Bouw een multifactormodel

Een andere manier om ons text-speedmodel te verbeteren is door een two-factor model te maken met text en speed als latente variabelen, in plaats van het model op te splitsen in twee one-factor modellen. Schrijf in deze oefening de code voor de modelspecificatie van een two-factor model.

Als je de gegevensset wilt bekijken om de kolommen te zien, kun je head(HolzingerSwineford1939) gebruiken.

Deze oefening maakt deel uit van de cursus

Structurele vergelijkingsmodellen met lavaan in R

Oefeninstructies

Noem je model twofactor.model.
Gebruik x4, x5 en x6 om een latente variabele text te maken.
Gebruik x7, x8 en x9 om een latente variabele speed te maken.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Create a two-factor model of text and speed variables
twofactor.model <- ____

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Structurele vergelijkingsmodellen met lavaan in R

SkillTag.level.advancedSkillTag.label

4.8+

Begin gratis met de cursus

In dit hoofdstuk ga je aan de slag met het maken van je eerste structurele vergelijkingsmodel met lavaan. Je leert belangrijke termen, hoe je modellen opzet en uitvoert. Je bouwt een één-factormodel van mentale testvaardigheden met de klassieke gegevensset van Holzinger en Swineford (1939).

Exercise 1: Modelspecificatie Exercise 2: Bouw een model voor tekstsnelheid Exercise 3: Bouw een model voor politieke democratie Exercise 4: Modelanalyse Exercise 5: Analyseer het Text Speed-model Exercise 6: Vat politieke democratie samen Exercise 7: Modelbeoordeling Exercise 8: Gestandaardiseerde loadings bekijken Exercise 9: Fit-indices verkennen Exercise 10: Onderzoek politieke democratie

In dit hoofdstuk breid je je vaardigheden in lavaan uit naar het maken van multifactormodellen. We verbeteren de één-factormodellen uit het vorige hoofdstuk door meerdere latente variabelen te creëren in de klassieke gegevensset van Holzinger en Swineford (1939).

Exercise 1: Specificatie van multifactor Exercise 2: Maak een model met nul vrijheidsgraden Exercise 3: Repareer het Zero df-model Exercise 4: Bouw een multifactormodel

Huidige oefening

Exercise 5: Vat het multifactormodel samen Exercise 6: Modelstructuur Exercise 7: Driefactormodel met nulcorrelatie Exercise 8: Maak een directe pad Exercise 9: Modificatie-indices Exercise 10: Controleer modelvariantie Exercise 11: Onderzoek modificatie-indices Exercise 12: Modellen vergelijken Exercise 13: Vergelijk twee modellen Exercise 14: Selecteer specifieke fit-indices

Structurele vergelijkingsmodellen lopen niet altijd vlekkeloos, en in dit hoofdstuk leer je hoe je Heywood-gevallen opspoort, veelvoorkomende fouten in SEM. Je leert ook hoe je je model in R visualiseert met de semPlot-bibliotheek.

Exercise 1: Heywood-gevallen bij de latente variabele Exercise 2: Analyseer een latente Heywood-case Exercise 3: Repareer het latente Heywood-model Exercise 4: Heywood-gevallen bij manifeste variabelen Exercise 5: Analyseer een manifeste Heywood-case Exercise 6: Los het manifeste Heywood-model op Exercise 7: Diagrammen maken met semPaths()Exercise 8: Basischdiagram van een SEM Exercise 9: Bewerk de lay-out Exercise 10: Labels bewerken

Dit hoofdstuk onderzoekt de WAIS-III IQ-schaal en de structurele eigenschappen daarvan. Je gebruikt je vaardigheden uit de eerste drie hoofdstukken om verschillende modellen van de WAIS-III te maken, fouten in die modellen op te sporen en diagrammen van het eindmodel te maken.

Exercise 1: Modelleer de WAIS-III IQ-schaal Exercise 2: Maak een vierfactorenmodel Exercise 3: Werk het model bij Exercise 4: Maak een diagram van het definitieve model Exercise 5: Werk het WAIS-III-model bij Exercise 6: Voeg paden toe om de fit te verbeteren Exercise 7: Modellen vergelijken Exercise 8: Een hiërarchisch model van IQ Exercise 9: Maak een hiërarchisch model Exercise 10: Maak een diagram van het hiërarchische model Exercise 11: Afronding van de cursus