Behebe das latente Heywood-Modell
In der letzten Übung hast du festgestellt, dass die Adoptionsumfrage eine Korrelation > 1 auf der latenten Variable hatte. Du solltest den Heywood-Fall beheben, indem du die zwei latenten Variablen zu einer latenten Variable zusammenfasst. Analysiere und fasse anschließend das Modell zusammen, um zu prüfen, ob das Zusammenführen dieser beiden Faktoren das Problem der problematischen Korrelation gelöst hat.
Diese Übung ist Teil des Kurses
<Kurs>Strukturgleichungsmodellierung mit lavaan in R</Kurs>Übungsanweisungen
- Ändere das Modell so, dass nur ein
goodstory-Faktor erstellt wird, der durch alle sechs manifesten Variablen imadoptsurvey-Datensatz gemessen wird. - Analysiere das Modell mit der Funktion
cfa(), um sicherzustellen, dass es keine Fehlermeldungen gibt. - Führe
summary()für das Modell aus, um die endgültige Modellgüte anzuzeigen.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Look at the data
head(adoptsurvey)
# Edit the original model
adopt.model <- 'goodstory =~ pictures + background + loveskids
inperson =~ energy + wagstail + playful'
# Analyze the model
adopt.fit <- cfa(model = ___, data = adoptsurvey)
# Look for Heywood cases
summary(___, standardized = TRUE, fit.measures = TRUE)