Analysiere einen latenten Heywood-Fall

Ein örtliches Tierheim hat eine Umfrage entworfen, um die Wirkung seines „Adopt Me“-Programms zu messen. Zuschauer:innen bewerteten jedes Hundebild, die Hintergrundgeschichte und andere Merkmale, um die „Adoptierbarkeit“ jedes Tiers einzuschätzen.

Die Daten adoptsurvey enthalten die sechs Items, die sie bewertet haben: pictures, background, loveskids messen eine latente Variable „good story“, während energy, wagstail, playful eine latente Variable „in person“ messen. Du baust ein Zwei-Faktoren-Modell ihrer Umfrage und prüfst es auf Heywood-Fälle. Die Bibliothek lavaan wurde bereits für dich geladen.

Diese Übung ist Teil des Kurses

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

Kurs ansehen

Übungsanweisungen

Die latente Variable goodstory wird durch pictures, background und loveskids gemessen.
Die latente Variable inperson wird durch energy, wagstail und playful gemessen.
Analysiere das Zwei-Faktoren-Modell mit der Funktion cfa().

Interaktive praktische Übung

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

# Look at the data
head(adoptsurvey)

# Build the model
adopt.model <- 'goodstory ___
inperson ___'

# Analyze the model
adopt.fit <- cfa(model = ___, data = ___)

Code bearbeiten und ausführen