Arregla el modelo Heywood latente
En el ejercicio anterior, viste que la encuesta de adopción tenía una correlación > 1 en la variable latente. Debes corregir el caso Heywood colapsando las dos variables latentes en una sola variable latente. Después, analiza y resume el modelo para comprobar si fusionar estos dos factores en uno ha resuelto la correlación problemática.
Este ejercicio forma parte del curso
Modelos de ecuaciones estructurales con lavaan en R
Instrucciones del ejercicio
- Cambia el modelo para crear un único factor
goodstorymedido por las seis variables manifiestas del conjunto de datosadoptsurvey. - Analiza el modelo con la función
cfa()para asegurarte de que no aparecen mensajes de error. - Ejecuta
summary()para el modelo y revisa el ajuste final.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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)