Analyseer het Text Speed-model
Laten we je text speed-model uit de eerste les analyseren. Dit model bevatte één latente variabele, textspeed, weergegeven door zes manifeste variabelen. De variabelen x4, x5, x6 maten leesbegrip, en x7, x8 en x9 maten snel tellen en optellen uit de gegevensset HolzingerSwineford1939.
We gebruiken de functie cfa() om text.model te analyseren met de data uit HolzingerSwineford1939. Onze samenvatting zou moeten aangeven dat het model is geïdentificeerd met 9 vrijheidsgraden. Bekijk de schattingen van de latente variabele om te bepalen welke items de latente variabele goed meten (hoge waarden) en welke minder goed (lage waarden).
Deze oefening maakt deel uit van de cursus
Structurele vergelijkingsmodellen met lavaan in R
Oefeninstructies
- Gebruik de functie
cfa()om een model te fitten met de naamtext.fit. Vergeet niet zowel de model- als data-argumenten mee te geven! - Gebruik de functie
summary()om de model-fit te bekijken.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Load the lavaan library
library(lavaan)
# Load the dataset and define model
data(HolzingerSwineford1939)
text.model <- 'textspeed =~ x4 + x5 + x6 + x7 + x8 + x9'
# Analyze the model with cfa()
# Summarize the model