In this chapter, you will dive into creating your first structural equation model with lavaan. You will learn important terminology, how to build, and run models. You will create a one-factor model of mental test abilities using the classic Holzinger and Swineford (1939) dataset.

Model Specification

Build Text Speed Model

Build Political Democracy Model

Model Analysis

Analyze Text Speed Model

Summarize Political Democracy

Model Assessment

Examine Standardized Loadings

Explore Fit Indices

Examine Political Democracy

One-Factor Models

In this chapter, you will expand your skills in lavaan to creating multi-factor models. We will improve the one-factor models from the last chapter by creating multiple latent variables in the classic Holzinger and Swineford (1939) dataset.

Multifactor Specification

Create a Zero df Model

Fix the Zero df Model

Build a Multi-Factor Model

Summarize the Multi-Factor Model

Model Structure

Three-Factor Model with Zero Correlation

Create a Direct Path

Modification Indices

Check Model Variance

Examine Modification Indices

Model Comparison

Compare Two Models

Select Specific Fit Indices

Multi-Factor Models

Structural equation models do not always run smoothly, and in this chapter, you will learn how to troubleshoot Heywood cases which are common errors. You will also learn how to diagram your model in R using the semPlot library.

Heywood-gevallen bij de latente variabele

Analyseer een latente Heywood-case

Repareer het latente Heywood-model

Heywood-gevallen bij manifeste variabelen

Analyseer een manifeste Heywood-case

Los het manifeste Heywood-model op

Diagrammen maken met semPaths()

Basischdiagram van een SEM

Bewerk de lay-out

Labels bewerken

Troubleshooting Model Errors and Diagrams

This chapter examines the WAIS-III IQ Scale and its structural properties. You will use your skills from the first three chapters to create various models of the WAIS-III, troubleshoot errors in those models, and create diagrams of the final model.

Model the WAIS-III IQ Scale

Create a Four-Factor Model

Update the Model

Diagram the Final Model

Update the WAIS-III Model

Add Paths to Improve Fit

Compare Models

A Hierarchical Model of IQ

Create a Hierarchical Model

Diagram the Hierarchical Model

Course Wrap Up

Full Example and an Extension

WAIS-III IQ Data for Hierarchical Model

Latent Variable Heywood Case Data

Negative Variance Heywood Case Data

Als je met data werkt, wil je vaak modellen bouwen om toekomstige gebeurtenissen te voorspellen, maar je wilt ook een dieper begrip van hoe je data samenhangt en is opgebouwd. In deze cursus ga je de samenhang in data verkennen met structural equation modeling (SEM) in de programmeertaal R met het lavaan-pakket. SEM introduceert je aan latente en manifeste variabelen en laat zien hoe je meetmodellen opstelt, de nauwkeurigheid van meetmodellen beoordeelt en slecht passende modellen verbetert. Tijdens de cursus werk je met klassieke SEM-gegevenssets, zoals die van Holzinger en Swineford (1939) en Bollen (1989). Je werkt ook een casestudy uit met een multifactor­model op basis van de Wechsler Adult Intelligence Scale. Na deze cursus kun je dieper in je data duiken en veel beter begrijpen hoe alles samenhangt.

Intermediate Regression in R

Leer hoe je meetmodellen maakt en beoordeelt om de structuur van een schaal of vragenlijst te bevestigen.

Structurele vergelijkingsmodellen met lavaan in R

Leer hoe je meetmodellen kunt maken en beoordelen om de structuur van een schaal of vragenlijst te checken.

Basischdiagram van een SEM

Structurele vergelijkingsmodellen met lavaan in R

Oefeninstructies

Praktische interactieve oefening