Анализ политической демократии

На основе набора данных PoliticalDemocracy вы построили модель, измеряющую уровень политической демократии в 1960-х годах. Переменные y1, y2, y3 и y4 отражали свободу слова и прессы, честность выборов и эффективность законодательной власти. Переменная y1 использовалась в качестве индикаторной для масштабирования данных.

Важно также изучить дисперсии модели — они показывают величину ошибки при оценке явных и латентных переменных. Примените функцию summary() к объекту politics.fit, чтобы вывести коэффициенты и дисперсии модели.

Посмотрите на столбец Estimates. Какой элемент имеет наибольший член ошибки в разделе Variances?

Это упражнение является частью курса

Структурное моделирование уравнений с lavaan в R

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Структурное моделирование уравнений с lavaan в R

SkillTag.level.advancedSkillTag.label

4.8+

Начать курс бесплатно

В этой главе вы построите свою первую модель структурных уравнений с помощью lavaan. Вы освоите ключевую терминологию, научитесь создавать и запускать модели, а также построите однофакторную модель умственных способностей на основе классического набора данных Холзингера и Суинфорда (1939).

Exercise 1: Спецификация модели Exercise 2: Построение модели скорости обработки текста Exercise 3: Построение модели политической демократии Exercise 4: Анализ модели Exercise 5: Анализ модели скорости чтения текста Exercise 6: Анализ политической демократии

Текущее упражнение

Exercise 7: Оценка модели Exercise 8: Изучение стандартизованных нагрузок Exercise 9: Изучение индексов подгонки Exercise 10: Анализ политической демократии

В этой главе вы расширите свои навыки работы с lavaan и перейдёте к построению многофакторных моделей. Опираясь на однофакторные модели из предыдущей главы, вы улучшите их, добавив несколько латентных переменных на основе классического набора данных Холзингера и Суинфорда (1939).

Exercise 1: Многофакторная спецификация Exercise 2: Создание модели с нулевыми степенями свободы Exercise 3: Исправление модели с нулевыми степенями свободы Exercise 4: Построение многофакторной модели Exercise 5: Анализ многофакторной модели Exercise 6: Структура модели Exercise 7: Трёхфакторная модель с нулевой корреляцией Exercise 8: Создание прямого пути Exercise 9: Индексы модификации Exercise 10: Проверка дисперсии модели Exercise 11: Изучение индексов модификации Exercise 12: Сравнение моделей Exercise 13: Сравнение двух моделей Exercise 14: Выбор конкретных индексов подгонки

Модели структурных уравнений не всегда строятся без затруднений. В этой главе вы научитесь устранять случаи Хейвуда — распространённые ошибки в СМУ, — а также строить диаграммы моделей в R с помощью библиотеки semPlot.

Exercise 1: Случаи Хейвуда для латентной переменной Exercise 2: Анализ латентного случая Хейвуда Exercise 3: Исправление случая Хейвуда для латентной переменной Exercise 4: Кейсы Хейвуда на наблюдаемых переменных Exercise 5: Анализ явного случая Хейвуда Exercise 6: Исправление явного случая Хейвуда Exercise 7: Создание диаграмм с помощью semPaths()Exercise 8: Базовая диаграмма SEM Exercise 9: Изменение макета Exercise 10: Редактирование меток

В этой главе рассматривается Шкала интеллекта Векслера для взрослых (WAIS-III) и её структурные свойства. Используя навыки, полученные в первых трёх главах, вы построите различные модели WAIS-III, устраните ошибки в этих моделях и создадите диаграммы итоговой модели.

Exercise 1: Моделирование шкалы IQ WAIS-III Exercise 2: Создание четырёхфакторной модели Exercise 3: Обновление модели Exercise 4: Диаграмма финальной модели Exercise 5: Обновление модели WAIS-III Exercise 6: Добавление путей для улучшения подгонки модели Exercise 7: Сравнение моделей Exercise 8: Иерархическая модель интеллекта Exercise 9: Создание иерархической модели Exercise 10: Визуализация иерархической модели Exercise 11: Заключение курса