + lnseq
perceptorg =~ piccomp + block + matrixreason
processing =~ digsym + symbolsearch'

# Analyze the model and include the model and data argument
wais.fit <- cfa(___)

# Summarize the model
summary(___)

Code bearbeiten und ausführen