Analysiere einen manifesten Heywood-Fall

Nach deiner Auswertung hat die Adoptionsgruppe ihre Umfrage neu aufgesetzt, um zwei Faktoren zu messen: wie effektiv ihre Online-Story-Posts in goodstory waren und wie wichtig eine inperson-Interaktion war. Die neuen Daten sind unter adoptsurvey geladen. In dieser Übung suchst du nach einem Heywood-Fall bei einer der manifesten Variablen, nicht bei der latenten Variable.

Diese Übung ist Teil des Kurses

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

Kurs ansehen

Übungsanweisungen

Analysiere die aktualisierten Daten adoptsurvey für das zweifaktorielle adopt.model mit der Funktion cfa().
Achte auf Warnmeldungen, nachdem cfa() berechnet wurde.
Nutze die Funktion summary(), um herauszufinden, welche manifeste Variable problematisch ist.

Interaktive praktische Übung

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

# Build the model
adopt.model <- 'goodstory =~ pictures + background + loveskids
inperson =~ energy + wagstail + playful'

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

# Summarize the model to view the negative variances

Code bearbeiten und ausführen